桥梁结构是我国交通基础设施的重要组成部分。由于受多种因素的影响，在役旧的钢筋混凝土桥梁往往存在结构病害与损伤，这些结构病害与损伤已成为公路交通中的重大隐患。开展桥梁结构的病害检测与损伤评价技术研究，对于及时发现桥梁结构中存在的缺陷、对带伤在役的桥梁结构的剩余寿命进行科学评估、保证桥梁结构的使用安全等方面都具有重要意义，现已成为国内外桥梁工程领域中的一个研究热点。 目前，桥梁结构性能的检测与评价技术有基于表观病害检测分析、静动载试验分析等很多的方法体系。本论文在目前研究成果的基础上，基于混凝土梁桥静载试验数据，将神经网络和遗传算法相结合，对钢筋混凝土梁的分段抗弯刚度识别问题进行了研究，取得的主要研究成果如下： 1、在当前混凝土桥梁结构检测与损伤识别的方法体系的基础上，介绍了遗传优化神经网络算法的基本理论，并对遗传优化神经网络算法在桥梁结构参数识别中的应用进行了探讨。 2、建立了钢筋混凝土梁截面抗弯刚度全过程分析的力学模型，在理论分析的基础上编制了相应的数值计算程序。 3、提出了基于神经网络和遗传算法相结合的混合优化算法。研究结果表明，遗传算法具有快速学习网络权重的能力，该混合优化算法不仅具有神经网络广泛的映射能力，而且具有遗传算法的全局收敛性能。在此基础上，编制了遗传优化神经网络算法的实现程序，并用相关的数值算例进行了验证。无论是从直觉思维的要求考虑，还是从不确定性的要求考虑，优化后的神经网络算法都可以有效地解释结构状态的变化，即结构损伤发生的位置、程度等。 4、根据工程实例梁的静载试验数据，应用本文提出的分析程序，对实例梁进行了结构参数识别与性能评价，取得了理想的应用效果。