桥梁在服役过程中,结构超限、材料老化、环境腐蚀、疲劳效应等因素都会不可避免的导致结构产生损伤,使得桥梁承载能力下降,从而影响桥梁的通行性能,给交通运输带来很大的安全隐患。因此对桥梁结构进行健康监测和损伤识别具有重要意义。本文以晋蒙黄河大桥工程为背景展开研究,主要工作内容如下:(1)根据晋蒙黄河大桥的监测要求,设计并研制了桥梁健康监测系统,依据整体设计方案进行软硬件的搭建。系统硬件部分采用主机汇总+从机采集的方式实现对桥梁各测点的健康数据采集:主机系统为单电路板运行,使用STM32实现控制功能;从机系统由电源板、中央控制板和采集板组成,使用STM32和FPGA协同处理的方式实现采集;系统软件部分基于C#实现各功能的模块化编程。经过测试,集成后的系统能够实现健康数据的采集功能。(2)通过对晋蒙黄河大桥结构特点和所处环境的分析,确定了应变、挠度、温湿度和振动这五项监测内容,并对相应的传感器进行选型。基于大桥自身特性,选择合理的位置进行传感器和系统的布设,并完成数据采集和统计模式分析工作,为桥梁损伤识别方法的研究提供可靠的数据支持。(3)归纳总结现有的桥梁结构损伤识别方法,并分析不足,重点分析深度学习理论应用在桥梁损伤识别领域的优势。对比目前常用的三种深度学习模型,选用深度信念网络作为分类模型展开研究。(4)通过重复大量实验确定深度信念网络内部参数,搭建出适合用于桥梁损伤识别研究的深度信念网络模型。通过对该模型的结构和分类性能进行测试,证明了深度学习算法在桥梁损伤识别领域的可行性。最后本文以晋蒙黄河大桥仿真实验数据为依托,将深度信念网络模型与经典的BP神经网络和支持向量机进行识别准确率对比。结果表明:该方法较BP神经网络准确率提升14.5%,较支持向量机准确率提升11.75%,具有较好的识别效果。