模型修正与参数识别皆属于结构识别的范畴,依据静动力试验数据完成复杂的结构有限元模型的参数识别,对其响应预测分析、工作状况评估和健康监测有着重要的意义。本文首先介绍了多模型结构识别的概念,即使用多个有限元模型来预测结构的测试结果,其研究重点在于形成大量有限元模型库并进行校验评估,从中选出最契合实际并反映结构特性的模型库,而不是对单一有限元模型进行优化修正和结构识别。本文基于贝叶斯理论的抽样方法,对结构的多模型结构识别问题进行了试验研究。主要研究内容概述如下:(1)介绍了基于贝叶斯理论的多模型结构识别的概念与基本框架,并利用马尔科夫链-蒙特卡洛模拟(MCMC)及其多种衍生抽样方法建立有限元模型库。(2)针对传统的MCMC在参数维度较高时不易收敛和计算效率低下等问题,提出了三种改进的MCMC方法进行了多模型结构识别。利用Matlab-Strand7软件的交互访问技术(API)能够进行大型结构有限元模型的参数自动修正,在获得校验后的有限元模型库后,并能基于有限元模型的后验概率分布进行了响应预测和性能评估。(3)为了验证各方法的可行性和有效性,针对一根简支梁的数值算例验证了所提出的的改进MH抽样方法、TMCMC抽样方法、加入拉丁超立方抽样(LHS)方法的正确性及有效性,并使用一种传统的单模型结构识别方法---遗传算法(GA)进行了对比分析。(4)利用一块钢-混凝土组合板的试验和一座实际大跨钢管混凝土桁架系杆拱桥并验证了多种多模型识别方法(分别通过改进MH抽样方法、TMCMC抽样方法、LHS和误差阈值法)在实际试验与工程上应用的有效性和科学性,并且与遗传算法(GA)进行了对比分析。结果表明本文提出的多模型结构识别方法可以更好地进行结构响应预测和模型筛选。