大型桥梁健康监测与状态评估的难点之一是如何有效的处理大量监测信息并对桥梁运营状态做出合理评估,主要体现在反问题的不适定性、组合优化的计算复杂性、评估的不确定性、信号的非平稳性等方面。在求解这些问题方面,以二元逻辑、线性系统等为基础的传统求解方法存在不足,因而迫切需要发展新的、有效、实用的方法。软计算(Soft Computing, SC)是集成了人工神经网络、群智能优化及不确定性推理的一类方法,在数据反演、全局非线性优化、决策分析、并行计算等方面具有较大优势。本文在研究其基本理论的基础上,结合桥梁健康监测与状态评估,对其中主要的决策和识别问题进行了系统的探索研究。主要工作和研究内容如下：(1)引入了软计算方法基本概念和特征,重点介绍了群智能优化算法。基于所建立的Benchmark优化模型,对群智能优化算法的性能进行了对比数值实验分析。(2)对传统BP神经网络进行了改进。引入自适应学习率和局部最优检测算子,增强了网络全局最优性,并提高了网络识别精度。基于此,建立了用于南京长江大桥桥墩—船撞击荷载识别网络,可对船舶撞击力、撞击角度和撞击位置进行识别。数值算例表明,所建网络具有良好的记忆、联想和抗干扰能力,在船舶撞击力识别方面具有很快的收敛速度和较高的识别精度。(3)提出了一种新的针对传感器优化布置的“数集编码法”及其遗传算法的交叉和变异操作模式。将所提出的遗传算法结合人工免疫算法的克隆机制,增强了算法在单目标和多目标情况下对传感器位置进行全局优化的能力。以汀泗河特大桥1／8缩尺模型及南京长江大桥为对象,对其监测传感器位置进行单目标和多目标优化。优化结果表明,所提出的优化方法编码长度短、操作灵活、具有较强的全局收敛性。单目标情况下,最优测点具有累积性与分区集中性。多目标情况下,可得到具有多种布置方案的Pareto解,方便决策者进行方案比选。(4)提出了一种利用三端点区间数层次分析法对桥梁进行状态评估的方法,建立了三端点区间数层次分析法一致性衡量指标体系以及权重向量的优化模型,设计了具有自适应惯性系数调整和强局部搜索机制的自适应微粒群-退火算法用于全局优化搜索,通过优化求解可得到一致性指标及其最优权重。将所提出的三端点区间数层次分析法用于南京长江大桥的状态评估中,评估结果表明,三端点区间数层次分析法灵活、简单可以综合考虑评估中的不确定性,所提出的判断矩阵一致性检验方法及平均随机一致性指标参照值具有较高的工程应用前景。(5)提出了基于蚁群-混沌追踪算法的信号稀疏分解方法,该方法可用于参数识别和信号时频分析。算法效率方面,通过仿真信号对比表明,所提出算法的计算效率是传统匹配追踪算法的15倍。模态参数识别方面,对汀泗河特大桥1／8缩尺模型进行了实验并从实测信号中提取模态参数,试验结果与理论分析结果对比表明,所提出的方法稳定、有效且识别精度高。时频分析方面,对南京长江大桥火车过桥复杂信号进行时频分析并得到了自适应谱,通过与小波谱和WVD谱的分析结果对比分析表明,自适应谱具有较高的时频聚集性。