桥梁作为交通枢纽极大地方便了人们的日常生活,但近年来车辆超载现象频繁导致桥梁坍塌事故发生,由此引发了人们对桥梁上车辆超载现象的重视。本文主要研究面向大跨度桥梁结构健康监测的超重车动态识别方法。与小跨度桥梁超重车动态识别不同,大跨度桥梁上面同时存在多辆车,多辆车之间相互影响且其位置随时间变化,同时考虑到桥梁结构的作用,本文提出了一种“全桥监测、选段分析”的建模分析方法进行超重车动态识别。为了模拟真实情况下大跨度桥梁上的随机车流情况,本文基于元胞自动机模型和桥梁有限元模型建立随机车流模型并对随机车流模型的正确性和合理性进行了验证。结合大跨度桥梁上随机车流运行规律以及结构健康监测中传感器监测特性,本文提出一种基于LSTM的超重车动态识别方法,以充分利用传感器相邻采样时刻监测数据之间的时间相关关系,考虑到传感器之间的空间位置关系可能包含更有价值的信息,例如相邻传感器监测值均较大可能推测出有较重车辆存在这两个传感器之间,本文在该方法中使用单层传统神经网络对传感器进行特征映射。实验结果表明,与多个强基线方法对比,该方法能充分融合传感器时空维度信息以提升超重车识别效果,而且其利用的时序长度与所研究桥梁长度、桥梁结构关联较大,方法中的特征映射过程对提高模型效果有较大帮助。考虑到其他桥段的超重状态对于目的桥段的辅助作用,本文提出一种基于DNN的超重车动态识别方法,实验结果表明该方法较适用于超重错判后果较严重的场景。为了结合两种识别方法的优势,本文使用加权融合方法。实验结果表明模型融合能稍微提升识别效果。