随着桥梁建筑等突发事故的日益增多，人们迫切需要提高桥梁的可靠性和安全性。而对桥梁结构进行在线监测和故障诊断，可以实时了解桥梁的工作状态，及时发现故障和故障的位置，以及故障对桥梁损伤的程度，这对及时维修桥梁结构，延长桥梁的寿命，避免灾难性事故的发生具有重要的意义。通过网格划分和模态分析能够对桥梁故障进行分析和诊断。网格划分的质量决定了有限元分析能否收敛及计算的精度；模态分析是桥梁结构损伤识别的一种重要手段，它需要的损伤指标数据直接或间接地来源于有限元分析的结果，因而高质量的网格划分是成功进行模态分析的基础，而模态分析是桥梁裂纹损伤检测的一种重要方法。　　 目前关于网格划分的算法中，应用最为广泛的是Delaunay算法。因为它具有比较完善的数学理论基础及其判断准则，灵活性好，容易控制，其应用能够从二维问题扩展到三维问题，具有其它算法不可比拟的优越之处。　　 模态分析作为结构损伤识别的一种重要手段，已成为国内外研究的热点。模态是结构固有的振动特性，每一个模态具有特定的固有频率、阻尼比和模态振型。当桥梁产生裂纹后，材料的刚度下降，会引起桥梁模态参数的变化。因此可以利用损伤发生前后模态参数的变化来对桥梁裂纹损伤诊断。　　 本课题主要针对上述两个方面展开讨论和研究的，其主要内容如下：　　 1、对面向桥梁应用的三维网格划分Delaunay算法进行了研究。首先讲述了Delaunay算法的原理、实现方法、局限性，然后针对桥梁应用，为其搭建模型，为了使得出的数据能更好的反映桥梁模型的真实状态，本文将一种简单的基于力平衡的网格质量优化算法应用在桥梁模型上。此算法利用力的平衡和距离函数寻找节点位置，用Delaunay算法重置拓扑结构，不仅实现了桥梁模型的网格划分，而且提高了网格质量，保证了结果的收敛，为桥梁的模态分析奠定了基础。　　 2、研究了将损伤指标法和计算智能法相结合，基于固有频率和曲率模态比值，用BP神经网络对桥梁进行裂纹损伤识别的方法。此方法以带有多处损伤和无损伤的悬臂梁为研究对象，在网格划分之后，经过有限元计算对数据进行处理，分析了固有频率和曲率模态对桥梁裂纹诊断的影响。最终确定用第三阶频率相对下降量、第一阶模态振型曲率模态比值最大值、前三阶频率作为神经网络的输入向量，以裂纹点的相对位置和损伤程度作为神经网络的输出，经过训练和测试来对桥梁裂纹进行损伤识别。仿真实验结果证明了此方法的可行性。