文档名：深度神经网络在EMD虚假分量识别中的应用
现代无线智能传感器结合云平台可以实现建筑结构的长期健康监测,模态识别是结构健康监测的重要内容.希尔伯特黄变换(Hilbert-HuangTransform,HHT)因其适用于非线性非平稳信号,且具有完全自适应性等特点,在模态识别领域中被广泛应用.与实验室中进行结构模态参数识别不同的是,长期监测中模态参数识别的算法不能出现主观的参数选择过程,而传统HHT的第一步经验模态分解(EmpiricalModeDecomposition,EMD)会产生虚假的固有模态函数(IntrinsicModeFunction,IMF)分量,对虚假分量的识别与剔除往往依赖研究人员的主观判断.本文提出了一种基于深度神经网络(DeepNeuralNetworks,DNN)与K-L(Kullback-LeiblerDivergence)散度的新算法,可以自动化识别并剔除EMD产生的虚假分量,从而使得EMD后得到的固有模态函数均为真实分量.
作者：何定桥 王鹏军 杨军
作者单位：清华大学土木工程安全与耐久教育部重点实验室,北京100084清华大学电子工程系,北京100084;北京源清慧虹信息科技有限公司,北京100092
母体文献：第29全国结构工程学术会议论文集
会议名称：第29全国结构工程学术会议
会议时间：2020年9月1日
会议地点：武汉
主办单位：中国力学学会
语种：chi
分类号：TP2TP3
关键词：建筑结构 健康监测 经验模态分解 虚假分量识别 深度神经网络
在线出版日期：2020年11月30日
基金项目：
相似文献
相关博文
- 文件大小:
- 2.16 MB
- 下载次数:
- 60
-
高速下载
|
