铁路的重载化、高速化发展对桥梁的健康状态提出了更高要求。钢桁梁桥是铁路桥梁的主要形式之一,具有自重轻、施工方便等优点。螺栓脱落是钢桁梁桥的常见病害,螺栓的大量脱落会严重危及钢桁梁桥的运营安全。在此背景下,研究适用于钢桁梁桥的螺栓脱落病害识别方法是很有必要的。在对比已有螺栓病害检测方法的基础上,提出一种基于概率神经网络和模型修正的钢桁梁桥螺栓脱落病害定位及定量识别方法。针对钢桁梁桥主桁杆件的螺栓脱落病害,通过数值模拟的方法进行了研究,主要研究内容和成果如下:(1)提出了钢桁梁桥螺栓脱落病害的简化模拟方法。通过对螺栓连接的节点部位进行计算分析,得到螺栓脱落病害与节点转动刚度的关系,并由此提出通过降低杆端处单元抗弯刚度来简化模拟螺栓脱落病害。(2)提出了基于概率神经网络的钢桁梁桥螺栓脱落病害定位识别方法。按照杆件的几何位置,将钢桁梁桥划分为四个子结构。通过参数敏感性分析,确定曲率模态变化率作为神经网络的输入参数,使用概率神经网络将发生螺栓脱落病害的杆件定位到子结构内。数值模拟表明,该方法的定位识别正确率在90%以上。(3)提出了基于模型修正的钢桁梁桥螺栓脱落病害定量识别方法。在病害定位到子结构的基础上,以曲率模态构造目标函数,使用模型修正方法识别子结构内各杆件的螺栓脱落病害程度。数值模拟表明,该定量识别方法对单病害及多病害工况均可有效识别。(4)针对螺栓脱落病害识别中用到的曲率模态参数,提出了基于余振法的测试方法。通过在余振测试信号中加入白噪声,分析了噪声对螺栓脱落病害识别结果的影响。分析结果表明,测试信号信噪比高于40dB时可有效识别螺栓脱落病害。