由于桥梁工程建设日益增多,现役桥梁随着时间的推移都出现难以预知的安全隐患,导致目前桥梁安全事故频频出现人们的视野当中。为保证桥梁工程的安全服役工作,关于桥梁损伤识别方法的研究与应用是目前科学家和工程师的最重要课题研究之一。针对当前桥梁损伤识别方法难以从监测桥梁的响应数据中获取关键损伤信息的问题,本文提出基于CNN-LSTM的混合架构神经网络的桥梁损伤识别方法对其的有效性进行验证。首先,文章详细分析研究了卷积神经网络(CNN)和长短期记忆神经网络(LSTM)理论,结合二者能够分别从数据中提取特征、整合特征的优良特性,将其应用到桥梁损伤识别方法中,充分发挥二者自身的优势提取桥梁损伤特征,达到损伤识别目的。而后,利用等效单元刚度降低模型模拟简支梁桥不同损伤程度的损伤裂纹,通过数值模拟获取网络训练的加速度信号实验数据。然后通过对CNN和LSTM网络设计并进行混合架构,并利用分割好的加速度信号数据集对CNN-LSTM、CNN、LSTM三种网络模型进行网络训练以及网络测试。在各种损伤工况下,CNN-LSTM对简支梁桥进行损伤识别效果均优于比其他两种单一的模型。紧接着又通过移动荷载作用下的简支梁桥实验验证该方法的损伤识别性能,结果表明该方法识别简支梁桥损伤具有良好的应用性能。文末对该桥梁损伤识别方法下一步的研究工作做出规划,去进一步验证它在日后的实际桥梁工程中应用性能。