海洋平台除了承受设备运转所产生的动态载荷作用外，还承受风、浪、流、冰、地震等环境载荷作用，直接测量这些载荷非常困难，在这种情况下为了获得海洋平台承受的外部载荷，就需要用其它的载荷获取方法——间接法，即载荷识别。本文结合山东省自然科学基金资助项目，对海洋平台振动载荷识别进行了探讨和研究。 本文首先介绍了现有文献中关于动态载荷识别的各类方法，主要分为频域法和时域法两大类。这两种方法各具优势和特点，但同样也都存在缺点和局限性。接着对现有振动载荷识别的理论和方法作了阐述。频域和时域这两种载荷识别方法需要求解平台的模态矩阵、质量矩阵和刚度矩阵，需要进行复杂的动力学计算，过程烦琐，效率较低，误差较大。本文将BP神经网络方法应用到海洋平台的振动载荷识别中来，采用BP神经网络方法模拟结构动力学系统动载荷识别过程，不需要计算平台的模态矩阵、质量矩阵和刚度矩阵，也不需要进行复杂的动力学计算，具有识别精度高，训练收敛速度快、抗干扰性强及系统稳定等优点，便于工程应用。应用MATLAB软件编写了BP神经网络程序，并通过简支梁和简易平台这两个算例对该程序进行了测试，结果表明该程序的识别误差保持在3％以内，具有较高的识别精度。此外本文还对参与识别的测点数对识别结果的影响进行了初步研究。使用DataPAC1500便携式数据采集器对W12-1海洋平台进行了全面的振动测试，采集了测点的振动数据，并使用EMONITOROdyssey软件对实测数据进行了分析，确定了W12-1平台的振源。应用ANSYS软件建立了W12-1平台的整体有限元模型，对模型施加仿真激振力并提取位移响应，然后以提取的位移响应为输入，以施加的仿真激振力为输出对BP神经网络进行训练直到收敛，再把实测位移响应输入到训练好的BP神经网络中，其输出即为待识别的载荷。最后把识别出的载荷反加到模型上，提取计算位移响应并与实测位移响应进行比较，结果平均误差保持在10％以内，这说明BP神经网络算法用于识别W12-1平台的激振载荷是可行的。最后把应用传统方法识别出的结果与神经网络方法识别出的结果进行了对比，结果显示在对海洋平台这样的大型复杂结构进行载荷识别时，神经网络方法具有很大的优势。