实验模态分析是通过提取模态参数进行系统识别的过程，是评价结构动态特性的重要途径。本文对传统的实验模态分析方法进行了理论和仿真研究，并将盲信号处理领域的盲源分离技术引入实验模态参数识别中，介绍了盲源分离框架下的实验模态分析方法，通过仿真与实验分析验证了非参数化模态分析方法在计算效率、辨识精度和稳定性等方面优点。
　　本文首先根据不同的仿真模型分别对经典的模态分析频域法和时域法进行了研究，通过改变系统的结构参数、外界环境噪声，研究导纳圆拟合法、Levy法、ITD法和ARMA模型时间序列分析法等几种有代表性的模态参数辨识方法的适用范围及其影响因素。仿真分析结果表明，时域法虽然对模态参数的识别精度较高、稳定性较好，但是对噪声敏感，更适用于高信噪比或者响应信号进行了降噪处理的情况。频域法因为采用了谱平均，因此其受噪声影响较小，但其辨识精度会受频率分辨率影响，且频率分辨率较高时计算量较大。经典的实验模态分析方法需要建立参数数学模型，这类算法对模态阶数确定较为困难，同时也面临对噪声敏感和计算量大的问题。
　　盲源分离作为一种无参数信号处理方法，应用在机械振动领域，能够解决上述参数化模态参数提取方法面临的问题，同时又能实现在没有可测量输入情况下的模态参数提取。基于模态叠加法，建立了盲源分离与运行模态分析的对应关系，并给出了在弱阻尼情况下模态坐标之间的不相关假设，对基于盲源分离的最小谱方差频域算法(FMSV)及其扩展算法进行了模态参数识别精度的影响因素分析。本文通过多自由度系统和简支梁等仿真算例，研究不同系统阻尼、信噪比和加权矩阵幂对算法精度的影响，进行FMSV各项参数的优化，进一步提升算法的性能。为验证仿真结论，本文对柴油机筏架、柴油机主动减振装置安装平台的振动测试数据应用了基于盲源分离的模态参数提取方法，使用优化后的FMSV算法得到了实测结构的固有频率、阻尼比和振型，与商业测试软件默认算法的计算结果进行了对比，验证了FMSV算法在实验模态分析中应用的有效性和可靠性。
　　仿真和实验结果表明，与传统实验模态分析方法相比，基于盲源分离的模态分析方法FMSV不依赖参数数学模型、无需模型定阶、无需迭代、内存占用量小，在高计算效率的前提下能够保证模态参数辨识的准确性、稳定性和对噪声的鲁棒性，还可以应用于密集模态系统的参数辨识中，可以作为一种实际应用中非常有效的模态分析算法。