结构健康监测是了解、评估和预测结构运行状况的强大工具。本文研究如何利用健康监测技术进行结构的性能评估。对这个问题作了两种方法上的创新：首先开发了一种新的基于振动数据的结构柔度识别的新方法,即基于子空间识别理论的时域识别方法；其次,由于健康监测数据的各种不确定性的影响,用结构健康监测数据对初始建立的有限元模型进行矫正会时出现的多个有限元模型都可能与健康监测数据匹配,针对这一问题提出了基于概率的多模型方法框架进行解决。研究的主要的内容和结论如下：(1)利用基于时域的子空间方法(SI)进行结构的柔度识别。不像常用的随机子空间识别技术(SSI)只识别出结构系统的A和C,所提议方法可以识别完整的结构系统的状态矩阵A,B,C,D。利用完整的结构状态矩阵能够解耦的特性可以计算结构的模态参与系数,进而识别出结构的柔度。识别结构柔度后,可以预测结构在任意荷载下的位移响应,有替代卡车静载实验方法进行中小桥梁结构承载能力评估的潜力。(2)由于不确定性的影响,在模型修正中许多的模型都可以与健康监测数据相匹配。本文开发了一种基于概率方法的多模型框架理论来解决上述非唯一“最优”有限元模型问题。在此方法中,主要利用蒙特卡洛抽样(MC)或马尔科夫链蒙特卡洛(MCMC)抽样方法对结构关键参数进行抽样,形成多个有限元模型库并进行模型库的评估,依据多个有限元模型形成的模型库,而不是单一的“最优”有限元模型进行结构识别和性能评估。(3)分别利用三跨简支梁桥有限元模型和实验室6m简支梁作为例子,验证了所提议的结构柔度识别新方法的正确性及实用性,并讨论了基于柔度识别的结构性能评估方法。(4)利用一个四层框架基准结构实施并验证了基于概率的多模型方法,进行了结构基于概率的响应预测和可靠度评估。