泄流结构的模态参数识别与动力损伤诊断是近20年来研究热点，频率和振型为结构动力损伤诊断的两大整体损伤因子，其中结构的固有频率是最易测得的动力参数。多测点泄流结构模态识别中，由于不同测点的振动信号频率成分和噪声水平不尽相同，结构固有频率识别结果仅能精确到一定区间范围，而不是一个准确值，这不利于基于频率（或与频率有关的损伤因子）变化的动力损伤诊断。数据级信息融合技术可根据一定的理论规则将多个信号融合为一个更加贴近真实值的信号。信息融合技术在结构工程中的应用尚处于信号模拟的初步探索阶段，为提供准确、全面的振动信号，实现泄流结构模态频率的准确识别，本文主要研究了以下内容：（1）针对传统数据融合算法对信号相似度要求高以及固定融合系数的缺陷，本文提出了基于方差贡献率的泄流结构动态响应数据融合算法。并通过数值模拟的方式，从三个方面（准确性、全面性以及密频结构融合）探讨了基于方差贡献率的泄流结构动态融合算法的可行性，并以蜀河闸墩结构、二滩拱坝及信江枢纽泄流闸墩的原型观测数据验证了该算法的可行性。研究表明：该算法能够有效利用不同测点信号的相关性、互补性和冗余性，使融合后信号具有结构整体振动特性，其动态融合模式较传统加权融合算法更加灵活。（2）研究了基于概率密度函数的泄流结构谐波响应模态剔除方法。多测点模态识别难以分辨信号中的结构响应与谐波响应，针对泄流结构振动响应中混入的谐波信号（如兼发电与泄流的河床式水电站发电机组运转产生的谐波信号），基于方差贡献率的泄流结构多测点动态响应融合算法具有较强的信息提取能力，无法剔除原测点混入的谐波响应，常规去噪方法亦无法将其剔除。基于概率密度函数的泄流结构谐波响应模态剔除方法从统计学的角度分析谐波响应与结构响应的差别，先对多测点信号频域分解，再基于概率密度函数拟合各个频率成分的振动信号，最后通过模拟一组结构响应与谐波响应的混合信号研究了该方法的可行性，并且通过预先在某泄流结构原型观测信号中加入谐波信号研究其识别效果，结果表明：该方法简单而实用。