随着桥梁建设的持续发展，桥梁结构的形式和功能也日趋复杂，桥梁的修补和加固也越来越受到关注。桥梁建成通车后，由于受气候、环境因素以及人为因素的影响，结构材料会被腐蚀和逐渐老化，长期的静、动力荷载作用，使其强度和刚度随着时间的增加而降低。这不仅会更会使桥梁的使用寿命缩短，更严重的会影响交通行车安全，危机人的生命。桥梁结构的检测、监测作为结构安全养护、正常使用的保证措施之一受到关注，如何对桥梁结构进行质量检测和安全监测也已成为国内外学术界、工程界研究的热点。 本课题主要针对目前在役桥梁存在的种种安全隐患，展开桥梁性能检测和损伤识别技术的研究，以随时了解桥梁的结构性能和安全情况，避免灾难性事故的发生。主要研究工作包括以下几个方面： 1．研究了遗传算法优化的神经网络在桥梁结构损伤检测中的应用。基于遗传算法优化的一种有效的结构损伤检测，建立评估钢筋锈蚀程度的人工神经网络模型。选择对结构损伤较为敏感的参数作为网络的输入向量，结构的损伤状态作为网络的输出向量，建立损伤训练样本集，利用遗传算法优化神经网络的权值和阈值，进而预测结构损伤程度。实验发现通过此方法能较好的预测结构的内部损伤，一定程度上解决了对钢筋混凝土锈蚀损伤程度的评估。 2．研究了基于挠度信息的桥梁裂纹局部定位方法。裂纹的出现会引起桥梁结构某些特征参数的不规则变化或突变，这些参数中包含着重要的损伤信息。结构裂纹的出现会引起结构中的局部应力集中，导致空间域上结构的挠度信息在这一区域发生突变。因此，我们提取含裂纹的悬臂梁在静荷载作用下各节点的挠度值，作为神经网络的输入向量，以裂纹点的相对位置作为神经网络的输出，建立了神经网络模型，达到了很好的分类效果，对于损伤的快速局部定位取得了很好的效果。 3．利用多表达式编程(Multi—ExpressionProgramming，MEP)和频率等高线相结合的方法对桥梁结构裂纹定位进行了分析和研究。将结构固有频率作为裂纹的诊断参数，通过求解裂纹有限元模型，对多表达式编程模型进行训练，并拟合出以裂纹相对位置和相对深度为自变量，裂纹结构固有频率为因变量的解曲面，将实测结构的前三阶固有频率作为输入，绘制出各阶频率等高线，根据频率等高线的交点及MEP的预测结果来定位结构的裂纹。实验结果表明该方法能够有效的融合二者的优点实现裂纹快速、准确定位。