传统子结构试验中经常假定数值子结构处于线弹性状态,结构的非线性集中于试验子结构。而在实际情况中,数值子结构也常常进入非线性状态。传统子结构试验的这一假定可能带来较大的额外的试验误差。在子结构试验中,数值子结构常含有与试验子结构恢复力特性相同的构件或结构,这些构件或结构往往是数值子结构中最有可能进入非线性的部件,如结构中的支撑,阻尼器等。为了准确地反映数值子结构中与试验子结构恢复力特性相同的构件或结构的恢复力特性,可在子结构试验中在线识别试验子结构的恢复力模型,并将识别得到的恢复力模型在线更新数值子结构中相应部分的恢复力模型,即自适应子结构试验方法。本文通过数值仿真研究了基于三种不同在线识别方法的自适应子结构拟动力试验方法的性能。主要研究内容如下:(1)采用隐性卡尔曼滤波器在线识别试验子结构的滞回模型参数,利用数值仿真研究了基于隐性卡尔曼滤波器在线识别的自适应子结构拟动力试验方法的性能。(2)针对于不同的滞回模型,提出相应基于最小二乘的在线识别方法,利用数值模拟研究了基于最小二乘的自适应子结构拟动力试验方法的性能。(3)给出了基于神经网络的恢复力在线预测方法,探讨了神经网络在自适应子结构拟动力试验方法中的应用。