在车辆荷载、温度等因素综合作用下,处于运营阶段的桥梁会不可避免地出现结构损伤现象,从而降低桥梁在使用期间的安全性和可靠性,及时获取桥梁损伤状态对保证桥梁安全运营具有重要的现实意义。本文结合有载频率变化参数和堆栈自动编码机网络对结构损伤识别方法进行了研究,主要工作包括以下几个方面:（1）概述现有桥梁损伤识别的方法。从局部和全局两个方面介绍桥梁损伤的识别方法。针对基于结构动力特性的识别方法,从信号分析技术和损伤识别技术两个层面叙述了现有方法的优点和局限性,并提出解决思路和研究路线。（2）介绍深度学习理论及其三种常见的深度学习网络。结合各种网络的特点,选用了堆栈自动编码机网络进行桥梁结构损伤识别的相关研究。（3）构建基于桥梁有载频率变化的损伤识别指标。在介绍基于频率变化的识别方法及其局限性后,引出具有“类时频域”特性的基于桥梁有载频率变化的损伤识别指标。利用简支梁算例进行分析,结果表明:桥梁有载频率变化指标参数能够反映出结构的损伤位置和损伤程度,可做为损伤识别模型的良好输入参数。（4）构建基于堆栈自动编码机的损伤识别模型。利用简支梁进行损伤位置及程度识别的模型测试,并引入堆栈降噪自动编码机对识别模型的抗噪性进行了研究。结果表明:损伤识别模型能够有效地识别损伤位置及其损伤程度;与BP神经网络相比,同等噪音环境下其准确率和置信度均较高,具有更优秀的抗噪性能。（5）将基于桥梁有载频率和深度学习理论的损伤识别模型应用于某三跨连续梁桥,对各跨损伤位置和损伤程度进行了识别测试,结果表明识别模型具有良好的损伤定位和定量能力以及抗噪性能。