摘要： 为提高桥梁结构健康监测中模态参数识别的准确性与鲁棒性，提出一种基于CWT-Grubbs 联合降噪与改进DBSCAN 的桥梁模态识别方法。针对监测数据中存在行车激励干扰和有色噪声的问题，首先采用连续小波变换(Continuous Wavelet Transform，CWT)结合Grubbs 准则识别并剔除异常数据，强化结构真实模态的能量特征。随后，利用协方差驱动的随机子空间识别方法(Covariance-Driven Stochastic Subspace Identification，Cov-SSI)提取模态参数并构建模态稳定图。在聚类识别阶段，引入贝叶斯优化方法对DBSCAN聚类算法中的关键参数ε 和MinPts 进行自适应优化，提升聚类的自动化程度与准确性，实现真实模态的有效提取与虚假模态的剔除。以韶州大桥健康监测数据为例进行数值验证，结果表明，所提方法在强行车干扰条件下仍保持较高的识别精度与稳定性，具有优异的抗噪性能和密集模态分辨能力，可为桥梁结构长期模态跟踪与状态评估提供有效技术支撑。

关键词: 振动与波, 连续小波变换, Grubbs 准则, 随机子空间算法, 贝叶斯优化, DBSCAN聚类