玻璃幕墙作为现代化建筑墙体的一种装饰形式,以其实用性和美观性被广泛应用于写字楼、商场、机场、车站等建筑结构。然而,随着玻璃幕墙服役年限增加,结构胶老化和脱胶等问题会降低玻璃幕墙的安全性,甚至引发安全事故。因此,如何实施既有玻璃幕墙的健康检测和安全评估,建立一套评价玻璃幕墙安全性能的评估标准,预防其在使用过程中发生的安全事故成为了亟待解决的问题。以半隐框玻璃幕墙作为研究对象,本文探究了结构胶力学性质和粘结几何尺寸与玻璃幕墙模态特征之间的关系,建立了基于参考频率的安全评价模型。采用协方差驱动的随机子空间识别法和频域峰值拾取法,对半隐框玻璃幕墙进行模态参数识别研究。两种方法在一阶模态频率的识别结果上基本吻合,但在高阶模态频率的识别上呈现出较大差异。同时,这两种方法对模态阻尼比的识别相差较大。玻璃幕墙模态频率试验结果表明,幕墙尺寸和结构胶约束对玻璃幕墙的一阶模态频率的影响呈现出较强的单调性,因此选取一阶模态频率作为玻璃幕墙安全评价指标。为保证玻璃幕墙数值仿真的准确性,本文采用结构胶单轴拉伸试验和现场模态试验数据对玻璃幕墙数值模型进行校验。结合数值模拟和模态试验结果,分析了硅酮结构胶的不同材料性质和粘结几何尺寸对玻璃幕墙一阶模态频率的影响规律。采用正交试验设计对结构胶参数组合进行优化,并利用ABAQUS参数化数值模拟得到不同参数组合作用下的玻璃幕墙一阶模态频率。进一步基于敏感性分析结果获得结构胶参数对一阶模态频率影响作用的大小排序。基于参数化数值模拟的玻璃幕墙模态样本数据,分析了三种机器学习算法（BP神经网络,基于遗传算法优化的BP神经网络,支持向量回归）在不同结构胶参数组合下对玻璃幕墙一阶模态频率的预测结果。预测结果表明遗传算法可以大幅度优化提升BP神经网络的拟合预测精度,支持向量回归算法的预测精度在遗传算法优化的BP神经网络基础上有小幅度的提升。为便于对大量模态数据的管理,本研究以My SQL作为玻璃幕墙模态数据的存储数据库,搭建了一个基于模态特征的玻璃幕墙智能化检测数据库平台。在现有的安全频率区间法基础上,提出了基于参考频率的玻璃幕墙安全评价模型。