随着大型结构的日趋复杂,为保障结构的正常运营和安全使用,对结构建立精准的有限元模型至关重要。但仅凭设计图纸和工程经验欲建立精准的有限元模型十分困难,为使模型精准化,需进行模型修正。本文针对有限元模型修正展开研究,主要研究内容及结论如下:(1)本文以结构的有限元模型修正为研究目标,对基于结构响应的有限元模型修正技术及基于优化算法和代理模型的修正方法进行了归纳与总结。提出了基于风驱动算法和小波神经网络,结合结构静力、动力响应信息进行有限元模型修正的方法。(2)研究了风驱动算法的理论及实现过程,建立了空气粒子与修正参数间的关系式,从而将算法应用于结构有限元模型修正中。并与粒子群算法进行了函数寻优试验对比,结果表明风驱动算法比粒子群算法更具优势,算法收敛速度快、寻优能力强。(3)研究了小波神经网络的理论核心、网络训练过程、操作方法,并利用风驱动算法改进小波神经网络,提升了网络性能。对比了改进后的小波神经网络、未改进的小波神经网络、BP神经网络及RBF神经网络的函数拟合性能,并通过函数拟合试验表明:改进后的小波神经网络作为代理模型具有适用性。(4)对基于优化算法和代理模型的有限元模型修正理论进行了详细阐述,并基于风驱动算法和小波神经网络,结合结构静力、动力响应信息对数值结构的有限元模型进行了修正。通过数值结构的模型修正试验表明:小波神经网络能反映结构响应与参数间的非线性关系,具有较高的仿真性能;风驱动算法寻优效果明显,适用于多参数寻优,寻优能力强。可以得出,方法能有效修正有限元模型,提高工作效率,具有适用性。(5)对桥梁结构的有限元模型修正进行了研究,建立了宁波外滩大桥的初始有限元模型,并结合结构的动力响应信息,基于风驱动算法及小波神经网络,对初始模型进行了修正。试验结果表明:模型动力响应与结构实测动力响应间的误差大大减小,修正结果符合实测数据,修正后的参数仍符合其物理意义。可以得出,基于风驱动算法和小波神经网络的有限元模型修正方法,适用于多参数的桥梁模型修正情况,具有工程实践意义,修正效率高、计算结果可靠。