在混合模拟试验过程中,通过对试验子结构中的未知参数进行实时识别,并更新给计算子结构,达到减少试验子结构规模、提高试验精度的目的。考虑到节点处参数的复杂性以及对结构的重要影响,本文以试验子结构节点处的参数为识别对象,采用Elman、GRNN、ELM和SVM智能算法,通过均匀设计的思想设计学习库,识别出节点参数,更新给计算子结构和运动方程,完成整个混合模拟试验过程。为使在混合模拟试验过程中智能算法达到较好的识别效果,本文使用如下几种方法:1)Matlab和Open Sees进行混合编程计算;2)将整体模型代替原有的计算子结构模型;3)改进的均匀设计表的方法设计学习库;4)识别过程中参数识别值的选取方法和识别判定条件。另外使用识别效果因子来判定识别参数建立模型与真实模型在结构响应方面拟合的好坏,并给出了识别效果因子的计算方法。本文建立基于智能算法的模型更新子结构混合模拟试验识别系统,并进行了大量数值模拟。在不同地震峰值加速下实现了五层一跨的钢框架模型的三参数、六参数、九参数识别,从识别结果分析可知,本方法可有效的对结构参数值进行识别,且识别的参数值建立的模型能与真实模型在结构位移和力响应方面较好的拟合,另外各智能算法在参数值的识别效果、识别参数值建立的模型与真实模型在结构响应拟合程度方面没有明显的优劣之分。本文利用GRNN智能算法进一步验证本方法的适用性。通过在参数取值范围内设置不同水平的初始值,验证了不同水平的初始值都可达到较好的识别效果,且识别效果不受初始值的影响。通过建立不同层数、不同跨数的模型进行模拟,证明了本方法对钢框架模型可进行有效的参数识别。对是否考虑试验子结构在真实试验过程中受到试验设备的加载测量误差的影响进行模拟,证明了本方法能有效的抵抗测量误差的干扰,进行参数识别。