随着科学技术的发展和人类文明的进步,现代工程实际对结构动力学问题的解决提出了越来越严格的要求。在这一进程中,结构动力学和其他学科不断渗透交叉,衍生出了许多新的研究领域,例如结构振动控制、参数识别、载荷识别、诊断预测、故障诊断和损伤识别等;对于上述领域的研究,结构的响应信息至关重要,结构动态响应重构技术便是通过结构测量处的信息重构得到结构未测量处的信息,其在许多工程领域中都有重要的实际意义和应用前景。另一方面,受到经济因素等方面的制约,结构健康监测系统中可布置的传感器数量有限,传感器优化布置问题便是如何利用尽可能少的传感器获取结构尽可能多的信息。传感器优化布置问题近些年来获得了学术界广泛的关注,不同类型的传感器优化布置准则和优化布置方法层出不穷,但针对于结构响应重构的传感器优化布置方法研究却少之又少,基于此,本文开展了以下研究工作:针对线性结构的不确定性响应重构问题,介绍了卡尔曼问题的定义,建立了结构状态空间方程,推导和总结了传统卡尔曼滤波算法的步骤,结合逐步消去法给出了基于卡尔曼滤波的传感器优化布置方法,使用二维桁架模型在两种不同的工况下对所提方法进行了验证。针对传统卡尔曼滤波算法在未知激励下无法使用的问题,给出了使用激励预测卡尔曼滤波算法对结构响应和所受激励同时预测的方案,并将激励预测卡尔曼滤波与鲁棒两步卡尔曼滤波进行了比较;通过对萤火虫算法进行二进制编码,构建能够解决离散问题的萤火虫算法,并将其应用于求解传感器优化布置问题中,使用数值算例对比验证了逐步消去法和萤火虫算法的有效性。针对激励预测卡尔曼滤波算法在单一传感器类型测量下出现的滤波发散问题,结合模态法和激励预测卡尔曼滤波算法构建了结构响应的两步重构方法;使用逐步消去法作为传感器优化布置方法,使用数值算例对结构响应两步重构方法进行了验证;同时,对一悬臂梁模型进行了实测试验,并成功使用所提方法得到的传感器布置方案对未测量处的结构响应和所受激励进行了精确重构,试验算例结果和数值算例相吻合。