模型更新混合试验是一种结合模型更新技术与混合试验检验结构动力灾变性能的试验手段。非线性模型在线更新是非常具有挑战性的工作,模型更新结果对试验精度影响至关重要。模型更新结果主要取决于模型更新算法精度,选择更具有理论依据的算法将大大提高数值子结构参数识别精度。此外,模型更新算法往往受制于初始参数的选择,初始参数选择不当,会导致模型更新过程中模型更新算法失效,从而导致试验失败。同时,对于包含多种材料所构成的复杂结构,仅采用单一类型本构模型更新,仍会导致试验结果存在较大误差。为提高复杂结构在线模型更新方法精度,本文提出自复位摩擦耗能支撑结构多尺度模型更新混合试验方法。具体研究内容如下:（1）为解决模型更新过程中数值模型的识别精度问题,提出容积卡尔曼滤波器模型更新方法。以两层防屈曲支撑框架为研究对象,选用Bouc-Wen模型作为层间支撑恢复力模型,开展模型更新混合试验虚拟仿真。研究结果显示:与无迹卡尔曼滤波器相比,容积卡尔曼滤波器模型参数识别精度更优;基于容积卡尔曼滤波器模型更新方法的虚拟仿真结果具有更高精度。（2）为解决模型更新对识别算法初始参数的鲁棒性问题,提出统计容积卡尔曼滤波器模型更新方法。该方法采用统计的思想降低参数识别结果的随机性,在混合试验一个数值积分步长内对物理子结构进行多次模型参数识别,使用参数识别值样本统计均值在线更新相应的数值子结构模型参数。选择自复位摩擦耗能支撑作为研究对象,进行支撑恢复力模型参数敏感性分析,给出支撑模型参数取值建议。建立基于统计容积卡尔曼滤波器的自复位耗能支撑模型参数识别方法,探究算法参数及观测噪声对模型参数识别精度及鲁棒性影响规律。针对两层带有自复位摩擦耗能支撑框架结构开展模型更新混合试验虚拟仿真。研究结果显示:统计容积卡尔曼滤波器方法可以有效提高模型更新混合试验精度及鲁棒性。（3）为提高大型复杂结构混合试验精度,提出多尺度模型更新混合试验方法。以二层自复位摩擦耗能支撑钢框架为研究对象,采用统计容积卡尔曼滤波器方法,在混合试验中同时对钢材材料本构模型和自复位摩擦耗能支撑构件模型进行参数识别及更新。研究结果显示:多尺度模型更新混合试方法有效提高了数值模型精度;以结构整体耗能、层间残余变形、顶层相对位移、最大层间位移角为评价指标,验证了该试验方法具有的更高的结构动力响应模拟精度。该论文有图118幅,表1个,参考文献81篇。