桥梁损伤识别与健康监控是近年来国际上的研究热点。桥梁在一个国家的交通运输和经济发展中占有重要位置,桥梁检测是保证桥梁安全运营的重要手段。基于振动的桥梁损伤检测技术是利用获取的桥梁振动信号对桥梁工作状态进行全面评估,从而达到确保桥梁的安全运营,防止事故发生的目的。同时,通过桥梁健康监控系统的预警机制,提早发现桥梁病害,从而大大节约维修费用,降低桥梁事故率。本文探索了以下三个方面:结构损伤识别方法原理、基于神经网络的残差均方根值法在简支梁损伤识别试验中的应用、长沙银盆岭大桥损伤识别的仿真分析。本文提出衡量结构健康状况的新方法-基于BP神经网络的残差均方根值法。此方法利用完好结构在环境激励下随机振动的加速度响应信号得到自由衰减信号,将此信号作为BP神经网络的训练样本训练神经网络,则此网络记录了结构的初始信息。当其工作状态发生变化时,该网络相同测点的输入值与输出值之间会产生较大差别,定义这种差值的均方根为残差均方根,将其作为损伤指标。随着损伤位置与程度的变化,该指标也会发生相应改变。在高强钢筋混凝土足尺梁的静载试验过程中,进行分阶段布点测试,该方法能够较好识别出裂缝出现的位置及损伤程度,识别结果与仿真结果相对比,具有较好的相似性。建立长沙银盆岭大桥有限元模型,用白噪声信号模拟环境激励,对该桥进行时程分析,计算得到各节点的加速度响应序列,利用自然环境激励技术(Natural Excitation Technique, NExT)求取各测点的自由衰减响应序列,并使用该系列数据建立此桥神经网络的初始非参数模型,在不同程度、不同位置模拟损伤的情形下,进行损伤识别,具有良好的识别效果。