正交异性钢桥面板因其构造复杂且焊缝密集，在车辆循环荷载长期作用下极易发生疲劳开裂，严重威胁桥梁结构的安全性与耐久性。开展钢桥面板疲劳裂纹监测工作，实时获取并分析损伤演化状态数据，是解决钢桥面疲劳损伤问题的关键环节。本研究提出了基于导波特征学习的钢桥面板疲劳裂纹智能方法：首先，对导波采样信号开展降噪处理并提取关键时频域特征；其次，对导波特征提取参数进行优化处理，实现特征强化与标准化；最后，结合神经网络特征学习，完成裂纹尺寸精准识别与扩展趋势预测。通过数值模拟与试验验证，结果表明该方法不仅能定性识别疲劳裂纹存在及位置，还能定量预测裂纹扩展尺寸，为钢桥面板的疲劳寿命评估与维护决策提供了可靠的技术支持。正交异性钢桥面板因其构造复杂且焊缝密集，在车辆循环荷载长期作用下极易发生疲劳开裂，严重威胁桥梁结构的安全性与耐久性。开展钢桥面板疲劳裂纹监测工作，实时获取并分析损伤演化状态数据，是解决钢桥面疲劳损伤问题的关键环节。本研究提出了基于导波特征学习的钢桥面板疲劳裂纹智能方法：首先，对导波采样信号开展降噪处理并提取关键时频域特征；其次，对导波特征提取参数进行优化处理，实现特征强化与标准化；最后，结合神经网络特征学习，完成裂纹尺寸精准识别与扩展趋势预测。通过数值模拟与试验验证，结果表明该方法不仅能定性识别疲劳裂纹存在及位置，还能定量预测裂纹扩展尺寸，为钢桥面板的疲劳寿命评估与维护决策提供了可靠的技术支持。

钢桥面板,疲劳监测,导波特征,机器学习,识别预测