桥梁结构是现代交通运输系统的重要节点工程,为了保证桥梁的安全运行,目前许多大型桥梁都安装有健康监测系统,但如何从大量的监测数据中获取有用信息,并针对现场采集的信息判断桥梁的损伤状况是目前工程界的研究热点之一。为此本文提出使用Elman神经网络对桥梁的关键节点进行了损伤判别的方法,并将该方法应用到石河大桥实际工程中,本文的主要研究内容如下：(1)选取损伤因子和损伤位置,利用石河大桥梁的有限元模型模拟桥梁未损伤和不同程度损伤状况下损伤状况,获取损伤数据作为神经网络的输入,本文提出使用Elman神经网络作为损伤识别的模型并采用BP神经网络作为参照对比。(2)为了改善Elman神经网络的损伤识别效果,避免神经网络由于初始权值的随机性使得结果陷入局部最优而出现损伤率不高的问题,提出了使用蚁群算法优化神经网络。(3)在监测数据处理方面,对七个测点原始监测数据样本进行了数据分析前处理,本文对石河大桥监测应变和温度数据进行了时间序列分析,实验发现温度与应变都有周期变化趋势,并对石河大桥的应变数据采用多种距离指标进行了聚类分析最终获得两种聚类。本文将Elman神经网络应用于桥梁结构损伤识别,因Elman神经网络特殊的结构特点使其有较好的稳定性,通过仿真实验得出这种方法是可行的,经过蚁群算法优化后的神经网络识别率得到提高。将该模型与石河大桥的监测数据相结合,识别结果未发现石河大桥存在损伤,且桥梁健康监测系统采集回的数据是正常的且桥梁结构无异常。