振动机械是利用振动原理来完成各种工艺过程的机械设备。对振动机械进行全面检测、评估和健康监测,就需要充分掌握振动机械结构的动力特征参数。模态参数是决定结构动力特征的主要参数,也是进行故障诊断等多种研究必不可少的手段之一。本文结合振动机械的现状与发展趋势,对其模态参数辨识的理论和方法进行了研究。论文的主要工作及研究成果如下：(1)运用复模态理论对非比例粘性阻尼振动系统进行了模态参数辨识。为了消除砌块成型机在利用共振时产生的振幅不稳定现象,在其主振动质量的两端加入聚氨酯弹簧,有效地消除了其振幅不稳定的缺点,最后设计了弹簧刚度。(2)对砌块成型机结构进行了模态参数辨识的数值分析。构建了砌块成型机结构的三维有限元模型,将聚氨酯弹簧在支座面四周表现出来的弹性等效到支座底部,仅保留竖直Y向的平动自由度,有效地处理了支腿与主机架间的边界约束问题。模态分析结果表明,整个砌块成型机结构中除第5阶固有频率(工作频率)外,均不会产生共振；且该阶振动台振型为整体Y向振动,易于砌块成型。(3)对砌块成型机结构进行了实验模态分析。分析了振动机械结构测试过程中消除误差的办法后,对其进行了脉冲激励模态实验,结果表明,获取的固有频率接近于有限元模态分析结果,证明实验模态分析方法准确、可靠。由于机架磨损严重和砌块成型质量较差,对结构提出了改进措施,结果表明,改进后的结构有效降低了噪声,延长了使用寿命和提高了砌块成型质量。(4)提出了小波变换与自助理论相结合的模态参数辨识方法,实现了振动机械的模态参数辨识。比较了几种母小波函数,由于Morlet小波的时频分析能力优于其它小波函数,因此将Morlet小波作为振动机械结构模态参数辨识研究的母小波函数。考虑了模态分离、边界效应及小波参数的选择等影响辨识结果准确性的因素后,利用最小Shannon熵准则优化选择了复Morlet小波参数。由于受噪声、环境变异和测量误差等干扰影响,没有足够的信息来评价和估计辨识精度,提出了利用自助理论和小波变换相结合的方法,以评价或估计干扰信息对模态参数的影响。仿真与振动实验结果表明,该方法①较好地估计了小波变换所辨识出的模态频率和阻尼比；②具有对噪声不敏感,不需要大样本条件约束的优点；③辨识的阻尼比,较小波变换方法有更高的辨识精度。(5)研究了神经网络的振动预测方法。分析了神经网络结构参数选择的多样性和隐含层单元数的不确定性因素后,通过砌块成型机振动台振动响应信号对其进行了优化设计,得出两种工况(振动工况,振动和压头压下工况)下的优化模型。仿真结果表明,振动和压头压下工况的仿真结果优于振动工况。最后将神经网络技术运用到振动系统的预测中,比较了35Hz和25Hz激振频率下的预测结果,得出的4-7-1神经网络模型较好地预测了振动系统的振动规律。