近几十年来,我国公路和高铁发展迅速,桥梁的建设也经历了快速发展的时期。与此同时,桥梁垮塌事故频繁发生。桥梁受到各种静态和动态荷载作用,包括环境侵蚀、温度影响、材料老化、自然灾害和人为破坏,很有可能在结构的局部位置发生损伤,包括变形、裂纹、腐蚀、磨损等。对桥梁的状态识别,尤其是桥梁的无损检测得到了各国的极大关注,成为当前的研究热点之一。基于单自由度车辆模型过桥和列车空间模型过桥,先后以车辆响应和桥梁响应为分析数据,使用小波变换和遗传算法优化神经网络的方法识别结构损伤。以一座简支梁桥为研究对象,证明两种方法在基于不同车辆模型、不同分析数据的结构状态识别中的可行性。主要工作和结论如下:采用三角级数法生成不平顺样本,对比数值模拟和期望得到的不平顺功率谱表明模拟不平顺可以如实反映实际情况。介绍了几种损伤模拟方法,分析不同方法下桥梁有限元模型的自振频率,证明了各损伤模拟方法的可行性。以车辆响应识别桥梁损伤时,采用车辆单自由度模型和空间模型,分别得到两个车辆过桥的车辆动力响应。采用连续小波变换识别车辆过桥的单损伤和多损伤工况,并讨论了单自由度车辆的速度、质量、刚度、阻尼对损伤识别效果的影响。得出以下结论:连续小波变换方法可以识别单自由度模型过桥的结构损伤状态,却不能识别空间模型过桥的损伤状态。单自由度车辆过桥时,较低的车速可以很好的识别损伤,车速的增大会增加识别的难度;车辆质量和阻尼的改变不会影响损伤识别效果;刚度的增大会降低识别效果。以桥梁响应识别桥梁损伤时,采用位移能量损伤指标和遗传算法优化神经网络的方法,以一简支梁桥为例验证该方法对基于单自由度车辆和列车空间模型过桥的损伤识别效果。得到以下结论:位移能量熵及其曲率可以直观判断损伤位置,也可以定性分析损伤程度。位移能量指标对车辆速度和路面不平顺不敏感。单自由度车辆模型过桥时,分析单个测点的位移时程信号可以实现损伤识别,但是要建立在低车速的前提下;列车空间模型过桥时,单个测点信号不能满足要求,需要通过对多个测点的信号分析实现损伤识别,且高车速下也可以使用。位移能量熵和能量熵曲率作为样本输入,均可以通过遗传算法优化神经网络的方法识别结构的损伤状态。