随着桥梁建设的持续发展,桥梁结构的形式和功能也日趋复杂,桥梁的修补和加固也越来越受到关注。桥梁建成通车后,由于受气候、环境因素以及人为因素的影响,结构材料会被腐蚀和逐渐老化,长期的静、动力荷载作用,使其强度和刚度随着时间的增加而降低。这不仅会更会使桥梁的使用寿命缩短,更严重的会影响交通行车安全,危机人的生命。桥梁结构的检测、监测作为结构安全养护、正常使用的保证措施之一受到关注,如何对桥梁结构进行质量检测和安全监测也已成为国内外学术界、工程界研究的热点。本课题主要针对目前在役桥梁存在的种种安全隐患,展开桥梁性能检测和损伤识别技术的研究,以随时了解桥梁的结构性能和安全情况,避免灾难性事故的发生。主要研究工作包括以下几个方面:1.研究了遗传算法优化的神经网络在桥梁结构损伤检测中的应用。基于遗传算法优化的一种有效的结构损伤检测,建立评估钢筋锈蚀程度的人工神经网络模型。选择对结构损伤较为敏感的参数作为网络的输入向量,结构的损伤状态作为网络的输出向量,建立损伤训练样本集,利用遗传算法优化神经网络的权值和阈值,进而预测结构损伤程度。实验发现通过此方法能较好的预测结构的内部损伤,一定程度上解决了对钢筋混凝土锈蚀损伤程度的评估。2.研究了基于挠度信息的桥梁裂纹局部定位方法。裂纹的出现会引起桥梁结构某些特征参数的不规则变化或突变,这些参数中包含着重要的损伤信息。结构裂纹的出现会引起结构中的局部应力集中,导致空间域上结构的挠度信息在这一区域发生突变。因此,我们提取含裂纹的悬臂梁在静荷载作用下各节点的挠度值,作为神经网络的输入向量,以裂纹点的相对位置作为神经网络的输出,建立了神经网络模型,达到了很好的分类效果,对于损伤的快速局部定位取得了很好的效果。3.利用多表达式编程(Multi-Expression Programming, MEP)和频率等高线相结合的方法对桥梁结构裂纹定位进行了分析和研究。将结构固有频率作为裂纹的诊断参数,通过求解裂纹有限元模型,对多表达式编程模型进行训练,并拟合出以裂纹相对位置和相对深度为自变量,裂纹结构固有频率为因变量的解曲面,将实测结构的前三阶固有频率作为输入,绘制出各阶频率等高线,根据频率等高线的交点及MEP的预测结果来定位结构的裂纹。实验结果表明该方法能够有效的融合二者的优点实现裂纹快速、准确定位。