桥梁安全评估是桥梁管养重要的手段之一。目前,可靠度理论以其精确、直观等优点得到了广泛应用。在可靠度求解的众多方法中,基于专家经验的蒙特卡罗法应用最为普遍,但其存在效率低,适应性差、过度依靠专家经验等缺陷。在利用蒙特卡罗法完成国家公关项目“桥梁远程监测及可靠度评估”过程中,该方法得到了较精确的结果,但同时其弊端也很突出。为了更加广泛的工程应用,必须提高可靠度评估的效率。随着智能算法如神经网络、遗传算法等的发展,利用智能算法建立桥梁可靠度模型成为可能。本文围绕智能算法应用于桥梁可靠度评估课题完成了以下相关工作:1.建立基于BP神经网络的桥梁可靠度评估模型。对大跨度复杂结构桥梁中不必构建繁琐的极限状态方程,只需在关键位置布置传感器监测重要参数,就可以运行模型来反映桥梁可靠度情况;同时,在评估过程中可根据桥梁寿命的发展再次启动网络学习,以实现符合桥梁寿命发展的可靠度评估模型建立和动态评估的效果;针对不同桥型结构受力的特点,调整BP神经网络的输入层和隐层就可以在不同的桥梁结构中进行可靠度评估,具有一定的通用型。2.建立基于实数编码遗传算法优化BP神经网络(GA-BP)桥梁可靠度评估模型。利用遗传算法的容错性、全局最优等特点优化BP神经网络克服BP神经网络易陷入局部最优、初始权值对收敛速度影响大等缺陷。同时,由于传统基于二进制编码的遗传算法使得样本信息出现跳跃,导致优化结果出现较大误差,所以模型中采用了实数编码。从而更精确反映桥梁可靠度。3.采用PowerBuilder和SQL Server开发了基于专家经验的蒙特卡罗法桥梁可靠度评估系统。此系统为基于实数编码的遗传算法优化BP神经网络(GA-BP)构建桥梁可靠度评估模型进行工程化应用,提供了可以借鉴的设计思想和技术手段,为论文工作下一步研究及工程应用提供了有利保障。论文最后用马桑溪大桥的监测数据为样本应用上述模型分别进行实验并分析结果。实验表明两种新评估方法在效率上比蒙特卡罗法有很大的提高,在精度上能满足桥梁可靠度评估工程化应用的要求;基于实数编码的遗传算法优化BP神经网络(GA-BP)构建桥梁可靠度评估模型在学习精度上优于BP神经网络构建桥梁可靠度评估模型。在一定程度上解决了传统可靠度评估方法的缺点,为广泛的工程应用提供了有价值的模型。