桥梁结构在长期运营中,受各种不确定因素的影响,如结构超限、超期服役、疲劳、腐蚀等,会导致桥梁结构出现严重安全隐患,并可能由此造成重大的生命财产损失。这就要求桥梁健康监测系统能够在线及时监测桥梁状态。目前,作为监测系统核心的桥梁健康诊断,采用的依然是基于精确的结构模型的诊断方法。对于桥梁在长期服役中不断变化的结构参数而言,建立精确结构模型的健康诊断方法已稍显落后。桥梁健康监测系统采集了海量数据,可从其中反应结构损伤特征的信息中挖掘出结构系统性能的演变规律。同时基于深度学习在大数据处理中的巨大优势,本文对深度学习法在桥梁健康诊断中的应用展开研究。主要研究内容包括以下几个方面:(1)研究桥梁健康诊断的重要性、归纳总结现有桥梁健康诊断方法,并分析其不足。对比深度学习技术应用于桥梁健康诊断的优势,突出基于深度学习法的桥梁健康诊断的重要性。(2)提出基于深度信念网络模型和深度自编码网络模型的桥梁健康诊断方法,运用实桥数据对两种诊断方法进行训练和测试。(3)以重庆马桑溪长江大桥监测数据为实例,针对本文提出的基于深度信念网络和基于深度自编码网络的桥梁健康诊断方法进行实际应用。本文实验结果表明:基于深度信念网络和基于深度自编码网络的桥梁健康诊断方法能够有效地对桥梁健康状况进行诊断,并且从应用实例中的测试结果可以看出,基于深度自编码网络的桥梁健康诊断方法诊断准确率略高于基于深度信念网络的桥梁健康诊断方法。