系统识别的理论研究最初起源于控制论,但目前,它已在航空、航天、水文、机械及土木工程等多个领域均有了长足的发展。结构识别从属于系统识别的范畴,它的特殊性在于其考虑了经典的结构动力学知识、工程应用的简化假定和结构观测的实际条件因素等。系统识别方法虽多种多样,本文针对线性二阶系统采用基于Auto-RegressiveMoving Average(ARMA)模型的时域识别方法是基于以下原因考虑的:一是由于实际工程结构与ARMA 模型存在着对应关系,由此模型参数的估计过程也就完成了对系统的一次识别过程;二是时变ARMAV 模型可以解决制约结构识别发展的两个很主要的难题-多自由度体系的识别和结构时变参数的识别;三是这种方法不仅可以在输入未知的情况下进行结构识别分析,而且不会丢失系统信息,从而拓宽了系统识别的应用领域。本文对基于ARMA 模型的识别方法的基本理论和方法,以及它在结构参数识别中的应用进行了初步地探讨和研究。结构与ARMA模型之间的对应关系是ARMA模型用于结构识别的前提条件,与结构等价的ARMA 模型有两种:一维ARMA 模型和ARMAV 模型。结构的ARMA 模型实现是通过描述系统的运动微分方程、状态空间方程和差分方程三种模型之间的转换得到的。模型参数的识别是ARMA 模型用于结构识别的关键部分,包括模型阶的判定、模型参数的估计以及模型的适用性检验。模型阶的判定也是通过上述三种模型之间的转换得到的;模型参数估计采用了最小二乘法;模型的适用性检验是通过模型的系统仿真输出和实际测量输出两者之间的比较进行分析的。本文首先对单自由度体系的四种参数变化过程进行识别分析,识别结果初步说明了这钟方法应用于结构时变参数识别的可行性;在此基础上,还对ARMA模型的不同模型结构(时不变、时变、一维和多维)在多层平面框架结构参数识别中的应用进行了分析,算例结果不仅证明了基于ARMA 模型的识别方法在一定程度上解决了多自由度体系参数识别以及时变参数识别的问题;而且还显示考虑了输入输出相关性的ARMAV 模型在识别方面明显优于一维ARMA 模型。