桥梁是交通基础设施的关键,对保障国民的出行便利及经济的快速发展具有重大作用。但桥梁结构由于疲劳、超载及地震等因素影响不可避免将出现损伤,影响桥梁的通行性能,损伤严重时甚至将威胁桥梁安全,因此有必要及时准确地识别桥梁损伤。深度学习方法是近年来机器学习领域的重要研究成果,其相比传统模式识别方法在识别性能上有较大优势。但关于深度学习方法在桥梁损伤识别领域中应用的研究仍较为欠缺,因此对深度学习方法在桥梁损伤识别中的应用进行研究。主要工作内容包括:1、对深度学习的研究现状进行综述,介绍现有常用的3种深度学习方法,比较不同方法的特点,选择进一步研究堆栈降噪自动编码器在桥梁损伤识别中的应用。2、针对桥梁损伤识别的特点,构建了适合于桥梁损伤识别问题的堆栈降噪自动编码器,提出基于堆栈降噪自动编码器的桥梁损伤识别方法。3、以简支梁为例,直接采用结构加速度响应为损伤指标,应用所提方法实现了对结构损伤位置和损伤程度的识别,结果表明:基于加速度指标的堆栈降噪自动编码器方法具备较大的潜力;4、以连续梁桥为例,比较所提方法与BP神经网络方法的识别结果,对比结果表明:所提方法的识别准确性与抗噪性能皆优于BP神经网络方法且其优势在损伤位置识别上更加明显;5、基于某斜拉桥振动台试验,应用所提方法实现了对桥塔地震损伤的识别,识别结果与试验观察所得的损伤状况较为一致;6、基于某模型曲线斜拉桥试验,运用所提方法及BP神经网络方法实现了桥梁损伤的静力及动力识别,识别结果对比表明:所提方法的损伤识别效果优于BP神经网络方法,且其优势在损伤指标区分能力一般或数据质量较差的情况下更加明显。综上所述,以堆栈降噪自动编码器为代表的深度学习方法能提高桥梁损伤识别的准确性,在桥梁损伤识别领域具有良好的应用前景,但其在桥梁损伤识别领域中的广泛应用还需进一步深入研究。