随着我国交通事业的飞速发展,桥梁在其中的作用越来越重要,而对桥梁结构的健康监测是当今工程研究的一个热点问题。桥梁上移动荷载的识别作为桥梁结构健康监测的基础环节,是决策者进行结构安全评估和交通规划的重要依据,是保证桥梁结构安全可靠的基本前提,具有重要的理论意义和应用价值。本文将BP神经网络理论应用于桥上移动荷载识别问题。首先研究了BP神经网络方法用于荷载识别的基本原理和实施步骤。利用正交试验法构建网络的样本库,如此得到的样本库在样本数尽可能少的情况下包含了最多的信息。在训练样本选取时,使用先K-均值聚类再欧式距离度量的原则进行,如此得到的训练样本分布较为均匀且代表性强,网络的泛化能力可得到最大程度的展现。其次研究了优化神经网络权值的智能算法,包括蜂王遗传算法、蚁群算法和微粒群算法,又在他人工作的基础之上提出了一种全新的混合微粒群算法。该算法将蜂王遗传算法和蚁群算法的经典思想糅合到传统微粒群算法中,并比较了该混合算法和传统算法对测试函数的逼近结果。通过对逼近结果的比较,证明了该混合微粒群算法提高了传统算法的寻优能力。最后分析了BP神经网络在移动荷载识别中的应用结果。针对正交异性板模型,分别比较了不同优化网络权值方法和不同的响应类别时的识别结果,可以看出该混合算法的优势所在,且得出以加速度响应为网络的输入参量时的识别结果较为理想。对于受噪声“污染”的样本,利用“去噪”法也得到了很好的识别结果。在针对近似实桥模型进行识别时,分别讨论了钢管混凝土桥和悬索桥模型,从识别的结果可以看出,BP神经网络在动载识别中的实际意义和巨大潜力。本文的研究方法和计算结果,为桥梁移动荷载识别的智能化提供了一定的参考,也为健康智能监测识别系统的研究打下了一定的基础。