拉索在桥梁结构中大量应用,由于外界环境、交通荷载、疲劳等作用,拉索不可避免地会发生损伤,从而导致桥梁整体刚度和承载能力降低,及时准确地进行拉索损伤识别是索吊桥梁结构安全运营的重要工作。拉索的应用领域非常广泛,本文主要针对体外预应力加固混凝土桥梁和斜拉桥两类桥的拉索展开研究。其中,体外索损伤问题利用频域分析方法很难解决。斜拉索损伤识别问题属于高度非线性系统的分析问题,目前的研究大都利用数学模型或者进行力学参数识别,很难取得很好的识别效果。因此,本课题针对以上问题,结合试验研究和理论分析,建立基于小波包分析与神经网络的拉索损伤识别方法,为拉索安全评定提供理论依据,具有理论和实践意义。主要研究工作如下:(1)针对体外预应力索的损伤特征和受力特点,通过直接切割拉索模拟拉索的损伤,设计了不同损伤程度拉索振动试验,得到不同索力和不同索长的拉索振动信号,并分析了损伤拉索加速度信号在时频域上的特点。(2)以试验研究为基础,研究基于小波包分析的结构损伤预警指标能量比偏差ERVD、能量比方差ERVV和小波包总能量变化率指标RES对于索力基本不变的拉索损伤识别效果,探讨有效的拉索损伤识别指标,并构建相应的BP神经网络模型,对用于桥梁加固的体外索健康状态进行了评估。(3)针对斜拉索的损伤特征,以主跨340米的斜拉桥为工程背景,采用降低弹性模量的方法模拟拉索损伤,研究基于BP神经网络的拉索损伤识别方法。主要研究结论如下:(1)得到了损伤拉索加速度信号在时频域上的特点。其中时域上表现为振动衰减时间的减小;频域上表现为频谱图粗糙,出现多个峰值点;能量域上表现为小波包总能量的减小。(2)基于小波包分析的结构损伤预警指标能量比偏差ERVD和能量比方差ERVV对于索力基本不变拉索的损伤识别效果较差,基于小波包能量谱的拉索损伤识别指标小波包总能量变化率指标RES能够很好地识别出损伤。结合RES参数建立的BP神经网络模型,理论上能够对任意索力、索长和损伤程度下的损伤指标值进行预测,并在体外预应力加固的拉索损伤识别中进行了应用和验证。(3)以索力变化率为损伤指标构建了适用于大跨度斜拉桥的BP神经网络模型,能够有效地识别拉索的损伤位置和损伤程度,最大误差在6%以内,建立了斜拉桥拉索早期损伤的识别方法。