近年来,在世界范围内地震频发,而中国是受地震灾害影响最为严重的国家之一。震害给人们的生命财产带来了巨大损失,也使得结构抗震设计的重要性日益凸显。而结构非线性地震反应分析是结构抗震领域最主要的基础研究内容之一。这其中,非线性恢复力模型是进行抗震分析的基础和重要依据,也是反应结构抗震性能的重要指标。对结构的恢复力特性进行正确描述与识别对于工程结构的动力分析,特别是复杂或新型结构的抗震设计具有直接的应用价值。遗传算法最早由美国的Holland教授提出,是一种基于生物遗传和进化机制的全局优化搜索算法。它直接对对象进行搜索,具有广泛的适用性和更好的全局寻优能力。目前,遗传算法已经在诸多领域中取得令人瞩目的重要成果。Baber和Noori提出的带滑移的光滑型模型(BWBN模型)是一个具有复杂的数学表达的非线性滞变系统模型,它含有8个参数,识别困难很大。而遗传算法提供了一种求解复杂系统问题的通用框架。采用遗传算法来识别滞回非线性系统参数是一次有意义的尝试。本文的主要内容有：(一)对恢复力模型发展历程中的几种代表性模型进行了介绍,包括模型的形式、适用性和数学描述。(二)对遗传算法的原理和实现进行了介绍,详细阐述了基本遗传算法的操作方法和具体流程。(三)对BWBN恢复力模型进行理论研究,包括数学模型化简、对模型所包含的8个参数进行特性分析。(四)单自由度BWBN恢复力模型的在Matlab中的实现。(五)作者构建了一个适当的函数作为遗传算法目标函数。(六)选取了一个单自由度算例,采用了基于Matlab的遗传算法工具箱来进行BWBN恢复力模型参数识别,得到了比较满意的识别结果。之后又考虑了在观测值中加入噪声因素,探讨了噪声对识别精度的影响。加入噪声后,识别结果存在一定的误差,但总体来看还在可接受的范围之内。从识别结果来看,基于该识别结果计算所得的结构滞回曲线与理论的精确解所得的滞回曲线基本一致,识别结果能够反映结构的滞变特性,由此验证了遗传算法在非线性滞回系统参数识别领域的可行性。