随着大跨度悬索桥、斜拉桥的增加，保障桥梁安全、降低维护费用成为交通管理以及政府部门关注的问题。由于设计、施工、管理、环境腐蚀、自然灾害等原因，目前己有不少桥梁发生老化、破损、裂缝等现象。桥梁结构一旦发生破坏，对国民经济、社会稳定和人民的生命财产具有直接的重大影响。为了保证桥梁结构的使用安全，对桥梁健康状况进行评估就是非常必要的。桥梁健康监测系统能实时提供桥梁健康状况，因此，对桥梁结构进行健康监测研究，有重要的理论意义和实用价值。
支持向量机是一种基于统计学习理论的机器学习算法，能够较好地解决小样本的学习问题。利用支持向量机强大的模式识别功能，以挠度数据建立支持向量机模式分类模型进行损伤模式识别。在某大跨度自锚式悬索桥进行损伤识别模型试验研究基础上，应用该方法对其损伤进行识别分析。结果表明该方法可以较准确地识别出损伤位置。研究工作包括以下几方面内容:
1,简要介绍了桥梁健康监测和桥梁损伤识别发展概况，归纳分析了现阶段桥梁损伤识别的难点;
2、系统的介绍了统计学习和支持向量机的基本理论、方法，以及结构损伤指标构建方法;
3、以某大跨度自锚式悬索桥模型试验为研究对象，用挠度指标构造特征向量，应用支持向量机的分类功能，对其的损伤位置进行识别。以有限元模型计算理论值作为训练样本，以模型试验实测值作为测试样本，采用子区域、多步骤损伤识别方案，应用支持向量机对其损伤进行识别。对比分析不同核函数、参数变化对识别正确率的影响。依据识别结果，提出了损伤识别模型试验方法中的一些改进方法。
最后，对本文主要工作和研究成果进行总结，并指出需进一步研究的问题