结构参数识别是损伤识别中一个重要内容,识别方法按激励源可分为确定性激励识别方法和环境激励识别方法。基于环境激励的结构参数识别不需要激励设备,也不会对结构产生额外的损伤,因而有很强的实用性。在总结了国内外相关研究的基础上,本文着重研究了环境激励下协方差驱动随机子空间、数据驱动随机子空间、扩展kalman滤波三种方法。主要内容如下:1.首先从结构的运动方程出发,详细介绍了离散时间下状态空间模型,分析了如何从模型的系统矩阵中获得结构的模态参数。该模型是两种子空间方法和扩展kalman滤波识别的基础。2.详细介绍了协方差驱动随机子空间和数据驱动随机子空间方法的基本原理。这两种子空间方法均采用了奇异值分解技术,对于如何从奇异值分解之后的矩阵中获得结构的模态参数是一个关键问题,目前尚无文献给出严格证明,本文系统地证明了这一过程。3.通过数值试验,分析了不同噪声水准下两种子空间方法的识别精度和效率。试验表明协方差驱动随机子空间方法和数据驱动随机子空间方法均有良好的去噪能力,无论观测量为位移、速度或者加速度均能识别出结构的模态参数。当观测量为加速度时,识别精度较差。与协方差驱动随机子空间方法相比,数据驱动随机子空间方法识别精度高,但运算效率低。4.最后介绍了扩展kalman滤波的原理,在不同观测噪声背景下,通过数值试验分析了该方法对结构刚度和阻尼的识别精度。