结构系统的模态参数识别技术是利用结构系统振动的外激励或振动响应数据估算出结构系统的模态参数,可用于该结构系统的损伤识别、模型修正等工作。但在实际应用中存在外激励难以添加、部分识别参数需人为指定等问题,无法保证结果客观合理。针对上述问题,本文应用数据挖掘技术,提出了基于识别概率直方图和结合模态贡献度的随机减量改进技术,可实现结构有效模态的自动识别;继而提出有效模态观测批次概念,建立了基于动力特性的结构损伤递进识别算法,可得到高精度的损伤识别结果。具体工作及成果如下。首先,在传统随机减量技术的实际应用中,针对加速度随机减量特征信号在零点处存在奇异值的问题,提出特征信号截断处理方法;针对实模态提取问题,提出最小距离法,适用于各种类型响应下的结构实模态提取,抗噪能力强。其次,提出基于识别概率直方图的随机减量改进技术,采用K-means-CP算法,对不同触发条件和参考通道下识别得到的模态参数进行一致性聚类,根据识别概率对虚假模态进行初次剔除;随后结合模态贡献度概念,提出两类判定指标,完成虚假模态的二次剔除,从而实现有效模态的自动识别。最后,根据含识别概率的有效模态结果,重构有效模态观测批次;并基于贝叶斯估计原理,建立结构损伤因子的识别递进算法,由有效模态观测批次识别得到损伤因子的统计结果。其中,对比考察了子结构修正指标和柔度指标的应用效果,前者虽然计算效率高,但稳定性较差,后者适用性更强。