计算效率是模型修正在工程应用中的主要局限之一,而代理模型可以将设计变量与优化目标之间的未知关系运用显式函数进行近似表述,然后根据此函数关系式进行模型输入-输出静动力计算,可以很大程度上提高计算效率。将有限元模型修正问题转化为优化问题进行求解是近年来模型修正领域新的发展趋势,因此,基于代理模型的优化方法越来越受到研究者关注。Kriging模型不仅能给出未知函数的预估值,还可以得出预估值的误差估计;Jaya算法是一种新兴智能优化算法,有较好的应用前景,但也存在初期种群信息较少、收敛精度不高等问题;频响函数作为响应能够提供更多的结构信息。基于此,本文主要工作如下:针对Jaya算法存在的问题,构建了一种引入Lévy flight的改进自适应Jaya(SL-Jaya)算法。首先使用混沌映射使初始种群分布更加均匀;其次通过改进的自适应种群策略提高种群的多样性;然后在算法的搜索策略中引入Lévy flight,使算法跳出局部最优并增强全局搜索能力;最后使用高斯-柯西混合变异策略平衡算法的全局搜索与局部搜索能力。通过对12个不同特征标准测试函数多个维度的优化仿真实验表明:与基本Jaya算法、人工蜂群(ABC)算法相比,SL-Jaya算法具有较好的收敛速度和寻优精度,且具有较强的鲁棒性。将Kriging模型结合SL-Jaya算法引入基于频响函数的模型修正。首先使用模态参与度准则选取试验最佳激励点;其次确定待修正参数,使用拉丁方抽样选取样本点,构建Kriging模型;然后以频率响应差最小作为模型修正的目标函数,使用SL-Jaya算法求解参数修正值;最后使用该方法对桁架结构与纸纱复合袋糊底机机架结构进行模型修正,并与基于其他算法的Kriging模型修正结果进行了对比。结果表明:修正后的有限元模型结构动力响应与试验响应相符,修正后的参数误差均低于2.5%,且SL-Jaya算法相比基本Jaya算法、粒子群(PSO)算法与布谷鸟(Cuckoo)算法具有更好的寻优结果,说明了基于SL-Jaya算法结合Kriging模型的有限元模型修正方法,适用于桁架结构与糊底机机架结构的模型修正,且修正效率较高、计算结果较为准确。