大量工业与民用建筑和社会基础设施在长期的服役过程中受到使用荷载及各种自然和人为因素的作用,不断出现损伤累积和功能退化,极端情况下甚至引发突发性灾难。对结构健康状况和损伤进行有效的评估已经成为国际土木工程界面临的一项紧迫课题,其中结构参数识别是其关键和核心问题之一。模态参数能够直观、准确地反映系统动态特性,具有简明、直观和物理概念清晰等优点,目前常被用于结构动态特性分析。模态参数识别是结构动态分析的重要内容之一,经过几十年的发展,模态分析理论吸取了振动理论、信号分析、数据处理、概率统计以及自动控制理论中的相关理论,并结合自身的发展,形成了一套具自身特色的理论体系。人工神经网络由于具有能以任意精度逼近任何线性和非线性函数关系的能力而在土木工程相关领域中得到了广泛的应用,包括结构参数识别和损伤评估。但以往基于神经网络和结构响应时间序列的结构损伤识别方法往往只能给出定性的结论而不能得出定量的结论,并且多用于系统识别,建立结构参数和物理参数的函数关系。本文针对悬臂式挡墙提出了一种基于前馈型神经网络的模态参数识别方法,该方法以前馈型神经网络基函数可调的原理,具体是先把自由振动信号进行FFT处理和数字滤波,得到可以识别的模态阶数和精度不高的各阶模态频率、相位;其次根据模态的阶数设定神经元的个数,根据预处理后得到的频率和相位设定神经网络权值和基函数参数迭代的初始值;最后对人工神经网络进行训练,便可实现利用自由振动信号进行时域模态识别的目的。本文首先回顾了传统的结构模态参数识别方法,并对人工神经网络在土木工程中系统辨识的应用进行了总结。然后,提出了一种直接运用结构动力响应测量、基于BP神经网络的时域结构模态参数直接识别方法,并采用现场实验模态分析结果对其进行验证。最后利用该方法考察了采用不同强度等级混凝土对悬臂式挡墙固有频率的影响。为悬臂式挡土结构的下一步悬臂式挡土结构的损伤识别工作做出了基础研究,并为动力模型的进一步改进提出了理论依据。结果表明,本文所采用的神经网络时域模态参数识别方法能可靠地运行,具有实际应用的前景。