桥梁的移动荷载识别是桥梁结构健康监测的重要环节，获得精确可靠的荷载数据可以对桥梁设计中选用的荷载进行校核，对荷载谱进行分析也可为结构疲劳分析提供更接近实际的依据。而目前桥梁移动荷载识别技术还不够成熟，而且利用车桥系统模型识别移动荷载是一个反卷积求解问题，其数学反演过程往往是不适定的，导致了这种方法对噪声很敏感。本文研究了将BP神经网络用于桥梁移动荷载识别的理论和方法，对一跨度为30m的简支梁桥进行了移动荷载识别的数值仿真，分析了桥梁挠度和应变对移动荷载的敏感性，讨论了网络的不同转移函数组合和算法对识别结果的影响，研究了不同荷载工况下的识别结果和噪声的影响，并通过试验验证了该方法的合理性。研究结果表明：用人工神经网络方法识别桥梁移动荷载是可行的；桥梁应变响应比挠度响应对移动荷载更敏感；网络不同组合的转移函数对荷载识别结果影响不大，网络的均方误差最大的为3.7288，最小的为2.8518，相关系数均大于0.97，而训练方法对结果有很大影响，网络的均方误差在2.491到1677.6382不等，相关系数也从0.1354到0.97717不等；网络对荷载位置的识别结果很好，顺利识别出了荷载的上下桥状态和在桥上的位置，最大误差为0.54m；网络对轴距识别的精度好坏变化性较大，总体规律是轴距越大，车速越慢识别效果越好，速度从25m/s降到5m/s时网络的正确识别率增加了26.43%；网络对荷载进行识别时，在车辆的上下桥段识别误差比车辆完全在桥上时的识别误差大，不同的轴距和速度对荷载的识别影响也很大，车速和轴距越大网络的识别精度越差，反之越好；轴距对速度识别的精度影响不大，速度识别的精度与速度本身的大小有关，速度越大识别的精度越低；该方法具有很好的抗噪能力，在噪声水平20%的情况下，网络的正确识别率仍大于60%。试验结果表明：模型梁一到四阶频率相对误差分别为5.3%、11.6%、13.5%、15.7，模型梁的阻尼很小，一阶模态阻尼为0.618%；最大位置识别误差为0.464m；速度识别相对误差在5%以内；识别出的动荷载时程曲线在静载线上下波动。