本文针对大型悬索桥安全监控系统的测点布置、异常识别和安全评估等关键技术进行了较系统深入的研究工作,并将研究成果应用于对润扬大桥北锚地基基础的分析。主要研究工作和成果如下:(1)在借鉴岩土工程稳定性监控研究成果基础上,提出在悬索桥锚碇基础安全监控中将反演分析与安全监测结合起来,利用监测信息与反演结果对锚碇地基基础的稳定性作出合理的评估和符合实际的预测。为实现这一目的,在测点布置中就应对提高反分析结果的可靠性予以考虑。论文针对测量误差和模型误差对参数反演精度的影响进行了理论研究,推导了相关公式。在此基础上提出了测点优化的步骤以及优化方法,构造了相应的目标函数并编制了程序,以润扬大桥北锚地基基础的测点优化为例作了分析,结果表明该方法是合理有效的。(2)提出采用统计安全监控模型对锚碇地基基础响应进行预报,并以此建立监控指标来对结构状态进行识别。根据这一思路进行了理论研究,引入时间序列分析的加窗最小二乘平稳法对数模的残差提取趋势项,以此建立残差趋势指标作为对传统置信区间法的改进。(3)采用传统的监控模型方法对于发现异常的测值往往难以区分是结构异常还是监测系统自身的问题引起。针对这一问题,本文提出了基于灰色关联度的模糊聚类分析法,引入灰色关联度比较同类监测项目测值间的联系,对于诊断出异常的测值,如发现其与附近同类监测项目的测值间关联度大幅降低,则可初步排除结构出现异常的可能。(4)对采用神经网络建立安全监控模型的具体方法作了研究。本文对BP神经网络的结构形式和训练方法进行分析并作了适当改进,其主要内容包括:提出自适应变学习率的学习算法提高了传统训练方法的收敛速度;引入小波神经网络用于安全监控模型并通过比较选择了合适的小波网络结构;提出灰色神经网络的概念及其具体结构。利用这几种神经网络在不同时期建立基于神经网络的监控模型,可以获得较高的分析预报性能。(5)按照在悬索桥锚碇基础安全监控中将反演分析与安全监测结合起来的思路,本文提出根据具体结构可能的破坏模式对神经网络进行训练,利用神经网络的模式识别与泛化能力根据监测结果确定反演初值;并提出在反演中采用遗传算法进行分析以避免由事前确定初值可能带来的局部极小现象。为解决测斜等内部监测手段误差较大的问题,构造了一种新的反演目标函数以消除测量误差对反演结果的影响。(6)利用有限元法对润扬大桥北锚碇地基基础的稳定性进行三维仿真分析,探讨了计算模型建立的一般思路与方法,并利用模型对结构在运营期的响应进行计算,对计算结果进行归纳并参考相关的研究,提出北锚地基基础安全监控模型的形式。在对润扬大桥锚碇地基基础稳定的主要因素进行分析的基础上,对润扬大桥锚碇基础的安全稳定性作出了评价。