螺栓连接的完整性维护仍然是一个面临众多挑战的问题，特别是在遭受外部干扰(如振动)时，连接界面表面可能会发生大面积或局部的滑移。这种滑移现象会加剧界面间的相对运动，导致预紧力水平下降，也就是螺栓连接的松动。在过去的10年中，诸如振动法、导波法和机电阻抗法等检测方法已逐渐应用于检测螺栓连接的松动。伴随着计算能力的显著提升，机器学习算法包括神经网络和支持向量机已被开发出来，用于进一步提升螺栓松动检测方法的准确性。这些方法的融合为螺栓连接的实时健康监测提供了新的途径。该文综述了基于声弹性效应、振动、导波和机电阻抗的方法，以及基于机器学习算法的信号分析方法在螺栓连接松动检测和监测领域的应用，旨在展示近年来该领域的研究进展。