建筑结构灌注桩故障诊断是一个涉及面广、综合性强的工作,需要多方面的知识和丰富的工程设计经验,它具有强烈的综合性,包含大量不确定性信息。因为灌注桩的成型是在地下完成,传统的灌注桩故障诊断需要有多年经验的专家来完成。本文提出了一种基于人工神经网络的方法进行建筑结构灌注桩故障诊断。该方法充分运用了神经网络高度的非线性、容错性和鲁棒性、自学习、实时处理等特点,摆脱了灌注桩故障诊断依赖专家的局限性。实验结果表明,采用人工神经网络方法能够解决建筑结构灌注桩故障诊断问题。本文对灌注桩故障诊断和人工神经网络的现状和相关理论进行了深入研究,分析了国内外关于这两个技术理论的研究情况以及BP神经网络的基本原理。结合灌注桩故障的特点,建立了基于BP人工神经网络的灌注桩故障诊断模型。实验中针对BP人工神经网络容易陷入局部最优,训练速度慢且隐层节点数难于确定的缺点,改进了BP人工神经网络,提出了基于灌注桩故障诊断的改进方法。在Matlab7.0的环境下完成了模型的实现。最后对建立的BP人工神经网络使用测试样本进行检验。检验结果表明,改进好的BP人工神经网络无论是数值的精度还是准确度都比改进前有很大的提高。改进后的BP人工神经网络模型达到了故障诊断的目的。证明了运用人工神经网络的方法应用于灌注桩故障诊断领域的可行性。