近几十年,结构健康监测在方法、技术、设备上都不断发展。目前已有越来越多的工程项目安装了结构健康监测系统,为全面分析结构的安全和使用性能提供了方便,同时也带来了诸多挑战。其中,未知激励下的结构参数实时识别引起学者的注意。此外,对于大型结构,子结构线性和非线性参数识别也是目前的热点所在。不仅如此,健康监测与振动控制一体化由于其合理性也得到许多关注研究。在众多结构参数实时识别的方法中,扩展卡尔曼滤波是一种行之有效的方法而得到广泛运用。传统卡尔曼滤波需要已知激励信息,对此,学者发展了未知激励下的扩展卡尔曼滤波方法,但目前提出的未知激励下扩展卡尔曼滤波方法对加速度响应的测量位置要求还比较高,例如需要观测在激励作用位置的加速度响应,或者不能识别未知移动荷载,这限制了这些方法的实际应用。因此,需从方法机理上研究在未观测未知输入处加速度响应情况下,实时对结构状态和未知激励输入进行识别的方法。对实际土木工程结构,往往只能监测结构部分的响应,难以获得结构外部输入的全部信息;而土木工程结构具有大型性与复杂性。虽然子结构分析识别是重要有效的方法,但子结构间的相互作用,对分析的子结构也是“未知的输入”。因此需要在“未知输入”情况下,进行子结构参数识别。目前的子结构参数(线性/非线性)实时识别方法需要观测子结构边界自由度响应或边界力,这限制了子结构方法的应用。此外,在结构振动控制领域,通常把振动控制和健康监测分割开来,但是结构控制系统和健康监测系统都需要传感器和数据采集、传输系统来实现,当建筑结构同时需要控制与监测这两种需求时,这样分别考虑是不实际的而且花费甚巨。发展一个综合的建筑结构结合振动控制系统和健康监测系统是很必要的。目前学者研究的一体化方法仍需观测结构所有自由度的加速度响应,这在实际工程中也是不易实现且不经济的。基于上述研究背景,本论文主要进行了以下的研究工作:(1)本文第二章提出一种广义的未知激励下卡尔曼滤波方法,是目前研究未知激励与结构实时识别的最一般方法。该方法是在扩展卡尔曼滤波的基础框架上直接推导而来,将结构状态方程以一阶保持(FOH)离散,以此达到即使在观测方程中不包含激励信息时(即激励作用处不放置加速度传感器)仍能有效识别结构外激励、结构状态及结构参数,亦能用于移动荷载的识别。并且,数据融合也被采用在该方法中,将加速度和位移传感器监测数据进行融合,互补并协同工作,能充分发挥各种监测数据的不同功效,克服现有基于卡尔曼滤波方法在未知输入下识别结果漂移。(2)第三章将子结构边界力视为对目标子结构的“附加激励”进行识别,针对现有大型结构的子结构识别方法需要观测子结构边界力或边界响应的局限,结合“广义的未知激励下的扩展卡尔曼滤波方法”与“子结构方法”,提出基于子结构的复杂结构线性参数识别方法。这一方法能够在不观测子结构边界力和边界响应的情况下良好识别线性子结构的运动状态、参数和子结构的未知外激励。并且对于梁、柱等可以按尺寸划分子结构的大型结构,可以分两个尺度建模,两次识别结构参数,精确找出损伤位置和定量损伤大小。(3)第四章在第三章识别线性子结构参数识别的基础上,考虑了结构发生非线性的情况,提出基于子结构的复杂结构非线性特征识别方法。当子结构参数发生非线性时,将子结构非线性参数扩展到状态向量中,识别子结构的运动状态、线性和非线性参数以及未知外激励。(4)第五章针对目前的结构识别和振动控制实时相结合方法需要观测所有自由度加速度响应的局限性,提出在未知激励情况下仅需部分观测结构响应的结构识别与振动控制相结合的实时方法,更适用于实际工程。首先提出结构识别与主动控制实时相结合的方法。而后提出结构识别与半主动控制实时相结合的方法。以上研究在本文中都有相应算例验证方法的可行性和有效性。