钢管混凝土拱桥在使用过程中，由于种种原因可能会发生不同程度的损伤、开裂或老化，从而埋下事故隐患。为了确保人民生命财产安全，快速有效的识别出钢管混凝土拱桥结构可能发生损伤的部位和损伤程度，及时掌握桥梁的健康状况，是当前桥梁工程研究领域的热点问题，开展钢管混凝土拱桥损伤识别的研究，具有重要的理论意义和实用价值。 由于结构的动力特性和结构参数直接相关，结构的损伤将引起相应动力特性的改变，因此，如果能够建立结构动力特性与结构损伤之间的映射关系，则可以利用结构振动测试信息来实现结构的损伤判别。按照采用数据和识别原理的不同，大致可以分为基于频率的方法、基于振型的方法、基于柔度的方法等，但是这些方法大多是对简单结构的损伤诊断研究，对于像钢管混凝土拱桥这种复杂的结构，目前尚缺少有效的方法。 本文以沈阳的长青大桥为工程背景，围绕工程结构损伤的课题，分别介绍了几种基于结构动力特性的损伤识别方法和神经网络方法，并数值模拟了长青桥进行损伤识别研究。 文章首先系统总结了目前常用的桥梁结构损伤识别方法，在此基础上提出了两个新的基于动力特性变化的损伤识别方法：柔度差斜率方法和位移模态四阶导数方法。然后针对钢管混凝土拱桥的结构特点，提出了分区域的损伤识别方法。接着讨论了神经网络的基本原理，并针对长青桥建立了一个BP神经网络，用于检验桥梁整体的健康状态。最后以长青桥为研究对象，提出了针对钢管混凝土拱桥的分阶段分区域的损伤识别方法，分阶段是指三阶段的损伤诊断方法：①桥梁的健康状况诊断；②损伤区域的定位；③损伤程度的识别。分区域是指在损伤定位的过程中，采用化整体为局部的思想，将钢管混凝土拱桥这种体型巨大、构件众多的结构体系先划分为几个独立的子结构，然后再分别对各个子结构进行损伤识别。 研究的结果表明，本文所提出的方法对于长青桥具有很好的可行性和适用性，可以用于实际钢管混凝土拱桥的损伤判别和安全评估。