构造损伤敏感因子(Damage Sensitive Factor,DSF)是结构损伤检测的关键一步。基于自回归条件异方差(ARCH)模型拟合新息序列标准差指标(Standard Deviation of Innovation,SDI)和新息序列排列熵指标(Permutation Entropy of Innovation,PEI)作为非线性损伤识别因子,并通过三层建筑结构实验数据和六层剪切结构数值模拟数据验证其有效性,并与基于AR模型拟合的残差标准差指标(Standard Deviation of Residual,SDR)和残差排列熵指标(Permutation Entropy of Residual,PER)的识别效果进行对比。重点通过正态概率分布和拟合分析检验线性时序AR模型和非线性时序ARCH模型对振动响应数据的拟合程度,分析原始数据序列及对应得到的残差序列和新息序列的特征;并利用损失函数法,选用均方误差(Mean Square Error,MSE)作为损伤函数来确定AR模型残差序列和ARCH模型新息序列损伤函数值的大小,证明基于新息序列的结构非线性损伤特征因子在表达结构非线性损伤特征上的优势。该方法首先对基准及待检状态振动响应数据建立AR模型;然后提取相应残差序列拟合残差标准差指标SDR和残差排列熵指标PER;随后基于AR模型残差进一步构建ARCH模型,并定义新的损伤敏感因子SDI和PEI;其次将基于非线性时序ARCH模型构建的损伤特征因子与基于线性时序AR模型构建的损伤特征因子在非线性损伤识别问题上进行分析评估;最后利用正态概率分布和拟合分析分别对原始数据序列、时序AR模型残差序列和非线性时序ARCH模型新息序列进行分析研究,并利用损失函数法进一步确定AR模型残差序列和ARCH模型新息序列损伤函数值的大小。结果表明,基于线性时序AR模型拟合的残差标准差指标SDR和残差排列熵指标PER能实现结构非线性损伤识别,然而这类指标对结构非线性损伤特征信息的提取仍然不理想。本文提出的利用ARCH模型拟合的新息序列标准差指标SDI和新息序列排列熵指标PEI能够较好地实现结构非线性损伤识别,基于ARCH模型的新息序列在表征和构建结构非线性损伤特征因子方面具有良好的前景。