有限元模型修正作为损伤识别、安全状态评估等的基础,其修正结果的准确性将直接影响结构的损伤识别、评估和预测结果。按是否考虑待修正参数、测试数据等的不确定性,模型修正可分为确定性与不确定性修正两大类,其中基于贝叶斯的不确定模型修正能综合考虑先验信息、测试样本信息等多种不确定因素,已成为模型修正的前沿研究方向。但在高维参数下,基于贝叶斯理论推导的参数后验概率密度函数往往难以直接通过积分求解,尽管差分进化马尔科夫链算法（DE-MC）可通过随机采样实现后验分布求解,但该方法燃烧期长、收敛速度慢,因此在实际工程应用中往往表现不佳。鉴于此,基于DE-MC方法,本文通过引入随机比例因子、自适应对称随机向量及定向差分改进等策略,提出基于快速马尔科夫链蒙特卡洛（MCMC）算法的贝叶斯有限元模型修正方法,研发了基于燃烧期和非燃烧期的MCMC收敛诊断技术,并将所提方法应用于实际桥梁结构,为保障结构健康监测系统准确的损伤识别、安全评估及寿命预测提供新的技术支持,具有重要的理论意义和现实价值。本文的主要研究工作及结论如下:（1）针对传统差分进化马尔科夫链算法在高维参数下燃烧期长、收敛速度慢的问题,提出了燃烧期-平稳探索期两阶段快速MCMC算法。在燃烧期阶段,通过分别引入随机比例因子、自适应对称随机向量和定向差分改进以扩大算法搜索路径、自动调节搜索范围和保证种群的迭代始终最优,从而显著缩减了燃烧期的所需迭代步数,提升了算法的收敛速度;在平稳探索期,通过建立细致平衡条件,确保参数最终收敛到后验平稳分布。数值模拟结果表明,所提方法在五、十维参数下的最大修正误差仅为1.07%,且燃烧期相比差分进化自适应马尔科夫链（DREAM）方法分别减少了20.5%和74.6%;此外,在20%的噪声干扰下,各参数的最大修正误差仅为5.92%,表明所提方法在保持较高修正精度的前提下,不仅能有效提升马尔科夫链的收敛速度,且具有良好的抗噪性。（2）针对传统MCMC收敛诊断方法精度不高的问题,提出了基于多链信息融合的MCMC两阶段收敛诊断方法。在燃烧期阶段,将不同链间各参数最大误差与其平均值的比值作为监测指标,并利用该指标在链收敛时趋近于0的特点,通过设置收敛阈值,实现了燃烧期多马尔科夫链收敛的准确判断;在平稳探索阶段,通过融合种群中各链的样本信息,构造了满足t分布的统计指标,并利用该统计指标均值在极限状态下趋近于0的特点,采用四分位数作为收敛阈值,提高了平稳探索阶段收敛监测的精度。数值模拟表明,所提方法在八维参数下能成功监测到多马尔科夫链的收敛,大幅提升了有效后验样本数量,且该后验样本计算得到的参数最大修正误差仅为1.36%,其主要原因在于传统方法仅利用单链信息进行诊断,导致信息利用率低,难以精确监测链的收敛。（3）依托高家花园大桥监测系统,验证了所提方法的适用性。通过环境激励下结构动力测试得到结构加速度数据,采用FDD分析获取结构前六阶竖向模态信息;根据设计图纸建立了结构的初始有限元模型;在此基础之上,利用第二章所提方法对模型参数进行修正,采用第三章所提方法对马氏链进行收敛诊断,并对其诊断结果分析处理以获得参数的后验样本。分析结果表明,相比于初始有限元模型,修正后的参数计算所得结构频率的最大误差从31.48%降低至3.01%,同时振型MAC的最小值从0.617提升至0.968,表明所提方法具有较好的适用性。