7.3　时变结构辨识的单模态递推筛选方法

在近二十来年，以减少辨识过程中的人工参与、提高自主化水平为目的的自动模态辨识方法受到关注。比较成熟的主要是基于稳定图和聚类方法，虽然其计算量大，但在对辨识时间要求不严格的时不变或极慢变结构的模态参数辨识任务中获得广泛应用。若直接应用于一般慢时变结构的模态参数递推辨识任务中，则需要在每一时刻都进行上述计算，这对计算方法以及计算设备都提出了巨大挑战。针对时不变或极慢变的结构模态参数辨识问题，近年来深度学习取得了重要进展，深度学习模型可以高效可靠地对难以量化的知识进行表征，使得以往依赖人工经验、必须离线处理的虚假模态筛选工作递推进行成为可能。本节提出一种基于深度学习的时变结构模态参数辨识的单模态递推筛选方法，通过深度学习模型引入离线专家筛选知识，对辨识结果逐一判断，实现单模态递推筛选［228，312］。时不变（或极慢变）结构的单模态筛选方法通常存在一个固定的阈值，如认为物理模态结果的模态阻尼比不应该小于零或大于20%。本节关注的重点是时变的“知识”。(https://www.daowen.com)