日常学习工作中常常会出现建立的有限元模型与实际结构相差过大,不能满足建模的需求。为解决这个问题,选择先对实际模型进行试验,用试验得到的数据来对有限元模型进行调整,以此减小有限元模型与实际结构之间的差异。有限元模型修正技术根据修正对象的不同主要分为矩阵型修正法以及参数型修正法两类,其中参数型修正法更具有工程价值。参数型修正法最关键的一环就是修正参数的选取,通常情况下,要选取灵敏度较大的参数作为修正参数,但这并不意味着灵敏度大就可以成为修正参数。简单来说就是灵敏度大是成为修正参数的必要条件而不是充分条件,因此需要借助其他方法配合灵敏度分析进行修正参数的选择。本文首先介绍了模型修正所需用到的自由度匹配与相关性分析等技术,并对其具体应用进行了描述。对正交模型-正交模态（CMCM）模型修正法进行了改进,将其应用于误差定位,并与两种传统的损伤检测方法比较了误差定位能力。证明了改进后的CMCM法不仅定位误差能力较好,模态数据的非完备性对其影响也更低。为验证改进后CMCM法用于误差定位的工程价值,分别对加质量块的悬臂梁以及某柔体航天器进行了误差定位,最终定位效果良好。结合灵敏度分析发现,经CMCM法定位的修正参数不存在灵敏度极低的参数,而灵敏度较大的参数定位极为准确,由此也证明了改进后CMCM法用于误差定位的实用性。借助误差定位以及灵敏度分析等技术完成对修正参数的选取工作后,就可以根据修正参数以及需要用到的模态参数进行网络结构设计并进行训练,最后将试验测试得到的模态数据输入训练合格的网络中,便可得到相对应的修正参数。