机械结构模态参数的提取是机械结构动力学分析的基础。常用的模态参数提取方法有实验模态分析法和工作模态分析法,这两种方法在工程应用中都有各自的局限性。实验模态分析(EMA)法需要对结构施加激励,这对于大型复杂机械系统是非常困难的。工作模态分析(OMA)法无需外加激励,仅依靠机械结构工作状态下的振动响应信号提取结构模态参数。这种分析方法更接近实际工作状态,然而由于其理论分析计算中假设系统所受载荷为白噪声,与大多数实际情形有或多或少的距离,导致计算结果误差较大。近年来,盲信号处理中的独立分量分析(ICA)法在盲源分离的工程应用中获得广泛应用。本文在回顾了OMA分析理论与方法的基础上,详细研究了ICA的基本算法原理,发现此二者的密切联系。在解释了ICA基向量的模态含义的基础上,提出了将ICA算法应用于机械结构动力学分析中的模态参数识别。讨论了ICA计算模态与机械振动模态的一致性,为ICA在机械结构动力学中的应用提供了理论依据。通过计算机数字仿真和实验室物理模拟,详细研究了ICA技术在机械结构动力学分析中的理论基础、算法实现以及对不同激励和噪声背景的适应性。为衡量ICA分量的分离效果,提出了独立性指数的概念。借助于三自由度弹簧质量系统模型的响应数据,进行ICA数字仿真的研究结果表明,ICA分离的模态频率与结构进行动力学分析得到的固有频率是吻合的。在对集中质量系统研究的基础上,以悬臂梁为例研究了连续系统模型。通过实施在不同激励、不同比例的混合噪声及不同长度数据量的输出响应的ICA分解,系统研究了ICA的模态参数提取能力。在实验室用锤击法获取了悬臂梁的模态参数后,又用B&K的OMA软件与自主研发的ICA软件分别对实验装置的振动响应信号进行了模态参数识别。研究结果表明ICA中的JADE、MSNR、GOSA三种算法均可提取试验模型的结构模态参数,它与OMA提取的模态参数具有良好的一致性。其中MSNR算法优于GOSA和JADE算法。与OMA法相比较,ICA算法具有较好的结构模态分离性能,特别是对短响应数据具有更好的适应性。在理论和实验研究的基础上,将所提出的基于ICA技术的模态参数识别方法成功地应用于立体仓库堆垛机动态设计中。利用ICA方法获得了堆垛机的模态参数。通过对比OMA方法获取的模态参数,ICA方法剔除了虚假模态,提高了模态参数的可信度,为在此基础上完成的堆垛机的动态设计奠定了基础。