随着桥梁结构性能逐渐退化及载重量的增加,危旧桥梁数量逐年增加,为确保桥梁结构的长期使用性能,根据既有桥梁的性能确定其限载能力非常迫切,因此对桥梁运营过程中车辆荷载信息的在线实时识别是未来新的研究方向。车辆荷载信息的获取是确定新桥设计荷载、既有桥梁剩余寿命预测以及治超预警等重要研究基础之一。车辆荷载信息获取前期普遍采用动态称重系统,在应用时需要挖开原有路面,不仅会破坏原有路面结构,而且造价成本较高,每年设备维护和保养费用昂贵,使得该系统的推广和使用受到限制。因此开展移动荷载识别具有非常重要的意义。在调研国内外研究现状的基础上,本文首先对移动荷载识别理论和方法进行了详细的阐述,通过综合分析提出了基于BP神经网络模型进行荷载参数识别的方法。其次,利用大型有限元程序ANSYS进行动力分析,通过参数化建模研究了多工况下桥梁结构的动态响应,基于MATLAB建立BP神经网络结构,将ANSYS中产生的动态响应作为BP神经网络的输入数据完成荷载的识别过程。然后建立了简支T梁分析模型,进行移动荷载的速度和横向位置的参数识别,分别选取结构的位移、速度和加速度等动态响应数据作为BP神经网络的输入参数,研究不同输入参数对荷载识别精度的影响,在此基础上针对BP神经网络结构进行了多参数输入优化设计,并对载荷识别的影响因素进行分析,分别研究了移动荷载速度,载重,测点位置,桥面不平整度以及噪声水平等因素对载荷识别的影响。最后,以某4跨预应力混凝土连续T梁桥工程为分析背景,通过静力实测挠度数据修正有限元模型,基于大量数值仿真分析数据组建和训练BP神经网络结构,以重车下的竖向加速度实测数据验证了该BP神经网络结构用于识别实桥中简单移动荷载的可行性。研究结果表明,针对同一BP神经网络结构,单一输入参数识别中加速度输入参数识别精度最高,速度和位移单参数输入识别精度依次降低;多输入参数组合优化设计后,采用速度和加速度输入参数组合可以明显优化识别过程,提高移动荷载的识别精度;移动荷载识别影响因素中,移动荷载速度越小、轴重越大、采集点位置越靠近跨中、桥面越光滑以及噪声水平越小,则识别精度越高,反之识别精度降低。研究结果可以为桥梁载荷识别及桥梁结构的性能评价提供参考,也可为桥梁结构的健康监测提供技术支持。