本文从神经网络与遗传算法的结合出发，研究结构损伤智能识别技术，具有较强的工程背景和实际应用价值。论文以混凝土结构损伤的智能识别问题为研究对象，论述了结构损伤识别研究的现状及发展趋势，并从与遗传算法结合的角度研究了结构损伤智能识别方法。 论文的主要内容包括：(1)从神经网络理论出发，探讨了神经网络的基本理论，并重点论述了神经网络的工作机制和学习规则，及在结构损伤识别领域中广泛应用的前向神经网络模型----BP神经网络模型；(2)从系统识别论的角度，提出了利用神经网络建立混凝土结构损伤识别反问题的思路、方法和步骤，并在此基础上研究了基于BP神经网络的结构损伤识别系统对单处梁结构进行识别的方法；(3)为了寻找一种更有效的全局逼近学习算法，本论文从神经网络与遗传算法相结合的角度，阐述了遗传算法结合BP算法优化神经网络权值的方法，实验证明，遗传算法和神经网络相结合不仅具有神经网络泛化的映射能力，而且具有遗传算法快速和全局逼近的优点，是一种较好的解决混凝土结构损伤识别问题的方法；(4)基于Java语言设计并实现了结构损伤识别系统。结构损伤辨识系统主要由以下模块构成：用户界面模块、总控模块、样本处理模块、识别模型模块、问题模型处理模块。处理流程为：首先构造样本数据库，对结构损伤样本进行分析和选取。然后进行数据预处理，建立网络模型。接着，以频率向量作为神经网络的输入值，与之相应的损伤位置和损伤程度作为神经网络的期望输出值，对神经网络进行基于遗传优化的学习，直至收敛。最后，使用遗传算法与神经网络结合的方法学习成功后，利用实测样本对网络的识别效果和推广性能进行测试，针对待识别的实际混凝土结构，实测其频率值，输入到该网络中，其结果可以作为该结构损伤状况的判断依据。 上述内容的研究表明：基于BP神经网络与遗传算法的结构损伤识别系统的识别效果较好，收敛速度较快；针对单处、二处、三处损伤梁结构，以及单处损伤板结构的损伤识别效果较好，同时也表明，基于神经网络与遗传算法的结构损伤识别方法是解决混凝土结构损伤识别问题的较为有效的途径之一，具有较大的工程应用价值和进一步深入研究的意义。