桥梁结构一般处在严酷的环境中,在运营过程中会受到暴雨,洪水,大风,降雪,温差,冻融,地震等自然因素的影响,有时还会受到碰撞、重载乃至超限荷载的反复作用;及时的健康检测、准确的损伤识别以及预防重大安全事故的发生是国内外迫切需要解决的共同课题。本文主要研究了桥梁结构损伤识别相关内容,总结了近些年用于的桥梁损伤识别的主流方法如静载损伤检测,动力特性损伤检测和信号处理损伤检测等,并重点整理出动力特性损伤检测中基于固有频率、振型变化及曲率模态、柔度或刚度矩阵和频响函数等方法的特点及适用范围;同时梳理出支持向量机分类算法(SVC)、支持向量机回归算法(SVR)以及核函数的相关理论。并将这些方法使用在较为全面、准确的桥梁多损伤识别中。在桥梁多损伤位置识别中,针对使用曲率模态差进行损伤识别时容易出现的非损伤位置数值较大的问题,提出曲率模态差变化率的概念,并将归一化后的前两阶曲率模态差变化率组成特征向量输入SVC中进行训练,以临县黄河大桥为例进行多位置的损伤位置识别,其结果表明,在所有节点位置中,识别的准确率达到99.68%,仅有临近损伤位置的非损伤节点出现部分误判,损伤识别效果好。在桥梁多损伤位置识别的基础上,从理论分析角度进一步证明了损伤后各位置的曲率模态差变化值与原刚度正比于(1-k)/k,其中k为损伤后的刚度与原刚度之比,且各位置的曲率模态差变化值不相互影响,仅与本位置是否发生损伤有关。以简支梁模型验证了此关系,并将临县黄河大桥在数值模型中损伤后各位置的曲率模态差变化值与基础值之比作为特征向量输入支持向量回归算法中,进行了较为准确的桥梁损伤程度识别,损伤程度识别差值基本控制在3%以内。最后,根据在人工激振法下所得到的实验钢梁的损伤检测结果,使用本文提出的SVC和SVR的方法进行损伤位置和损伤程度判别,损伤位置判断基本正确,损伤程度识别与实际相差也较小,证明了本文所提出的损伤识别方法的可行性与正确性。