以网架、网壳为代表的空间网格结构在我国应用非常广泛。当前有大量的空间网格结构正在服役,且不少已经进入服役阶段后期。此类结构覆盖面积大、服务人数多,一旦发生破坏将使人民群众的生命财产遭受巨大损失。及时发现此类结构的损伤,对尽早消除安全隐患、保障结构安全运营具有重要意义。动力测试是结构健康监测领域常见的一种测试数据采集方法,结构损伤的识别精度高度依赖测试信息的数量。空间网格结构动辄包含数以百计的节点和杆件,识别规模非常庞大。然而,动力测试中能够布置的测点数量非常有限,远少于空间网格结构的识别规模,导致此类结构的损伤识别精度往往较低。为解决测试信息不足的问题,本文提出一种适用于空间网格结构的动力响应扩展方法,并基于扩展后的动力响应展开模态识别研究。具体工作如下所述:（1）提出一种考虑阶跃激励作用的动力响应扩展方法。阶跃激励具有输入能量大和可被主动控制的优点,非常适合空间网格结构的人工激振。动力响应扩展的基本思路为:提取阶跃激励作用下空间网格结构的动力响应,将任意时刻的响应信号近似表达为少数贡献模态的线性组合;采用有效独立法提出测点优化迭代策略,以无偏估计各个时刻的贡献模态组合系数,从而实现动力响应由少数测点向全空间自由度的扩展。进一步解释了动力响应扩展的误差机理,并提出一种加权相关系数指标来筛选高精度非测点。算例表明,本文方法能方便地实现网架结构的动力响应扩展,并筛选出较多数量的高精度非测点,有利于提高网架结构动力测试的效率。（2）提出一种基于变分模态分解-奇异值分解（VMD-SVD）降噪的方法,以便为后续模态识别工作提供高质量的动力响应数据。该降噪方法的基本思路为:以整体正交系数为目标函数,采用鲸鱼优化算法确定VMD计算所需参数K和α的最优值;执行VMD计算后,基于互相关系数和频谱曲线光滑度筛选出有效模态分量;进一步对有效模态分量进行SVD降噪,并将它们线性叠加后最终得到完成降噪的重构信号。算例表明,相比传统的EMD-SVD、EEMD-SVD两种降噪方法,本文方法的降噪效果更佳。（3）提出一种基于扩展后动力响应进行模态识别的方法。在前述动力响应扩展的基础上,将筛选出的高精度非测点与测点实测的动力响应相结合,采用经典的数据驱动随机子空间法（Data-SSI）进行模态识别。该方法实际上可以实现动力响应所包含模态的振型扩展。算例表明,经VMD-SVD降噪后的重构信号比未经降噪的响应信号更有利于提高模态参数的识别精度,并发现广义坐标幅值更大的模态具有更高的识别精度。