目前大多数模型修正方法以频率作为模型的响应,在某些情况下,模态参数的识别误差比有限元模型建模误差还要大。基于频响函数的模型修正方法避开了结构模态分析,且频响函数能够提供更多的数据,它的每条曲线都可以作为目标函数来进行模型修正。同时,在模型修正过程中,使用代理模型替代有限元模型可减小计算量,是解决复杂工程结构优化问题的有效途径之一。基于此,本文首先研究了基于径向基函数(Radial Basis Function,RBF)模型和频响函数的模型修正方法,并与其他代理模型的修正精度和消耗时间进行对比。然后对频响函数矩阵进行运算,把运算后的矩阵元素作为损伤响应,选用Kriging模型作为替代模型进行损伤识别。主要工作如下:简述频响函数和代理模型的相关理论。阐述了频响函数作为输出响应的优势,介绍了频响函数的具体理论,并对其测试时激励点和测点选取原则的相关理论进行了介绍,最后对代理模型构建步骤和理论进行介绍。结合RBF模型和频响函数进行模型修正理论。针对模型修正迭代过程中调用有限元模型产生的大量计算成本问题,选用RBF模型替代有限元模型,加速度频响函数作为输出响应,并使用模态参与变异系数准则和模态动能法分别对激励点和测点进行选择。基于均匀设计表进行样本集的构造,并对构建RBF模型的参数进行优选,提高模型的预测精度。然后以频率响应差最小来构造目标函数,利用天牛须智能优化算法求解参数修正值。最后利用该方法对一个36自由度的二维桁架模型进行模型修正,并与有限元法、响应面模型法和Kriging模型法的修正结果进行对比。结果表明,RBF模型作为代理模型时在修正精度上具有一定优势。根据模型修正方法和新的损伤特征进行损伤识别。针对使用频响函数进行损伤识别时,识别精度较低的情况。将频响函数矩阵进行矩阵运算,优选激励点和测点,将其对应的矩阵元素作为损伤响应。为了节省计算成本,选用Kriging模型进行损伤识别,对其参数也进行了优选,同时引入高次幂的余弦相似度作为目标函数。选用布谷鸟优化算法对目标函数进行迭代寻优。最后对一悬臂梁模型进行损伤识别,并与以原始频响函数作为响应的识别结果进行对比,发现新损伤响应的识别精度较优于频响函数响应。