由于各种因素作用,土木工程结构将不可避免地产生可能导致严重后果的损伤,因此,对土木工程结构进行健康监测很有必要。近年来,结构健康监测系统越来越多的安装到桥梁、大跨空间结构、海洋平台等大型土木工程结构中,但作为健康监测系统核心技术之一的损伤识别技术仍未从根本上得到解决,严重限制了结构健康监测系统的功能.因此,进一步深入研究能适应大型土木工程结构实时健康监测系统需要的损伤识别方法具有重要的理论意义和工程实际应用价值。结构损伤识别问题实质上可看作是一个模式识别问题,即确定损伤指标与结构损伤状态之间的关系问题。模式识别就是将理论分析得到的损伤模式特征库与实测的模式进行匹配。传统的模式识别技术对于土木工程多种损伤组合“爆炸”和由于噪声引起的模式失真等问题难以解决,而人工神经网络算法在模式识别问题方面所具备的突出优点,已逐渐被越来越多的研究者应用于结构损伤识别领域。应用神经网络较强的模式分类功能,选择合适的模态信息,即可进行结构损伤识别。然而,由于BP算法是一种梯度下降搜索方法,因而不可免地存在固有的不足,如收敛速度慢、易陷入误差函数的局部极小点,对于较大的搜索空间多值和不可微函数不能有效搜索到全局极小点。本文首先对BP神经网络和遗传算法的优缺点进行了分析,然后将擅长全局搜索的遗传算法和局部寻优能力较强的BP算法结合起来,根据GA的交叉、变异和选择算子在全变量空间以较大概率搜索全局解和在解的点附近利用BP神经网络能快速、精确地收敛的特点,融合二者的优点,将二者有机结合,利用遗传算法调整神经网络的权值,将优化所得参数作为神经网络的初始权值,可以辟免陷入局部极小值,提高算法收敛速度,很快得到问题的全局最优解。最后应用该优化的GA-BP网络对工程上最常见的矩形钢筋混凝土梁进行了损伤识别,建立GA-BP网络模型,对结构的损伤位置和损伤程度进行了数值模拟试验及识别,模拟试验表明恰当的神经网络模型具有较好损伤识别能力。