索结构中，拉索响应与损伤之间处于高度非线性状态，常规数学模型对拉索损伤识别普遍存在精度欠佳问题。针对该问题创建了七丝钢绞线的拉索有限元模型，提出基于组合指标的CNN&LSTM神经网络损伤识别方法。借助该拉索有限元模型模拟4类损伤工况，分类提取响应。对比分析总能量变化率、频率、能量比偏差与能量比方差等不同指标对损伤程度的表征，建立能量与频率相结合的组合损伤指标。对比分析联合CNN&LSTM神经网络面对各损伤指标，以及传统中单独的卷积神经网络(CNN)与长短记忆法(LSTM)针对组合损伤指标的识别结果。研究发现，基于组合指标的联合CNN&LSTM深度学习网络的拉索损伤识别准确率最高，达到96.67%,高于CNN的86.63%及LSTM的82.15%,表明CNN&LSTM在斜拉索损伤识别应用中具有较大潜力。