近年来,随着人们对工程结构安全性的要求越来越高,使得结构健康监测技术得到迅速发展。结构参数识别作为结构健康监测的一项重要内容,可以准确了解结构在工作状态下的参数及其变化,为结构损伤识别与状态评估提供依据。结构在施工及运营期间由于受到地震、强风等极端荷载作用而表现出时变及非线性特性。因此,结构时变参数识别已成为近年来的研究热点。无迹卡尔曼滤波处理非线性结构参数识别问题更为有效,识别精度较扩展卡尔曼滤波更高。但是无迹卡尔曼滤波只能用于结构时不变参数识别,对于参数发生变化的情况,其识别精度将大大降低甚至发散。针对以上问题,本文将强跟踪滤波原理引入无迹卡尔曼滤波,提出一种适合于结构时变参数识别的强跟踪无迹卡尔曼滤波方法,并对其进行深入研究,主要包括以下几方面内容:介绍了扩展卡尔曼滤波方法在非线性系统参数识别问题中的局限性。基于以上问题,研究了更适于处理非线性问题的无迹卡尔曼滤波方法,给出了无迹卡尔曼滤波的算法流程。算例分析表明,无迹卡尔曼滤波能有效识别非线性结构系统的参数,并且具有比扩展卡尔曼滤波更高的识别精度及稳定性。针对传统无迹卡尔曼滤波无法准确识别结构时变物理参数的问题,在无迹卡尔曼滤波中引入强跟踪滤波,提出了强跟踪无迹卡尔曼滤波方法。在该方法中,构造了一种适合于结构系统的渐消因子矩阵,基于正交性原理给出了渐消因子的求解方法。为避免在求解渐消因子时计算非线性函数的雅可比矩阵,推导了其等价形式并替换原来的雅可比矩阵。给出了强跟踪无迹卡尔曼滤波算法的识别流程,并对其进行了数值仿真验证。对线性结构分别建立了两自由度和五自由度数值仿真模型,对非线性结构分别建立了单自由度、具有一个非线性层的三自由度及各层均为非线性的四自由度数值仿真模型,基于本文所提强跟踪无迹卡尔曼滤波方法识别结构位移、速度、滞回曲线,并跟踪了结构参数及其变化。在仿真过程中,分别考虑了不同参数的不同位置、不同程度的突变情况,并且研究了噪声强度对于线性结构和非线性结构参数识别效果的影响。数值仿真结果表明所提方法能较好地跟踪结构参数的变化,并具有较强的抗噪能力。通过对两层钢框架模型进行振动台试验,将质量作为时变的参数,仅利用激励及结构各层响应数据,基于强跟踪无迹卡尔曼滤波识别了各层质量的变化,验证了本文提出的方法在结构时变参数识别中的有效性与可靠性。