随着科学技术和交通事业的发展,预应力混凝土梁式桥以其施工简单、造价经济、受力合理、行车舒适等独特优势越来越广泛地被采用,这样也使得存在损伤与病害的既有预应力混凝土桥梁不断增多。为保证此类桥梁的安全运营,如何及时有效地进行损伤识别已成为桥梁工程领域的重要研究课题。本文针对预应力混凝土梁式桥存在混凝土开裂严重和预应力损失两个方面的损伤,分别建立裂缝梁单元模型和预应力损失模型,采用人工智能的方法,进行这两个方面的损伤识别研究,建立了一套预应力混凝土梁式桥的损伤识别体系。主要研究工作包括以下几个方面:总结结构裂缝的几种常用模型,并在已有研究成果基础之上,结合土木工程结构受力特点,增加节点扭矩荷载作用,采用每个节点6个自由度,运用断裂力学理论,建立三维裂缝梁单元有限元计算模型。基本思路是将带裂缝的梁单元看成3段式变刚度裂缝梁单元,其组成为:中间是无厚度的裂缝段,两边是无损梁段。裂缝段的描述采用局部柔度矩阵,这个矩阵通过应力强度因子的积分得到;无损梁段的描述与常规空间梁单元一样。然后运用传递矩阵方法,将3段不同刚度的梁段组合成裂缝梁单元,用于有限元计算。总结目前常用的三种预应力损失计算方法:时步分析法,分项总和法和预应力总损失法。提出了混凝土结构中预应力筋的实际有效预应力变化情况存在两种趋势:预应力损失与阻滞损失效应,而且预应力损失效应趋势大于阻滞损失效应趋势,并假设预应力损失效应呈指数增长,阻滞损失效应呈线性增长,在结构的整个服役期限内,表现为构件内预应力筋预应力损失增长的趋势。并据此假设条件建立包含4个参数和1个时间变量的预应力损失计算数学模型方程。概述人工神经网络和遗传算法的概念、基本工作原理及其各自特点,以及这两种人工智能方法在土木工程结构损伤识别中的应用。针对桥梁工程损伤识别这样的复杂非线性问题,将BP神经网络与遗传算法结合,利用神经网络建立的结构损伤参数与响应差的映射关系预测出与之对应的函数值,代替有限元分析结果,根据这个预测的函数值计算遗传算法适应度值,对大型桥梁结构的损伤进行参数识别,并详述GA-BP算法的实现步骤。讨论预应力混凝土梁式结构的损伤识别基本理论,主要包括构件截面的几何特性计算和损伤识别敏感因子的选取原则。采用基于人工智能方法的GA-BP算法,运用已经建立的裂缝梁单元理论和预应力混凝土损伤识别理论,对预应力T形截面简支梁桥进行混凝土裂缝的损伤识别,识别出裂缝位置和裂缝深度;对连续梁桥中跨箱梁预应力束损失进行识别,通过概略识别和精细识别两阶段识别方式,识别出单根预应力束预应力损失模型表达式的参数值,从而建立该钢束预应力损失模型方程式。