装配式简支梁桥有着安装方便、施工速度快等优点,是目前应用最为广泛的梁桥,也是中小跨径梁桥的首选。我国有大量的装配式简支梁桥,而且随着新建梁桥的不断增加,越来越多的桥梁需要定期检查来评估桥梁的损伤程度。但是由于不同桥梁专家的专业知识背景和实际工程经历等的差异性,会使得同一座桥的技术状况评定结果出现较大的差异和离散性,也会对桥梁后续的管理养护产生一定的误导。因此本研究建立了基于BP神经网络学习的病害评估模型,通过BP神经网络学习专家对病害评估的经验,通过训练收敛后的神经网络模型进行病害标度的评估。这将很大程度上降低评估人员对桥梁病害评估的主观因素影响,使桥梁技术状况的评定结果更加接近桥梁的真实技术状况。首先收集了200座RC和PC装配式简支梁桥的检测报告,用统一的病害记录方式对病害数据进行初步整理。将统一格式的数据病害进行梳理,剔除缺少关键信息的病害数据,由专家对统一格式后的病害数据进行分析给出病害标度,初步完成病害数据的收集与专家处理。然后根据确定好的学习样本向量,从初步整理的专家评估数据中提取理论所需学习样本。建立桥梁上部结构主梁裂缝、支座(串动、脱空、剪切)和沥青混凝土桥面铺装裂缝的BP神经网络评估模型,对比训练方法、节点传递函数、隐含层神经元节点、学习率和收敛误差等训练参数对网络评估性能的影响。最后将不同训练变量影响下的预测误差最小的收敛网络进行保存,以金沙江特大桥和郪江一桥的病害数据验证评估模型的精度。将得出的模型评估病害标度,其与专家给出的病害标度对比,结果显示,除郪江一桥的桥面铺装裂缝评估正确率为75%外,其余整体病害评估正确率在80%以上,有效验证了各评估模型的可靠性。