🧩 特征分析 - 加速度 EEMD 分解模块

城市生命线安全工程 加速度特征分析 IMF 模态识别 EEMD + FFT 结构异常识别

📚 项目背景

在桥梁、地铁、建筑等工程结构中，竖向加速度 是衡量结构动力响应与健康状态的关键指标。传统频域分析虽能揭示主频特征，但对于非平稳与非线性信号往往力不从心。

本模块基于 集合经验模态分解（EEMD） 方法，可将原始加速度数据分解为若干固有模态函数（IMFs），并结合 FFT 分析每个 IMF 的频域特性，从而实现对结构振动成分的细粒度解析，为模态识别、异常检测、损伤预警提供支撑。

📌 模块简介

本模块为城市生命线安全工程监测平台桥梁专项-特征分析子模块，用于对加速度信号进行非线性振动分解。功能包括 加速度通道选择、EEMD 分解、IMF 时域及频谱分析可视化，支持灵活配置采样点数、通道编号、噪声宽度等参数，具备良好的可扩展性和可集成性。

项目 内容
模块名称 acc_eemd_decompose
核心函数 load_and_preprocess, perform_eemd, plot_imfs,eemd_main
作者 肖图刚
开发时间 2025‑05‑30
最后修改 2025‑06‑17（完善模块结构与示例脚本，支持自动通道配置）

🌟 功能描述

✅ 支持任意通道加速度信号分析（默认第4通道） ✅ 非平稳振动信号分解：EEMD 提取主要模态 ✅ 每个 IMF 可视化分析：时域波形 + 单边幅值谱 ✅ 自动通道验证与错误检查：保障鲁棒性 ✅ 可视化输出美观统一，适配报告排版

📂 输入数据说明

  • 文件格式：空格或制表符分隔的纯文本 .txt
  • 列结构：time | ch1 | ch2 | … | chN
  • 采样点数：默认取前 3000 点（可自定义）
  • 采样频率 fs：默认为 50 Hz（需指定）
  • 通道编号：从 0 开始计数（默认分析第4列）

⚙️ 运行环境与依赖

  • Python ≥ 3.9.16
  • 依赖库
    • numpy ≥ 2.2.0
    • matplotlib ≥ 3.9.4
    • PyEMD ≥ 1.6.4

📝 模块兼容 Jupyter 和命令行运行环境

🛠️ 快速使用说明

📁 安装依赖：

pip install -r requirements.txt

📁 安装模块：

pip install -e .

✅ 运行示例：

python example.py

或在代码中调用：

"""Minimal demo for acc_eemd."""
from pathlib import Path

import pandas as pd  # only for demonstration of path resolution

from acc_eemd_decomposition import eemd_main

# Assume data file placed at project root
data_file = f"datasets/2023-04-24_01_00_2min.txt"

# Run full pipeline
eemd_main(data_path=str(data_file))

🔢 主要流程

  1. 读取并验证数据 load_and_preprocess
  2. 执行 EEMD 分解 perform_eemd
  3. 可视化输出 plot_imfs：每个 IMF 的时域图与频谱图（单边 FFT）
  4. 参数灵活可控：支持采样点数、通道编号、EEMD 噪声参数自定义

💾 输出结果说明

类型 描述
图像 PNG 每个 IMF 的波形与频谱图
控制台输出 分解通道、IMF 数量、信号长度等信息
返回对象 imfs: np.ndarray 类型二维数组

图例示例1（IMF + FFT）：加速度分解的IMF曲线及频谱图_示例1

图例示例2（IMF + FFT）：加速度分解的IMF曲线及频谱图_示例2

🔁 后续优化建议

  1. 支持生命线平台的在线通道数据处理自动化流程
  2. 输出每个 IMF 的频率中心和能量比重
  3. 增加对 IMF 能量谱的统计分析
  4. 可扩展为 Dash / Streamlit 可交互平台 返回首页