建筑工程结构随着人们使用的时间和外部环境的作用,会发生相应的老化并出现不同程度、不同形式的结构损伤。结构损伤的识别、检测以及修复维护对于结构安全具有重要的作用。同时,越早发现结构的损伤位置和损伤程度,维修维护的费用也越少。因此,工程结构的损伤位置识别和损伤程度的鉴定具有重大的意义。卷积神经网络和循环神经网络是近些年来人工智能领域的重要研究成果,这两种方法和传统模式的识别方法相比有其特别之处,检测得到数据后,利用此方法便可以使其进行自我学习和训练,从而获得结构的相关损伤情况。利用卷积神经网络和长短期记忆网络(循环神经网络的一种),基于数据分析,找寻这些数据背后的科学规律,发现损伤之处和损伤程度,这也正是本文的特别之处。但关于卷积神经网络尤其是循环神经网络在结构损伤识别领域中应用的现有研究较为有限,因此本文对这两种神经网络在结构损伤识别中的应用进行相关研究。主要工作有以下内容:(1)对人工智能领域在结构损伤识别的研究进行综述,介绍几种深度学习方法在结构损伤识别的研究。(2)用简支梁来模拟桥梁结构,在匀速移动的集中荷载作用下,通过ANSYS的仿真分析,提取测点处的竖向位移,并基于MATLAB搭建网络构架,分别用两种卷积神经网络和长短期记忆网络进行简支梁的损伤识别,通过比较这三者的损伤识别效果,初步探索哪种神经网络更适合于该结构类型的损伤识别以及影响损伤识别准确率的主要因素。(3)以典型框架结构为例,在包含自重的Elcentro地震波激励下,通过ANSYS的仿真分析,提取柱节点的加速度,并对提取的数据进行预处理。用MATLAB搭建网络构架,初步探讨长短期记忆网络技术在该种结构类型上损伤识别的可行性。