本發(fā)明提供一種基于振動(dòng)信號(hào)空間時(shí)時(shí)遞歸圖卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷識(shí)別監(jiān)測(cè)方法，包括如下步驟：S1)搭建數(shù)值模型并生成風(fēng)激勵(lì)荷載等外激勵(lì)；S2)準(zhǔn)備不同損傷位置以及損傷程度的結(jié)構(gòu)數(shù)值模型并將風(fēng)激勵(lì)荷載等激勵(lì)加載到數(shù)值模型上；S3)將時(shí)程加速度響應(yīng)生成相應(yīng)遞歸圖樣本；S4)對(duì)樣本進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測(cè)試。本發(fā)明的優(yōu)點(diǎn)為：用于對(duì)土木工程領(lǐng)域的結(jié)構(gòu)進(jìn)行無(wú)損損傷識(shí)別，提出了將結(jié)構(gòu)上多點(diǎn)的加速度響應(yīng)生成相應(yīng)遞歸圖作為分析對(duì)象，同時(shí)采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取。卷積神經(jīng)網(wǎng)絡(luò)相對(duì)于傳統(tǒng)的機(jī)器學(xué)習(xí)算法，其對(duì)二維及以上的高維數(shù)據(jù)的特征提取具有先天優(yōu)勢(shì)，能有效提高其在結(jié)構(gòu)損傷識(shí)別上的訓(xùn)練效率和泛化能力，具備較好的精度及較低的訓(xùn)練成本。