海上风电支撑结构所处的环境复杂且恶劣,结构易发生损伤,为防止倒塌等灾难性事故的发生,有必要进行海上风电支撑结构的损伤识别研究。在风、浪、流等环境荷载以及风机气动荷载的作用下,运行状态下的海上风电支撑结构振动响应信号中既有叶片旋转引起的谐波响应成分又有环境荷载诱发的结构模态响应成分。然而,损伤引起的结构动力特性的变化通常在结构模态响应中得到反映。因此,应首先从结构振动响应信号中提取模态响应成分,然后利用模态响应进行结构损伤识别。为此,本文利用变分模态分解（Variational Modal Decomposition,VMD）和概率密度函数（Probability Density Function,PDF）从运行状态下的振动响应信号中提取结构模态响应,利用模态响应构造损伤特征指标,结合梯度提升决策树（Gradient Boosting Decision Tree,GBDT）和支持向量机（Support Vector Machine,SVM）进行结构损伤识别研究,主要内容如下:（1）综述了结构损伤识别的研究背景和意义,介绍了目前国内外海上风电支撑结构损伤识别的研究现状。（2）介绍了VMD、PDF、GBDT和SVM的基本理论,及其参数取值。（3）基于VMD和PDF的模态响应提取。采用Bladed软件构建NREL 5MW海上风电结构数值模型,通过计算获取风机在停机状态和运行状态下的塔筒加速度响应信号。针对运行状态下海上风电支撑结构的响应频率密集且谐波响应能量占比高的特点,使用VMD对响应信号进行分解得到一系列分量信号,利用分量信号的PDF选择结构模态响应。（4）基于模态响应能量的结构损伤预警研究。利用VMD和PDF从原始加速度响应信号中提取模态响应分量,计算结构损伤前后模态响应能量向量的欧氏距离,作为损伤预警指标,进行结构损伤预警研究。研究过程中,考虑了不同噪声和风速的影响。（5）基于模态响应的结构损伤程度识别研究。以结构模态响应的能量和能量熵构建损伤特征向量,利用GBDT和SVM的分类算法进行结构损伤程度识别的研究。研究过程中,考虑了不同噪声和风速的影响。