在交通网络中,桥梁具有连接交通线路的作用,是交通的咽喉,在经济、社会、生活等方面有着重要的战略意义。随着桥梁建造结构形式越发复杂和跨度不断增加,对桥梁结构安全性的要求变得愈来愈高。然而在桥梁服役期间,受内部结构变化,外界环境侵蚀等其他不利因素影响,桥梁会出现结构老化、受损等问题。当结构损伤累积到一定程度以后,就会影响桥梁的使用,导致桥梁在使用过程中出现灾难性的事故,造成巨大的损失。由于技术的局限性,传统的桥梁健康状况评估大部分是依靠人工检测进行,但人工检测方法存在检查效率低、检查周期长、检查结果不稳定、安全性差等问题,无法满足现代桥梁的维护与管理要求。所以,开展有效、快捷的桥梁健康技术研究,对于保障桥梁的安全运行具有重要的意义。针对桥梁健康监测的需求,本文设计完成了一款桥梁监测无线传感器节点和远程终端信号处理与监测模块。无线传感器由多路传感器信号放大与采集、存储、数据传输等模块组成,可实现桥梁的震动等特征信号和温、湿度等环境信号的同步采集、存储、无线传输;远程节点终端处理模块完成桥梁信号预处理和频率、位移等特征提取处理和桥梁健康状况分类。本文探讨基于深度学习的桥梁健康状况分类建模方法。基于桥梁特征及环境数据,利用深度学习的信息处理方法,采用conv1D层的VGG16卷积神经网络来构建桥梁健康分类模型,以桥梁的频率、位移、温湿度等特征参数作为卷积神经网络的训练输入,桥梁的健康程度作为监督网络学习的目标标签,经过机器学习训练,最终形成了桥梁健康诊断分类模型,对桥梁健康状况远程进行分类监测。初步实验结果表明:位移、固有频率、温度、湿度多种特征作为桥梁健康特征,可以较好的反映了桥梁的健康状况;利用深度学习的多分类识别器诊断桥梁健康时,识别率高,可较为准确的判断出桥梁的健康状况。经过对一老旧桥段的实验测试,本文建立的模型分类识别准确率高,有一定工程意义。