工程结构随着服役时间的推移,在各种内外因素的影响下会发生不可逆的损伤。从结构的安全性、适用性和耐久性考虑,如何及时有效的掌握结构的健康状况并作出正确的维护和管理决策,对人类社会基础设施安全、经济、有效的运行具有重大意义。 本文的主要工作内容是： 从当前结构损伤诊断研究的热点入手,研究人工智能方法在结构损伤诊断领域的应用。针对传统的BP神经网络存在的缺陷,结合遗传算法对其进行优化,建立了改进的GA-BP神经网络模型,将其应用于结构损伤诊断并通过数值仿真试验与BP神经网络的运行效果进行了对比；结果表明使用改进的GA-BP神经网络模型进行损伤诊断,对损伤的识别精度较高,运行时间较少,是一种准确而行之有效的模型。 在改进智能算法的基础上,提出了基于GA-BP神经网络的建筑结构损伤分步诊断法,给出了其具体的应用技巧并编制了名为IS的诊断程序。该方法在提高损伤识别精度的基础上节约了计算时间,数值模拟实验证实了该方法的有效性,对于复杂结构形式的整体损伤诊断具有重要意义。 研究了运用GA-BP神经网络识别结构小损伤的方法,特别针对结构早期损伤的发展进行了计算机数值试验模拟,在建模时构筑了结构早期损伤发展的密集训练样本,使GA-BP神经网络能够更充分的学习相关知识,提高了GA-BP神经网络应用于损伤诊断时的泛化能力。数值模拟试验证实GA-BP神经网络能够有效识别结构小损伤情况,对结构早期损伤的在线健康监测具有重要意义。