桥梁结构在交通运输行业扮演着承东启西、连通南北的重要角色。但是在历经追逐经济发展的阶段之后,桥梁结构由于汽车超载、服役超期、环境腐蚀、汽车碰撞及火灾等不利因素的影响,已然出现各种微观和宏观的损伤。因此,随着损伤的出现和加重,桥梁结构将面临着严重的安全隐患,这不仅关系着当地区域的经济发展,更是关系着广大百姓的生命安全问题,不容忽视。所以桥梁健康监测系统随之出现,能够在线地监测桥梁结构的状态。作为桥梁健康监测系统的核心部分,桥梁结构损伤识别方法的重要性不言而喻。桥梁健康监测系统通过采集仪获得了大量的数据,通过探究损伤状态与数据之间的深层关系及对应规律,即可做到实时判断桥梁结构的状态。因此,深度学习基于大数据的优越能力在此体现,相比于传统的识别方法具有优势。本文对深度学习理论在桥梁结构损伤识别中的应用进行了研究,主要研究内容包括:(1)对关于桥梁健康监测领域的文献和桥梁结构损伤识别方法进行了综述,分析了各类识别方法的优缺点,并指出现有方法的局限性;(2)针对深度学习方面的知识进行了介绍,并着重介绍了三种常用的深度学习模型,最终确定了本文所提方法的基础模型;(3)提出了基于堆叠去噪自编码器的桥梁结构损伤位置识别方法,在简支梁桥和连续梁桥的识别结果方面,与现有的基于传统的机器学习方法即BP神经网络和支持向量机相比,本文提出的方法表现优异,识别准确率远高于二者,且具备良好的抗噪能力,具备应用于实际工程中的前景;(4)提出了基于深度信念网络的桥梁结构损伤程度识别方法,在简支梁单个损伤单元的识别结果方面,与现有的基于传统的机器学习方法即BP神经网络和支持向量回归相比,本文提出的方法具有良好的识别精准度,具备一定的抗噪性能;(5)提出了基于深度信念网络的桥梁结构损伤程度识别方法,在连续梁多个损伤单元的识别结果方面,与现有的基于传统的机器学习方法即BP神经网络和支持向量回归相比,本文提出的方法识别精准率呈现下降趋势,并不具备抗噪能力。同时在损伤预测方面,该方法的识别精度略次于传统方法。本文的识别结果表明:基于堆叠去噪自编码器的桥梁结构损伤位置识别方法能够有效地对简支梁桥和连续梁桥的损伤位置进行判断,具有可应用的前景;基于深度信念网络的桥梁结构损伤程度识别方法能够有效地对简支梁桥的损伤程度进行判断,具有可实施性。但是由于连续梁桥特殊的结构体系和样本的限制,基于深度信念网络的桥梁结构损伤程度识别方法不适用于连续梁桥的损伤程度的判断,需要研究人员进一步研究其他可行的方法。