为了有效识别混凝土桥梁结构的损伤程度,及时评估结构状态,该文基于卷积神经网络开展部分预应力混凝土斜拉桥损伤模型试验,通过试验梁不同损伤状态下的声发射波形信号,利用卷积神经网络对试验梁的损伤程度进行识别与预测。首先搭建完成了由卷积层、池化层、全连接层和一个 SoftMax层组成的卷积神经网络架构;然后将试验梁分级加载至极限状态3次,获得相同加载情况下的3组声发射波形信号,将前2组声发射信号输入之前搭建的 CNN 模型并完成训练后,得到卷积神经网络识别系统,第3组声发射信号用于该识别系统预测试验梁的损伤状态,以验证该识别方法的有效性。研究结果表明:基于卷积神经网络与声发射技术成功预测出试验梁的损伤程度,3104个声发射信号的综合准确率达96.71%;两层卷积层加上两层全连接层的网络架构的预测效果最优;对比传统的 BP神经网络,卷积神经网络准确率高5%~10%。