桥梁支座是连接桥梁上部结构和下部结构的重要构件,它的工作状态关乎桥梁结构的使用安全。板式橡胶支座因其自身优点,诸如构造简单、用钢量少、成本低廉、安装方便等,在中小跨径的公路桥梁中随处可见。但是环境侵蚀、材料老化和后期运营等因素的影响,支座损伤也相当普遍,一旦脱空更将会改变结构整体的受力状态,使主梁受损,降低桥梁的使用寿命。很多新建公路梁桥的宽跨比都比较大,甚至接近1.0,因此低阶二维模态大量出现。在确定支座损伤时,若只是考虑梁体沿纵轴线的一维模态,则必然带来较大的误差,甚至引起误判。因此传统的损伤识别方法对于桥梁支座的识别有一定的局限性,难以精确地识别出支座的损伤位置和程度。基于此,本文以二维模态为基础,来解决公路梁桥的支座损伤判定问题。将横向连接刚度较大的梁简化为板,从板的频率和振型等振动特性出发,重点研究了自振频率改变率、高斯曲率模态相关系数,对比分析确定了高斯曲率模态相关系数作为损伤识别指标用于确定支座损伤位置,在此基础上采用神经网络对支座损伤程度进行识别,从而提出了一种基于高斯曲率模态相关系数和BP神经网络来判断公路梁桥的支座损伤判定方法。首先,进行室内试验,用薄板模拟简支梁,并建立有限元模型,通过理论与实测数据的对比分析探究该方法用于简支梁支座识别的准确性和可行性。并通过实桥试验验证了该方法的可行性。其次,以实际工程为例,建立连续梁有限元模型进行数值分析,并通过模态试验进行验证,从而对连续梁桥支座损伤的量化分析进行进一步研究。理论与试验研究相互结合,证明了该方法用于公路梁桥支座损伤识别的可行性和有效性。损伤支座处的高斯曲率模态相关性系数与其它支座位置处的差异明显,可实现损伤定位,且支座损伤越严重,相关系数下降越多。利用BP神经网络可有效识别出支座损伤程度。