有限元模型修正分为确定修正和不确定修正,其中不确定修正同时考虑到参数和响应的不确定性,因此在悬索桥有限元模型修正中运用较广。悬索桥在大跨复杂桥梁结构中柔性最大,其结构参数众多,且参数的变化易引起结构内力、动力特性的较大变动,使得悬索桥结构分析存在计算困难,且在悬索桥有限元模型修正中尤为突出。因此,如何提升悬索桥有限元模型不确定修正过程中采样、回归和优化过程的效率与精度,是现阶段值得深入研究的桥梁工程问题。传统悬索桥有限元模型不确定修正无法体现待修正参数改变对成桥状态的影响,存在计算量大、求解效率不高的问题,且修正需要重点考虑替代模型的构造以及目标函数的求解。通过均匀设计与拉丁超立方体抽样两种方法构造替代模型,细菌觅食算法、遗传算法、粒子群算法三种智能优化算法求解目标函数,以高效快速地寻找最优解。针对悬索桥有限元模型不确定修正,主要进行了以下几方面的研究:（1）介绍主缆成桥线形精确求解方法以及三种智能优化算法,并将两者结合形成分段悬链线主缆找形智能优化算法求解方案。以跨度为660m的索为实例进行成桥状态结果检验,结果表明此方案求解结果满足成桥状态。（2）总结大跨度悬索桥不确定修正流程与一般桥型的差异,分析介绍同属于U型设计的均匀设计与拉丁超立方体抽样方法,并结合三种智能优化算法应用于算例中。结果表明:两种试验设计方法构造的样本均方误差都能达到10^-5数量级,能很好地替代原始模型;三种智能优化算法在求解精度上都能达到要求,所求区间范围符合真实区间。（3）以某大跨度悬索桥为研究对象,根据健康监测系统采集到的实测数据进行有限元模型不确定修正。使用两种试验设计方法构建样本,两种成桥状态检验方法检验样本点所对应的成桥状态,检验结果表明:所有样本点都满足成桥状态,且两种试验设计方法都能应用于大跨度悬索桥有限元模型不确定修正;同时,将三种智能优化算法应用于求解目标函数,所对应的参数范围也取得了较理想的效果。