结构物理参数的识别对直观的结构健康评估具有重要作用。在结构健康监测领域,基于振动的技术已被广泛开发用于识别时不变结构的物理参数。然而,结构动力参数往往会因严重的灾害（如强地震和风荷载）而改变,以及受其他环境（如温度或腐蚀作用）的影响呈现变化趋势。描述时变结构的动力特性、评估时变结构系统的性能具有重要的工程意义。目前针对时变结构物理参数的识别仍然存在一定的困难与局限性,包括:（1）布置的传感器数目多,甚至需要全观测所有自由度的位移、速度、加速度响应,并且需要已知外荷载的信息;（2）缺乏对大型时变结构行之有效的识别方法。虽然子结构方法为大型结构的识别提供了思路,但是在子结构分界处不方便观测的情况下,如何正确地考虑相邻子结构之间的边界力仍是巨大的挑战;（3）非线性时变物理参数的识别相较于线性时变结构而言更加困难与繁琐;（4）渐变物理参数的识别比突变物理参数的识别更具挑战;（5）斜拉索的渐变索力的识别仍然值得进一步研究,等。但是,实际工程中对所有位移、速度、加速度响应的大规模采集是不现实也是不经济的,并且外荷载信息常常很难被直接获取。因此,研究未知荷载激励下,采用部分响应观测量识别时变结构的物理参数的方法,并提出更适用于大型结构、非线性结构、渐变结构的物理参数识别方法,更符合工程实际的要求,更具有理论研究价值和工程意义。本论文内容层层递进,依次对“未知激励下部分观测结构响应的线性时变结构的物理参数识别”、“未知激励下部分观测结构响应的大型线性时变结构的物理参数识别”、“部分观测结构响应的非线性时变结构的物理参数识别”、“部分观测结构响应的线性结构的渐变物理参数识别”、“观测单加速度响应的时变索力的识别”展开研究,提出的方法结合卡尔曼滤波系列方法、未知激励下的卡尔曼滤波系列方法、子结构技术等对基于小波多分辨率分析（WM）识别时变物理参数的传统方法进行改进,克服了需要对全部自由度的所有位移、速度、加速度响应进行观测的不足,同时均讨论了未知荷载情况下时变物理参数的识别。论文第一章对目前时变系统识别的国内外研究进展进行总结,阐明论文的主要研究内容及层次结构。论文第二章提出了基于未知激励下的卡尔曼滤波（KF-UI）算法和小波多分辨率分析,在未知激励下,利用响应的部分观测量识别线性时变结构的物理参数的方法。论文第三章结合子结构技术,提出了在未知激励下,利用响应的部分观测量识别大型线性时变结构的物理参数的两步法,不仅克服了第二章内容仅适用于小型线性时变结构的局限性,而且克服了需要在子结构边界处观测的局限性。论文第四章提出了利用响应的部分观测量,识别非线性时变结构的物理参数的两步法。研究基于小波多分辨率分析和无迹卡尔曼滤波系列方法,分别讨论了已知荷载下具有较少单元的时变非线性结构、未知荷载下具有较少单元的时变非线性结构、未知荷载下具有较多单元的时变非线性结构的物理参数识别。论文第五章提出了利用响应的部分观测量,识别线性结构的渐变物理参数的两步法。结合跨学科领域的离散余弦变换（DCT）与卡尔曼滤波系列方法,分别讨论了已知激励与未知激励情况下渐变物理参数的识别。克服了小波多分辨率分析依赖尺度函数及分解层数、在展开渐变参数时的尺度系数多、边界效应明显等局限性。论文第六章提出了基于离散余弦变换和卡尔曼滤波方法,利用拉索上的一个加速度响应观测值,桥上安装/未安装风速仪时识别时变拉索索力的方法。论文第七章总结了主要工作及创新点,并对下一步研究工作进行展望。