桥梁状态监测与健康评价技术糅合了传感器技术、通信和计算机技术以及信息技术的理论和方法，从经典的学科划分来看，桥梁状态监测与健康评价属于结构动力学范畴，而从工程实践中具体应用中来看，系统理论、模式识别等信息技术起着非常重要的作用。可以说，正是有了信息处理技术等相关领域的发展，该课题的研究才被提到日程上来。 本文的主要工作如下： 1.讨论了基于振动理论的大型结构系统的数学模型的建立。大型桥梁的模态参数识别实质上是基于环境激励的一种随机系统参数辨识问题，该模型的建立为后续章节的展开提供了必不可少的平台。 2.在频域和时域中深入探讨了桥梁模态参数识别两类算法实现的基本原理，其中频域识别算法包括：峰值检测法（Peak Picking）、复模态指示函数法（Complex Modal Index Function）；时域识别算法包括：随机子空间识别方法（Stochastic Subspace Identification），并从系统辨识的角度对这两类算法进行了研究对比。 3.结合某桥梁的实测数据，利用频域法对该桥梁的模态参数进行识别，从该算法的具体实现过程来看，频域识别算法的优点是操作简单、识别速度快，在实际工程中经常使用。 4.结合某桥梁的实测数据，利用随机子空间识别方法对桥梁模态参数进行识别，该方法弥补了频域识别方法的不足，最后的识别结果表明该方法在实际工程应用中的有效性。 5．桥梁状态评价实际上可以认为是“一类学习”或“异常监测”问题。本文利用改进的基于SVM的一类分类问题算法对某桥梁辨识所得到的固振频率进行模式分类，基于SVM的一类学习算法可以在样本空间中得到一个正常的判决区域，对新出现的状态给予判决，从而达到预警的目的。本文结合某桥梁实测数据获得的模态频率对该算法进行验证，并给出了正常样本点的判决区域；利用改进后的算法可以减少算法学习时的计算量，这为对桥梁进行实时状态评价创造了必要条件。