由于基于数据的机械论(Data-based Mechanistic, DBM)黑箱辨识算法得到的模型具有形式简单、统计有效和物理意义清晰的特点,因此在现代黑箱问题的辨识中特别是非线性非稳态系统的辨识中得到了一定程度的应用。而另一方面,作为构成现代卫星的主要结构之一的蜂窝板夹层结构,由于其复杂的构成方式使得应用传统的辨识方法难以对其动力学特性给出清楚和完整的描述。本文的主要目的就是利用DBM方法的强大辨识能力对蜂窝板夹层结构的动力学特性进行辨识。本文首先总结了DBM在常规黑箱辨识算法中的基本框架和两类重要模型–时变参数(Time Variant Parameter, TVP)模型和状态依存参数(State Dependent Parameter, SDP)模型的特点及其估计算法。接着利用DBM方法和其他非线性辨识算法分别对时变参数方程、Lorenz方程和杜芬方程进行分析和比较,发现尽管方法本身具有拟合精度高,不存在过拟合现象,可以较精确的反应参数对于状态或者时间的依存关系等特点,但是SDP方法在分析复杂问题时存在搜索效率低,计算时间长的缺点。本文通过引入遗传算法对搜索方式进行改进,从而降低了所要搜索的规模,大大减少了计算量。最后利用改进后的DBM方法对几组在不同量级、不同振动方向、不同测点的蜂窝板夹层结构的振动数据进行辨识,并利用辨识的结果对于结构的动力学特性进行分析,从而为实现对卫星结构的设计提供依据。