随着我国交通事业的快速发展，特大型桥梁结构不断涌现，新旧桥梁数量日益增多。为确保人民生命财产安全，快速有效地识别出桥梁结构可能发生损伤的部位和损伤程度，及时掌握桥梁运营下的健康状况，是当前桥梁工程研究领域的热点问题之一。 本文在研究国内外大量有关结构损伤识别和神经网络资料的基础上，根据桥梁结构损伤识别与神经网络的发展前景，利用有限元ANSYS及MATLAB程序将振动模态分析理论和BP神经网络相结合应用于桥梁损伤识别中，同时实现对损伤位置与损伤程度的识别，形成一套基于振动模态分析理论和BP神经网络的桥梁损伤识别方法。 首先，本文对基于振动模态分析理论的损伤识别方法进行了探讨。在此过程中分析了该方法的基本原理和过程，较详细地研究了损伤识别的模态频率法、模态振型差法、曲率模态／应变模态法、曲率模态差法、柔度差法和柔度曲率法的基本原理、优劣特性及适用范围。此外，采用悬臂梁模型进行损伤仿真计算，研究和比较了上述各种方法对于单损伤位置和多损伤位置不同情况的识别能力。 在这一部分，提出了梁结构损伤位置识别的柔度曲率法，该法既有高的灵敏度又避免了使用原结构的模态参数，对于没有原始结构模态参数的损伤识别技术显得尤为重要。算法具有计算量小和简便易行的优点，而且仅需要低阶模态信息即可获得很好的识别效果。同时，开展了结构多损伤识别的研究，探讨了曲率模态法和柔度曲率法的结构多损伤识别。 其次，本文对基于BP神经网络的损伤识别方法进行了探讨。在此过程中分析了人工神经网络的基本理论，比较详细地研究了BP神经网络、BP经典算法和经过优化的LM算法以及BP神经网络在MATLAB中的实现，系统地阐述了基于BP神经网络损伤识别的基本原理和过程以及神经网络工具箱函数。在此基础上，以简支矩形截面钢梁损伤识别为例，进行了实例应用研究。 在这一部分，针对BP神经网络固有的收敛速度慢、局部极小等问题，本文对BP神经网络进行了性能优化，应用该优化的BP神经网络经过MATLAB武汉理工大学硕士学位论文软件实现对工程上最常见的矩形梁进行了损伤识别，结果令人满意。 最后，根据云阳长江公路大桥设计、施工资料，对该桥进行了有限元建模与动力分析。考虑了桥梁结构单构件损伤、两个构件损伤、三个构件损伤三类损伤工况，分别采用了模态频率、位移振型模态、曲率模态三种指标作为神经网络的输入参数，采集各损伤状态下的样本数据，共建立9个BP神经网络模型进行了桥梁损伤识别的研究。研究表明基于振动模态分析理论和BP神经网络的桥梁损伤识别方法可用于识别桥梁结构损伤位置和损伤程度。该方法具有广阔的应用前景，对于预测评价桥梁结构的健康状况将具有十分重要的意义，同时，该方法具有简便、快速、无损的优点，具有显著的经济效益和社会效益。 在这一部分的研究中，鉴于用振动模态构造的损伤标识量往往需要求解复杂的数学反演问题，然而神经网络以其优异的非线性映射能力可以将逆问题正问题化，因此本文提出将振动模态分析和神经网络技术结合起来，以振动模态构造的损伤标识量作为神经网络识别输入的特征参数，从而进行结构健康监测。值得一提的是，为方便统计，并说明识别效果，依据网络实际输出特点，作者定义了两个名词:“真分量”“伪分量”，并尝试性地对损伤位置识别与损伤程度识别提出了统一的判断标准，即以损伤位置识别正确率兄、损伤程度识别精确度刀、总体正确率:、平方和误差E为标准来检验BP神经网络识别的效果。关键词:损伤识别，模态分析，神经网络，曲率模态，柔度曲率，MATLAB