运营多年的斜拉渡槽会面临拉索破损、锚具脱落、混凝土的收缩徐变、支座沉降等诸多问题。当斜拉渡槽内力或线形不合理时,可以通过更换斜拉索并调整拉索索力来改善。如何在换索前准确地了解拉索索力分布,并在换索后通过调索进一步优化索力分配及线形是本文的主要研究目标。本文借鉴了以往斜拉桥换索工程中的研究,依托于北京军都山斜拉渡槽换索监控项目的工程背景,完成了以下研究工作。(1)提出了通过遗传算法识别旧拉索参数的方法。在运用振动频率法检测斜拉索索力时,由于旧拉索自身的破损,拉索的抗弯刚度和质量密度无法用传统方法进行识别,而遗传算法可以有效解决该问题。本文通过Fortran语言编写遗传算法GA程序,对遗传算法识别的旧拉索拉力与原设计索力进行对比,验证了该方法的可行性,并对其中部分结果误差的原因进行了分析。(2)检验了卸除旧拉索的过程中结构的安全性。通过建立斜拉渡槽有限元分析模型,提取换索工程中最不利荷载下渡槽应力及线形的改变量,并以渡槽运营期间半槽水时对渡槽的影响为依据,得出换索过程中结构应力及线形变化都在安全范围内的结论。(3)对军都山斜拉渡槽换索施工后测量得到的槽面标高数据进行分析,给出了换索后槽面线形与分析模型得出的换索后槽面理论线形之间的误差的原因,并得出需要二次调索以调整线形的结论。(4)运用神经网络与遗传算法设计调索方案。本文首先运用了以往调索方案设计中通常采用的影响矩阵法,根据影响矩阵法设计调索方案在实际应用中可能会产生的问题,改进了影响矩阵法搜寻最优解的过程。接着提出了通过神经网络训练建立索力增量与高程变化值之间的映射关系,再由遗传算法程序调用神经网络训练的映射关系从而寻找最优解从而设计调索方案的新方法。以两种方案最优索力增量组合下理论高程变化值分别与目标高程变化值、实际调索高程变化值之间的误差平方和为依据,对两种设计方案做出评估,证实了神经网络和遗传算法在调索方案设计中应用的可行性。并且相较传统影响矩阵法,具有满足设计需求和结果准确性上的优势,可以在今后的换索或调索方案设计中参考及应用。