随着我国综合国力不断增强和人们对交通便利的追求,在祖国各地可以见到功能复杂、工艺先进的桥梁,然而,已经服役数十年的桥梁难免出现各类病害,影响了桥梁的安全性。为了有效地预测桥梁病害,桥梁健康监测技术开始受到重视,健康监测能够实时评估桥梁的运营状态,及时预测病害来保证桥梁的安全运营,而健康监测的关键步骤是获得一个合理的有限元模型。基于此,有限元模型修正法应运而生,该方法的目的是得到一个更符合实际结构的有限元模型,以此模型为依据来分析现役桥梁的安全状况。目前,模型修正法已广泛应用于土木工程领域,但是,传统模型修正法是通过对目标函数优化得到一组参数修正方案,再将该方案作为修正结果,模型修正过程中对数据的正确性、分析者的工程经验等要求较高,然而,现场试验采集数据存在不确定性、建模过程存在简化误差、目标函数难以代表完整结构系统和优化算法局限性的情况不可避免,所以,得到的一组全局最优解方案仅是数学上的最佳方案,可能无法代表真实结构。基于此,MGA理论渐渐受到重视,MGA理论可以获得多个可行的备选方案,为提出的问题提供多种角度解决方案,供专业分析人员选择一组解集作为最佳方案,以得到更合理的基准有限元模型。本文的研究也正是基于MGA理论,对一种能够识别多解的稳态遗传算法进行改进,以便能更有效地应用于结构有限元模型修正中。针对标准稳态遗传算法（SSGA）的角度机制可能造成遗漏解的问题,提出了一种能求出全局最优解和局部解的增强稳态遗传算法（ESSGA）,该算法定义了一个距离选择算子,用于筛选MGA解及其伴侣解,同时,设置记忆库等精英策略提高寻找多解性能,可以在较短时间找到更多的解。另外,将所提算法和标准算法应用于优化多峰值二元函数,验证所提算法的性能,结果表明,相比标准稳态遗传算法,本文算法在优化多峰函数时,能更高效、稳定和精确地搜索到更多峰值。为了进一步验证增强稳态遗传算法在模型修正中的性能,对一座预设损伤的ASCE-Benchmark框架结构有限元模型进行修正,一方面,为验证算法性能,采用了无噪声污染的动力响应数据进行模型修正,另一方面,为模拟实际工程模态识别易受噪声影响的情况,将提取的数据进行噪声污染处理,再对“污染”模型进行修正。基于无噪声的模型进行修正表明:两种算法都找到了预设损伤参数值,但ESSGA算法可以更高效、更精确地找到解方案,证明了ESSGA算法比SSGA算法更有效;基于噪声的模型进行修正表明:ESSGA算法得到4组参数方案,代入有限元模型计算,四组解方案对应响应值均接近实测值,但修正后的局部最优解才是预设损伤参数,说明全局最优解仅表示数学上的最优解,不一定能反映结构的真正物理参数。最后,将模型修正多解识别技术应用到实际工程案例中,对一座复杂拱桥进行模型修正。采用灵敏度分析法选取了四个待修正参数,建立了一个能够代替有限元模型的Kriging响应面模型,再根据动静力数据构造的目标函数,并利用本文算法和基本算法优化。结果表明:ESSGA算法能够找到5组修正方案,并且频率响应与试验值误差均不超过3%,位移响应与试验值误差均不超过2%,而标准算法只找到3组修正方案;分析者可根据实际情况,选用一组合适解方案作为最佳的修正方案,以得到更精确的基准有限元模型。