在现代桥梁建设中,索力测试是极其重要的一项工作,拉索的受力状态在桥梁施工和运营过程的健康评估中起着至关重要的作用,要求得到精确的测试结果,以保证桥梁的运营安全并延长使用寿命。在斜拉桥和拱桥中,存在短吊杆,由于边界条件和抗弯刚度对索力测试的影响较大,本文基于附加质量法,用遗传算法优化后的BP神经网络法对短吊杆索力进行识别,取得了较好的研究结果。本文首先介绍了目前常用的多种索力测试方法,并就各种方法的适用性和缺点进行了分析。对国内外常用的振动频率测试法进行了详细的阐述,通过总结振动测试法的发展历程和研究现状,分析其在短吊杆索力测试中的局限性。然后简单阐述了索的线性振动理论和钢索振动方程及其解,给出了三种边界条件下的频率方程,并着重分析了弯曲刚度对索力的影响。简单介绍了附加质量法的基本理论,基于附加质量法,利用神经网络工具箱对吊杆索力进行预测,可以达到目标,但对数据量要求较大,迭代速度慢,且迭代不稳定。本文采用的遗传算法对BP神经网络进行优化,提高了迭代稳定性和收敛速度,所以着重介绍了一下遗传算法与BP神经网络的结合方式。利用GA-BP神经网络进行索力预测,首先是要获取足够合理的训练数据。本文对如何建立数值计算模型进行了分析,运用附加质量法进行数值计算,把得到的合理计算结果作为训练数据。然后详细阐述了GA-BP神经网络网络结构的建立过程,用建立好的网络来训练数值计算索获得的数据,以验算该算法的稳定性、收敛性及有效性。最后介绍了试验验证的具体实现过程,通过对训练后的网络结构预测出的结果,和试验测得的数据进行对比,验证了该算法的适用性。