在工程结构设计中,利用有限元软件模拟结构的实际工况,进而进行结构系统的结构强度、振动特性等分析具有重要意义。然而,许多不确定因素会导致所建有限元模型和实际结构可能存在一定的误差。而且,模型修正中所使用的测量数据容易受到噪声干扰,影响修正效果。为减小有限元模型与实际结构之间的误差,同时使模型修正方法对噪声具有一定鲁棒性,本文基于频响函数理论,研究了基于频响函数特征量的模型修正方法。主要研究内容如下:首先,提出了一种基于频响函数奇异值的模型修正方法。通过使用优化算法对Kriging模型相关系数进行优化,从而提高Kriging模型的构造精度。并且根据极值点数量突变原则确定有效奇异值数量,使所提模型修正方法在不同信噪比下都具有一定的鲁棒性。算例表明,当信号受到弱噪声干扰时,即使对有效奇异值数量不进行选择,模型修正方法也具有一定的抗噪性,当信号受到强噪声干扰时,根据极值点数量突变原则选出的有效奇异值进行模型修正,修正平均误差低于3%,证明本文方法具有较强的抗噪性。其次,提出了一种基于加速度频响函数小波分解的模型修正方法。通过灵敏度分析方法确定结构待修正参数,将工程实际中容易直接测得的加速度频响函数进行小波分解,用幅值较大的小波系数来表征频响函数进行模型修正。算例表明,在不同噪声水平下,使用基于加速度频响函数小波分解的模型修正方法仍然可以得出较满意的修正效果,即使当信噪比低至5d B时,各参数修正误差仍然低于4%,证明了基于加速度频响函数小波分解的模型修正方法对于强噪声的鲁棒性。最后,基于上述模型修正方法对高速列车车轮进行模型修正。根据高速列车车轮参数建立车轮有限元模型,使用Kriging模型代替车轮有限元模型进行迭代计算,解决了车轮有限元模型分析耗时费力的问题,提高了模型修正效率。针对车轮实际运行工况中,实测数据易受噪声干扰问题,使用本文所提出的两种具有抗噪性的模型修正方法对高速列车有限元模型进行修正,缩小了有限元模型与实际结构之间的差距,提高了车轮有限元模拟实际结构能力,为利用车轮有限元进行车轮振动特性等一系列的分析提供了基础。