针对超载超速车辆的长期非正常运营引起桥梁损伤破坏现象,考虑桥面不平度的影响,通过车桥耦合计算,应用神经网络方法对通过斜拉桥的重车荷载识别进行了初步探讨。首先基于相似公路上实测车流统计模型拟定车流荷载,通过车桥耦合响应分析,运用数值模拟数据建立网络的训练和精度检验样本,并加入5%的随机噪声,通过检验组(车重和车速)数据识别结果的误差分布来评价网络训练精度,车重与车速输出误差在5%以内,表明网络训练精度较高。然后,依据斜拉桥健康监测系统,采用斜拉桥实际运营状态下的监测响应(索力和应变)提取车辆荷载作用特征参数并组成网络的输入向量,运用满足精度要求的神经网络来识别车重和车速结果较好。其中,车速分布近似均值65 km/h的正态分布,车重大多分布在10～70 t的范围内,10 t以下小型车辆识别误差较高。车速车重总体呈现负相关,分布具有一定离散性,以上特征与实际情况基本吻合。表明将BP神经网络法与斜拉桥监测系统相结合的方式进行重车车速车重识别是可行的。