为提高模型修正效率,满足修正方法对于实测环境噪声的鲁棒性,将Kriging模型和小波分解引入加速度频响函数模型修正.首先,将加速度频响函数进行小波分解,用得到的第1层幅值较大的小波系数来表征原频响函数.其次,采用拉丁超立方抽样对初选待修正参数进行设计,根据设计结果对各参数进行灵敏度分析,从而确定模型修正的待修正参数,以待修正参数作为Kriging模型输入,所对应的小波系数作为Kriging模型输出,通过混合灰狼算法寻得最优Kriging模型相关系数,建立精确有效的Kriging模型.最后,以目标加速度频响函数小波分解的小波系数与Kriging模型输出的小波系数差值最小为目标,通过水循环算法求解模型待修正参数.数值算例表明,所提模型修正方法具有良好的修正效果,即使在加速度频响函数中加入信噪比为5 dB的高斯白噪声时,修正误差也低于4％,证明了该方法对于随机噪声的鲁棒性.