深度神经网络在EMD虚假分量识别中的应用.pptx

content目录01研究背景与问题提出02关键技术挑战与现有方法局限03基于深度神经网络的解决方案设计04实验验证与性能对比分析05应用前景与未来发展方向

研究背景与问题提出01

结构健康监测对模态识别的长期稳定性提出更高要求监测需求升级长期结构健康监测要求模态识别具备高稳定性与自动化能力，避免人为干预。传统依赖主观判断的方法难以满足持续、可靠的工程应用需求。HHT应用广泛希尔伯特黄变换适用于非线性非平稳信号分析，在模态参数提取中表现优异。其自适应特性使其成为结构响应分析的首选工具之一。EMD产生虚假分量经验模态分解过程中易出现过分解或模态混叠，生成无物理意义的IMF分量。这些虚假分量干扰后