随着科学技术的发展和人类文明的进步,各种工程结构层出不穷,受自然和人为因素的影响,随着时间的推移,结构性能会降低。因此,需要对结构服役状态健康监测。在结构健康监测中,需要建立精确的有限元模型来反映结构的动力学特性。受网格划分、边界条件和材料物理参数不确定性等因素的影响,有限元模型与真实结构有差异,需进行有限元模型修正,使其尽可能接近实际结构,以保证之后的结构动力分析和监测等具有实际意义。由于实际结构广泛存在不确定性,而传统有限元模型修正存在局限。近些年来考虑不确定性问题的模型修正和损伤识别备受研究人员关注。基于此,本文将理论分析、数值计算和试验分析相结合,对有限元模型修正和基于模型修正的损伤识别进行了探讨研究,主要内容包括:简要介绍了贝叶斯理论、马尔可夫链蒙特卡罗法(简称MCMC)中的Metropolis-Hasting(简称MH)抽样算法、及基于支持向量机(简称SVM)的代理模型等有限元模型修正的基本理论,在贝叶斯方法中引入最大熵值推导待修正参数的后验概率密度函数的最大值,为模型修正提供了理论基础。针对标准MCMC法不易收敛、拒绝率高的情况,将布谷鸟算法中的新鸟巢更新思想融入MH抽样算法得到改进的MH抽样算法,据此得到基于改进MH抽样算法的模型修正方法。使用三自由度线性系统和平面桁架模型来验证基于改进MH抽样算法的模型修正方法的有效性。结果表明:修正后样本的马尔可夫链混合性能较好,拒绝率低即停滞发生的概率减小,修正后参数相对误差均小于2%。利用实验室钢质悬臂梁模型做模态试验,并基于改进MH抽样算法的模型修正方法对悬臂梁的物理参数进行修正,验证方法的有效性和实用性;接着基于频率法和基于改进MH抽样算法的有限元模型修正方法对损伤识别进行研究,分别用不同损伤工况下的结构对结构单损伤的损伤位置、损伤程度及多损伤的损伤程度进行较为准确的识别,进而验证方法的有效性和可靠性,结果表明最大识别误差小于2%。