模态参数识别在结构的健康监测、损伤识别、动力特性分析等方面具有重要的工程应用价值。一些大型结构,特别是工程结构,由于其体积庞大、材料芸杂、约束条件复杂等原因,难以对其进行有效的人为激励并且难以对激励信号进行有效的测量,经典的激励响应模态分析参数识别理论和技术在这些结构上难以适用。环境激励(风载荷、大地脉动、车辆激励等)条件下的结构模态参数识别方法,具有不需要人为激励、仅需对输出信号进行力学和数学分析、可在时域内或频域内进行结构模态参数识别等一系列优势,在工程中得到了广泛的应用。但是,大型结构往往表现出低频密集耦合模态特征,现存的方法对于结构的低频耦合模态的识别精度不高。论文以环境激励模态分析为研究对象,以现代时频分析理论为基础,针对大型结构低频密集耦合模态参数识别,着重研究基于连续小波变换和Hilbert-Huang变换的环境激励模态参数识别方法。本文的主要研究内容如下:①深入研究基于连续小波变换识别模态参数的基本理论和实现方法,提出基于最优复Morlet小波的自适应模态参数识别方法。连续小波变换具有理论上无穷频率分辨率,可以轻松实现工程中经常遇到的低频密集模态自动解耦,小波变换系数的对数曲线为一条直线,通过对对数曲线进行曲线拟合很容易得到结构的模态参数,实现原理简单易行。选用最优复Morlet小波为母小波,以最小小波能量熵为准则设计适合信号特征的最优小波基,用最佳分解尺度提取方法提取最适合结构特征的小波分解系数进行分析,可实现密集耦合模态的有效识别。对于修正因子(大)取值大时连续小波变换端点效应明显的问题,采用支持向量机的端点数据延拓方法进行抑制,进一步提高模态参数的识别精度。②深入研究基于HHT的模态参数识别理论和实现方法,利用EMD的二进滤波特征,提出了限制带宽的经验模态分解方法。EMD存在频率分辨率不高、模式混合等缺陷,造成模态解耦不完全、识别精度低。限制带宽的经验模态分解在每一个本征模态函数最终分解出来之前,引入限制带宽信号,不破坏EMD的自适应性,也不需要像斯密特正交化那样认为第一个固有模态函数(Intrinsic Mode Function,IMF)一定是正交的假设,不仅能对模式混合进行有效的抑制,并且能同时提高EMD的频率分辨率,有效提高HHT识别密集模态的精度。③提出基于分层抽样的短样本模态参数识别方法。短样本条件下,影响模态参数识别精度最明显的因素是由于平均次数不足导致随机减量法提取的自由响应信号误差较大。通过引入分层抽样技术,结合扩展的随机减量法,通过多次识别,用层权限制非最优截取阈值下识别的参数对最终识别结构的贡献量,加权平均得到最终的识别结果。因为扩展的随机减量法在不同的穿越阈值下得到的触发点数不是事先确定的,常用的层权确定方法在这种情况下不再适用,本文提出了基于拟合偏差和样本容量的层权确定方法确定层权。最后,将分层抽样分别与最优复Morlet小波和限制带宽EMD结合进行短样本模态参数识别。④设计开发包括基于现代时频分析的模态参数识别方法在内的结构实验模态分析系统,该系统包括结构建模和振型动画模块、数据采集模块、数据分析与处理模块、参数识别模块和结果校验与归一化模块。参数识别模块汇集了频域方法、时域方法和现代时频方法,并将这三种参数识别方法分别进行工程应用及对比实验。最后对论文的工作进行总结,并对现代时频分析识别结构模态参数技术研究进行展望。