桥梁结构健康监测系统是既有桥梁结构运营安全的一个重要保障,而桥梁结构模态参数识别又是桥梁健康监测系统的重要组成部分,参数的准确识别能够反映桥梁结构固有的动力特性,对桥梁的长期健康监测具有重要意义。而现有的模态参数识别算法还不能实现结构响应信号的自适应分解和参数的自动化识别,基于此,对现有的总体平均经验模态分解算法进行改进,并将统计学中的谱系聚类算法与随机子空间算法进行结合,以实现模态参数的自动化识别。主要工作内容包括：1、对总体平均经验模态分解算法的基本理论及算法进行总结,系统分析该算法存在的不足,并进行相应改进：包括根据待分解信号自身特征自动化确定添加白噪声的幅值标准差和集成平均次数；引入统计学中的聚类分析法防止模态混叠现象的发生；根据各本征函数的信息熵、能量密度以及平均周期构建筛选有效IMF分量的新指标,实现有效IMF分量的自动筛选和信号的重构；2、对随机子空间算法的基本理论及算法进行总结,针对系统定阶难和参数识别需要人工参与筛选这一难题提出相应的改进,包括：在现有奇异值跳跃法定阶基础上进行对数化处理来定阶；利用统计学中的谱系聚类算法实现对真实模态的筛选,达到模态参数自动化识别的目的；并利用简支梁桥仿真算例验证自动化识别算法的可行性、有效性和适用性；3、实际桥梁结构模态参数自动化识别,先利用EEMDCAN分解算法对结构响应信号进行自适应分解与重构,再对重构信号进行模态参数自动化识别,并将所得结果与实际参数结果进行对比分析,以验证本文算法能运用于实际桥梁结构的模态参数自动化识别；4、分别识别出某大跨度斜拉桥在春、夏、秋、冬4个季度每天对应的模态参数,分析频率值在各季度的具体变化趋势,并对比分析白天与夜晚频率值的差异性。