自上世纪以来，迅速发展的自然科学，不断推动了工程技术的飞跃发展，使得建筑规模和造价不断增大。大型建筑在国民经济和社会生活中的作用更为重要，人们对结构安全性和耐久性的要求越来越高，结构健康监测逐渐备受学术界关注。结构健康监测可以根据结构振动实时振动信号识别结构的实时“健康”状况，而健康状况可用结构参数（主要是物理参数和模态参数）描述和评判，因此，结构参数识别研究是结构健康监测的关键。本文基于群体智能优化算法的基本原理与方法，对量子粒子群优化算法(Quantum-behaved Particle Swarm Optimization,QPSO)在结构参数识别中的应用进行了研究，具体内容如下：1、简要概述了结构参数识别和智能优化算法在结构健康监测领域应用的研究现状，鉴于传统参数识别方法存在的不足之处，提出采用QPSO算法识别结构参数的方法。2、主要介绍了QPSO算法的产生背景、基本思想和具体计算过程，并与研究较为成熟的PSO算法进行对比，总结了QPSO算法所具有的优点。3、提出了QPSO算法识别结构物理参数的具体方法，并使用该方法对一六层框架结构的物理参数识别进行了数值模拟，且与PSO算法的识别结果进行对比，结果表明，该方法能够在结构信息完全未知的情况下准确识别结构物理参数，即使测试信号中含有噪声也不影响对结构质量和刚度的识别精度，仅影响对结构阻尼的识别精度。4、提出了QPSO算法识别已知激励下结构模态参数的方法，使用该方法对六层框架和简支梁结构进行数值模拟，并与PSO算法和传统峰值法的识别结果进行对比，结果表明该方法对模态参数的识别精度较高，添加噪声对结构阻尼比的识别精度影响较为明显，对频率和振型的识别精度影响较小。5、提出了基于QPSO算法识别环境激励下结构模态参数的方法，采用该方法分别对六层框架、简支梁和三跨连续梁模态参数识别进行数值模拟，且与峰值法识别结果进行对比，并初步研究了其抗噪性。结果表明，该方法对结构频率和振型的识别精度较高，并且抗噪性优良。