对运营条件下的车辆荷载识别对于制定车辆荷载标准、路桥结构的疲劳分析、桥梁耐久性与安全性评价、以及交通规划管理具有重要意义。动态称重系统(WIM)在一些公路和桥梁上得到较为广泛的应用。但WIM系统也存在成本较高,安装复杂,需在路面开挖基坑等不足。上世纪80年代前后,学者们提出了“桥梁动态称重系统”(B-WIM)。B-WIM是借助桥梁结构在车辆荷载作用下的动力响应来识别通过桥梁的车辆载荷。与传统的WIM相比,B-WIM称重时间长,称重精度受车辆动态载荷影响小;数据采集仪器安装与维修不干扰正常交通且对路面结构无损害;采集系统简单轻便,有利于重复利用,但一般认为,B-WIM主要适用于小型桥梁。本文分别针对不同桥型以及基于监测系统的车辆荷载识别问题进行了研究,主要工作如下:首先,针对小型简支梁桥,进行了车辆荷载识别研究,探讨了车速、车重、轴重等参数的识别问题;通过建立简支梁桥三维有限元模型,双轴车辆模型及路面不平度模型,组成车桥耦合系统,进行车桥耦合数值模拟分析,运用简支梁桥多点应变响应,以桥梁构件作为“秤”来反演车重轴重。然后,探讨了如何在较大跨径桥梁上应用B-WIM。以大跨度拱桥为例,研究了 B-WIM方法在大型桥梁上的应用的可行性和方法;通过结构静动载实验验证拱桥三维有限元结构模型的准确性,经过车桥耦合动力计算分析,提取车辆荷载作用下拱桥吊杆轴向应力响应特征,运用BP神经网络技术进行车辆荷载识别。最后,基于目前大多数大型桥梁上实施的结构健康监测系统(HMS),探讨了将B-WIM与健康监测(HMS)相结合进行大型桥梁车辆荷载识别的可行性和方法。以沧口斜拉桥健康监测系统为背景,从实际运营监测数据出发,研究大型桥梁基于HMS的B-WIM实用理论与方法,并给出工程应用实例。采用BP神经网络方法,通过车桥动力耦合分析数值模拟构建网络的训练样本,通过斜拉桥监测系统获取索力与应变数据,运用小波分解与EDM技术对监测数据进行分析处理,运用神经网络进行车速、车重的识别。