大跨度空间钢结构建筑由于结构体型和材料特性易受环境及风荷载影响,钢结构振动加剧造成结构损伤和舒适度下降的问题日益突出,针对目前铁路站台雨棚钢结构振动健康状态评估缺乏系统性数据分析及传统基于实测值预警的局限性,本文通过BP神经网络和改进PSO-BP神经网络构建钢结构振动预测和健康状态评估模型,结合控制图法进行雨棚钢结构振动健康状态评估和多级预警方法研究,实现运营阶段多因素影响下铁路站台雨棚钢结构振动异常识别及预警功能,为监管人员对雨棚钢结构采取有效的预防维护措施提供决策支持,有利于提高铁路站台雨棚钢结构的安全性能。具体工作如下:（1）构建基于BP神经网络的钢结构振动预测模型及健康状态评估模型,通过BP神经网络建模获取振动预测值,由于结构异常或损伤状态下钢结构振动明显超过正常值,结合两者之差利用控制图设计钢结构振动健康状态评估方法及模型,实现多因素影响下的钢结构振动异常识别和健康状态评估。验证结果表明健康状态评估模型准确率为87.5%,最后结合BP算法的局限性分析,提出预测模型的改进设计以提高钢结构振动健康状态评估模型的准确性。（2）改进PSO-BP神经网络的钢结构振动预测建模及健康评估,通过设计自适应学习率和改进粒子群算法优化初始权值、阈值提高预测模型的学习性能,构建基于改进PSO-BP神经网络的钢结构振动预测模型,并在此基础上构建改进后钢结构健康状态评估模型及评估验证,结果表明改进雨棚钢结构健康状态评估模型准确率明显提高,准确评估所有验证数据,验证了改进后钢结构健康状态评估方法及模型的有效性。（3）雨棚钢结构振动健康状态评估、安全预警研究及应用。基于钢结构健康状态评估方法研究结果进行某时段钢结构健康状态评估应用,结果表明该时段钢结构处于健康状态;在此基础上结合传统预警局限性分析进行钢结构振动多级预警方法研究,有利于提高铁路部门钢结构健康管理的科学化水平。