为了满足实际结构的安全运营和状态评估的工程需求,结构健康监测系统得到了迅速发展。其中,利用实测响应数据构建其与结构安全状态的关联是保障结构安全运营的重要手段之一。论文结合工程结构服役特点,充分考虑结构非线性演化和复杂不确定性的影响,从结构动力响应入手,围绕结构非线性模式识别、确定性结构非线性模型修正、随机结构非线性模型修正以及结构动力可靠性分析等方面内容,开展结构非线性模型修正及动力可靠性评估的研究。论文首先根据结构激励和响应信息建立系统恢复力曲面,提出基于多分类支持向量机的非线性模式识别方法,用于结构各单元非线性模型检验及参数确定。在此基础上,提出基于改进深度卷积生成对抗网络（Deep Convolutional Generative Adversarial Networks,DCGAN）的确定性结构非线性模型修正,以及基于贝叶斯推断的随机结构非线性模型修正方法,从确定性和不确定性两个方面进行了结构非线性模型修正方法研究。最后,根据首次超越破坏准则,建立结构动力响应概率密度演化方程,对修正后的随机结构非线性模型进行动力可靠度计算,从而实现工程结构运营状态下的安全状态评估。论文主要研究内容和已取得的成果总结如下:（1）针对已知外部激励和结构动力响应信息的非线性结构,提出基于刚度边际曲线和阻尼边际曲线的结构非线性模型检验及参数识别方法。利用恢复力曲面方法提取结构各单元边际曲线并计算相应的非线性特征指标,结合主成分分析和多分类支持向量机技术,实现结构各单元非线性类型的辨识,并利用LevenbergMarquardt最小二乘优化方法确定其非线性模型参数。通过对单自由度、多自由度非线性振动系统以及Benchmark模型的结构非线性模式识别数值模拟,以及非线性悬臂梁试验验证了方法的有效性。（2）通过离散解析模式分解理论和希尔伯特变换,提取结构振动响应主分量信号瞬时加速度幅值和瞬时频率慢变成分作为非线性指标,用于表征具有时变特性的非线性结构动力响应。在传统生成对抗网络的基础上,采用卷积层替代卷积神经网络中的池化层,构建结构非线性模型参数与瞬时特征量之间映射关系的替代模型来增强网络的泛化能力。提出基于改进DCGAN深度学习模型的确定性结构非线性模型修正方法,并开展了复杂结构非线性模型修正的数值模拟和桥塔缩尺模型的振动台试验研究。（3）考虑多源不确定性影响,引入概率统计方法对结构非线性模型参数进行不确定性量化,提出了基于贝叶斯推断的随机结构非线性模型修正方法。以结构主分量信号瞬时特征参数作为目标响应构建似然函数,采用拒绝延缓自适应蒙特卡洛（Delayed Rejection Adaptive Metropolis-Hastings,DRAM）算法生成后验样本来估计待修正参数后验概率分布,并结合高斯过程模型建立结构非线性模型参数与动力响应之间的函数映射关系,提高后验样本的计算效率。通过数值模拟和框架振动台试验,对随机结构非线性模型参数的不确定性进行了量化。（4）为了在概率意义上定量评估结构的安全状态,针对修正后的随机结构非线性模型,提出基于首超破坏准则和广义概率密度演化的随机结构动力可靠度计算方法。根据首超破坏准则对概率密度演化方程施加边界约束条件,采用总变差递减差分格式和非线性时程积分方法进行结构动力可靠度计算。通过数值模拟,对比分析了随机荷载作用下非线性结构确定性模型和随机模型的动力可靠度计算结果,并利用蒙特卡洛模拟验证了方法的准确性,从而实现了工程结构的可靠性评估。