结构健康监测技术己经成为工程领域研究的热点,而损伤诊断则是结构健康监测系统的核心技术之一。随着传感器技术、测试技术、计算机技术和信号分析技术的迅猛发展,损伤诊断呈现出新的面貌,并显示出强盛的生命力,融合了数学,物理,化学,声学,光学,计算科学和信息工程,已经发展成为一门综合性边沿学科。本文阐述了结构健康监测系统的发展概况以及损伤识别技术的理论研究现状,总结了己有的损伤识别方法和损伤诊断特征量及其特点,然后在近年来已有的研究基础上,结合动态数据分析技术的最新发展,提出了结构健康监测中一种新颖的方法用于时变系统的损伤识别,并通过两个算例对该方法的可行性和有效性进行了验证。将FS-TARMA（函数基时变自回归滑动平均）时间序列模型应用于时变随机振动信号的分析,这种振动信号在时变系统中被用来估计TAR、TMA参数和创新方差。基于一种特征值分解技术,估计得到的TAR、TMA参数和创新方差能够为损伤估计提供更多信息和数据,从而形成了一种新的理论LCs（潜在成分）。LCs被组合和分解成数值,接着输入概率神经网络中进行损伤识别。本文采用了两个算例对这种新方法进行评估,根据质量和弹簧刚度等的变化来模拟不同级别的损伤,而这种方法能够求得系统参数的时变性质和基于质量及刚度变化的损伤级别。结果表明:使用这种方法,与其他非降维和普通特征提取方法相比,识别的成功率有很大的提高。