拉索作为一种受力构件,近年来大量应用于桥梁中,拉索的受力状态则成为评估该类型桥梁健康状态的主要依据,对于确保桥梁结构使用安全以及增长使用寿命有着极为重要的作用。本文以拉索为研究对象,特别针对短索,在将弯曲刚度及边界条件作为待识别参数的前提下探讨应用振动频率法进行索力识别,以得到一种适用于工程的索力识别方法。本文首先简要介绍并比较了现有的几种拉索索力识别方法,分析了各方法的优缺点,接着阐述了振动频率法的国内外研究现状,以及各研究方法的限定条件。本文重点阐述了拉索自由振动理论,给出了各边界条件下自由振动方程的解,以及应用有限元方法计算拉索索力的理论,然后通过数值模拟的方式分析了弯曲刚度及边界条件对于索力识别的影响。本文共研究讨论了三种索力识别方法,均是基于振动频率法。其中等效长度方法通过有效长度的引入,将两段固接与一端固接一端铰接的边界条件转换为两端铰接的边界条件,避免了超越方程的求解,且利用前两阶实测频率的条件,将弯曲刚度作为待识别因数；神经网络算法应用了BP神经网络系统训练由有限元算法计算得到的参数数据,得到的系统即可用于拉索参数识别；利用遗传算法的搜索及优化功能,将索力识别问题转换为误差函数的极小值求解,从而达到拉索参数识别的目的。三种方法均通过数值模拟分析了收敛性及误差,也通过实测数据进行分析,均验证了各方法的可行性,均为工程上索力识别提供了有效的方法。基于神经网络的识别方法将实测频率以及通过有限元方法求解得到的对应的参数作为训练样本,对系统进行训练,得到的神经网络系统即可用于拉索参数识别,优点是可将弯曲刚度作为待识别参数,识别智能化较高,缺点是该方法需要大量样本,边界条件作为已知参数,计算过程可能出现局部不收敛的情况,需进一步探讨如何提高精度且如何将边界条件作为待识别参数。基于遗传算法的识别方法将索力识别问题转换为误差函数最小值问题的求解,利用遗传算法强大的搜索及优化能力,解决工程上索力识别问题。