针对导管架平台结构损伤识别中数据不平衡问题，提出了一种基于一维条件生成对抗网络（one-dimensional conditional generative adversarial network，简称1D-CGAN）与长短时记忆（long short-term memory，简称LSTM）网络结合的导管架平台结构损伤识别方法。该方法将采集的一维损伤数据直接输入条件生成对抗网络（conditional generative adversarial network，简称CGAN），通过在判别器和生成器中添加标签信息构建1D-CGAN，利用标签信息控制其生成特定的新损伤样本，从而与完好状态样本组成平衡样本集。在此基础上，将划分的训练集输入到LSTM进行模型训练和损伤识别。实验结果表明：随着不平衡程度降低，所提出方法的识别准确率不断提高，当数据集达到平衡时，识别准确率能够达到92.5%；与其他方法相比，所提出方法的识别准确率和精确率均有明显的提高。该方法提高了模型的分类性能，为不平衡数据下海洋结构损伤识别提供了一种新思路。