近年来，随着国家基础设施建设投入的不断加大和桥梁建设的快速发展，桥梁的重要性得以凸显。由于外部环境和交通荷载等因素的影响，既有钢筋混凝土桥梁损伤不断出现，桥梁的养护维修费用不断增加，制约了我国桥梁建设的可持续发展。与此同时，桥梁建设巨额资金的投入以及在经济社会中的显赫作用，使得桥梁耐久性问题越来越引起人们的关注，对桥梁进行耐久性评价成为桥梁养护的关键。建立准确有效的桥梁耐久性评估方法，可以为制定科学的养护、维修方案提供基础和前提，有利于保证桥梁在设计使用期内的安全性。然而，目前的桥梁耐久性评估方法中评估的过程往往需要人的参与，人为影响因素较多，耐久性评估结果的客观性存在质疑。面对桥梁监测系统中的众多指标和庞大数据量，传统方法不能进行有效处理。因此，本文在查阅国内外研究现状的基础上，提出了基于模糊理论的桥梁上部结构耐久性评估方法，能够降低和减少人为因素的影响，扩大耐久性评估方法的适用性。主要研究内容如下：1、分析和阐述了桥梁耐久性评估的背景和意义，总结了桥梁耐久性评估方法的研究现状。对模糊层次分析法、模糊聚类算法、遗传优化神经网络算法的研究发展现状进行了总结。在综合分析现有桥梁耐久性状态评估方法不足的基础上，提出了本文的研究重点。2、对影响钢筋混凝土桥梁耐久性的因素进行了分析，对各因素的影响机理进行了阐述。考虑耐久性评估指标的可测性、独立性、完备性、客观性，基于层次分析法，建立了桥梁主梁耐久性评估指标体系。3、选取三角型函数为隶属度函数，确定了各评估指标详细的评价标准和具体隶属度函数形式；基于层次分析法，计算得到了各指标的权重体系。选取南坪国境桥为工程实例，基于现场实测数据，采用模糊综合评估技术，实现了该桥的耐久性评估，确定了该桥目前的耐久性状态。4、提出了一种基于模糊聚类与遗传优化神经网络的桥梁耐久性状态评价方法。首先，利用模糊聚类技术对遗传优化神经网络的训练样本进行聚类分析，构造理想输出向量；然后，采用遗传算法对神经网络的初始权值和阈值进行优化，训练得到的神经网络实现了测试样本耐久性等级的准确预测和评估。该方法充分利用了数据本身特点，减少了人为判断主观因素的影响，能够充分利用桥梁健康监测数据，提高了桥梁耐久性状态评估的有效性和客观性。