模型修正技术在提高仿真模型预测精度方面发挥着重要作用。传统的模型修正技术均是在确定性基础上展开的,然而在实际工程问题当中,不确定性因素是普遍存在的。在综合考虑各种不确定性的基础上,对模型展开不确定性修正所得到的结果将对结构设计更加具有指导意义。本文考虑了模型修正问题中常见的参数不确定性及模型形式不确定性,对复杂模型的修正方法做出以下相关研究:1.以非对称H型梁结构为研究对象,研究了基于摄动法的随机和区间不确定性修正方法在复杂模型中的应用。提出了一种适用于复杂模型的不确定性修正框架,并取得了较好的修正效果。研究表明,基于摄动法的随机和区间不确定性修正方法都可用于复杂结构动力学问题;基于摄动法的修正精度依赖于大量的试验样本,而区间分析法则更加适用于小样本的情形。2.基于门式框架螺栓连接结构,考虑由于模型简化而引起的模型形式不确定性,同时考虑了模态试验测量数据的不确定性,提出了基于模型偏差的不确定性修正方法。该方法以参数偏差来处理模型形式的不确定性。研究表明,基于模型偏差的不确定性修正方法可以减小模型形式不确定性,修正后的模型与模态试验测量数据吻合度较高。3.将分数阶微分项引入到多自由度系统振动方程中,实现对系统中模型形式不确定性的量化,并以有阻尼的二自由度弹簧振子为对象进行修正研究。文中选取分数阶微分项的系数与阶数为待修正系数,对系统的频响函数进行修正,并取得了良好的修正结果。此修正方法能有效地将模型参数与模型形式不确定性进行分离并可以减小模型形式不确定性,因而具有重要的研究价值与应用前景。4.基于C/SiC复合材料加筋壁板,对热结构的不确定性修正问题进行研究。考虑到基于摄动法的不确定性模型修正方法对多场的热结构不确定性修正问题收敛性较差,本文提出一种基于神经网络参数识别的不确定性修正方法,此方法可以避免灵敏度求解。研究表明,基于神经网络的不确定性模型修正方法可以用于C/SiC复合材料加筋壁板热结构动力学的多场问题中。