本研究提出一类两阶段双目标的结构参数识别方法，用以建立针对大型建筑结构的降阶物理模型。通过对比研究发现，降阶模型与真实结构相比存在模型误差，可能导致单纯采用模型最优目标(如结构响应误差)识别的物理模型在特定工况下存在过度拟合问题，从而使模型丧失在不同荷载工况下的结构响应预测的鲁棒性。在此基础上，本文提出一类考虑模型物理参数合理性的优化目标，组成“模型最优-模型稳定”的双目标识别方法。通过微分演化算法和一类新的面积型评价指标，实现优化过程的高效计算，收敛得到的Pareto面提供了多组结构物理模型。针对一个九层Benchmark模型和一个七层真实钢筋混凝土框架结构，系统地研究了双目标识别方法。研究表明：基于双目标识别的降阶模型比基于传统单目标识别的降阶物理模型拥有相似的模型最优性和更好的预测鲁棒性。本研究得到的降阶物理模型，可有效用于基于基准模型的结构损伤识别和基于物理模型已知的结构振动控制。