随着各国学者对长期随机采样数据的深入研究，时间序列分析正被越来越多地应用于结构损伤诊断中，与此同时，一种新兴的智能诊断方法——人工神经网络诊断方法，一种基于结构振动的损伤检测法，也引起了人们的广泛关注。筒仓结构作为一种比较简单的结构形式，以其优良的储藏性能，被广泛的应用于工业生产中。在结构服役期间，由于多种原因会导致结构产生不同程度的损伤，如不及时对这些损伤进行处理，很可能会造成人身和财产损失。因此，对结构进行损伤诊断就很有必要。为了提高诊断方法的准确性和鲁棒性，本文结合了时间序列和神经网络两种方法的优势，提出了一种基于时间序列分析和人工神经网络的结构损伤诊断方法，通过模拟一个筒仓结构的损伤，运用此方法来对白噪声激励下的筒仓结构进行损伤诊断，验证该方法的有效性。本文的研究内容和方法主要有以下几个方面：通过对结构进行白噪声激励，利用结构节点的加速度时程响应信号进行时间序列建模，提取时间序列模型前四阶自回归系数和结构的第一周期作为损伤敏感因子。使用筒仓模型不同损伤状况下的损伤敏感因子作为神经网络的输入向量，根据各损伤实际情况建立期望输出向量，然后对神经网络进行多次训练，训练完成后的网络即可以用来诊断结构的损伤情况。文中损伤位置的诊断采用BP神经网络，损伤程度的诊断采用径向基函数神经网络。以筒仓结构为研究对象，使用有限元软件SAP2000进行建模分析。单损伤情况下，先用BP神经网络确定损伤发生的位置，再用径向神经网络确定损伤的程度；对采集到的加速度信号加入小噪声干扰，判断在噪声情况下该法是否有效；对结构在多损伤的情况下，诊断损伤的位置和程度，并分析其在小噪声干扰下的准确性。对筒仓模型的损伤诊断结果显示，基于时间序列分析和人工神经网络的方法无论在单损伤还是多损伤情况下都非常有效。