对大型复杂结构和关键工程进行实时健康监测是时代发展的要求,而健康监测系统的核心问题是结构的损伤识别。基于结构振动分析的损伤识别方法是目前国内外研究的热点。神经网络具有强大的非线性映射能力、容错能力和鲁棒性,非常适合解决诸如损伤识别这类反问题。但对于大型复杂结构的损伤识别,由于样本数据提取工作量巨大、网络规模较大及训练速度慢等问题,使该方法在实际工程中变得不实用。本文在总结前人研究成果的基础上,将基于结构振动分析的损伤识别方法和人工神经网络结合起来,对大跨度悬索桥这类大型复杂土木结构进行损伤识别研究。论文首先阐述了基于振动分析的损伤识别方法和神经网络在结构损伤识别中的应用,简单介绍了ANSYS有限元软件在模态分析中的应用和用于神经网络建模、计算的MATLAB神经网络工具箱。然后在理论上分析了利用结构模态参数结合神经网络对结构进行损伤识别的可行性,提出了一种使用组合参数识别结构损伤的方法,并介绍了网络建模、训练和损伤识别的具体步骤。在此基础上,本文以武汉阳逻长江大桥主缆损伤识别为例,对大桥主缆进行损伤区段划分,以减小样本数据提取工作量、网络规模,提高网络训练速度。通过敏感性分析优选神经网络输入参数。然后建立ANSYS有限元模型,通过模态分析提取神经网络的训练样本和测试样本。提出了一种使用MATLAB神经网络工具箱编程确定BP神经网络隐层神经元数目的方法,用改进算法对BP神经网络进行训练,最终确定最佳损伤识别网络模型,并用测试样本对网络进行了测试,结果显示利用BP神经网络对大跨度悬索桥主缆进行损伤识别是一种行之有效的方法。