随着我国交通事业的快速发展，特大型桥梁结构不断涌现，新旧桥梁数量日益增多。为确保人民生命财产安全，快速有效地识别出桥梁结构可能发生损伤的部位和损伤程度，及时掌握桥梁运营下的健康状况，是当前桥梁工程研究领域的热点问题之一。 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，如果能建立结构动力特性变化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实现结构损伤识别。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、基于模态柔度的方法以及基于神经网络的方法等，但是在大型土木工程结构的测试中，一般只能获得低阶模态及不完备的自由度测试信息。于是利用实际测试中容易获得的低阶模态参数进行结构损伤识别，是结构损伤识别在大型土木工程结构中得以实用化的一个挑战性课题。 神经网络方法因其具有非线性映射能力强、计算速度快、容错性好等优点，正越来越多的用于基于振动的结构损伤识别，但是对于大型复杂结构，普遍存在网络结构复杂，识别效率低下的问题。本文应用概率神经网络建立了子结构损伤识别方法，这有效降低了网络的复杂性，减少了学习样本，提高了学习效率。 研究结果表明，本文方法对于桥梁健康诊断与损伤识别具有良好的可行性，可用于实际桥梁结构的损伤识别和安全评估。