振动分析是进行结构故障诊断与在线监测的重要手段。结构的振动信号中常常含有大量噪声,这使得信号和噪声的频谱在频域内发生了重叠。本文旨在研究适于结构的振动信号处理方法。经验模态分解(EMD)是目前信号处理中最热门的新兴技术之一,而将经验模态分解方法应用于实际结构振动信号处理方面,还不多见。本文以简支梁结构故障诊断仿真实验为基础,展开这方面的研究。本文介绍了经验模态分解方法(EMD)和神经网络(NN)的原理,研究了经验模态分解和神经网络的算法。为研究结构的故障诊断问题,对一简支梁模型进行仿真研究。采用经验模态分解方法对简支梁振动信号进行分解,对分解得到的前4个固有模态函数(IMF)分别求能量百分比,将IMF1-IMF4的能量百分比作为神经网络的输入向量,用17种工况的8组样本训练了简支梁故障诊断的网络模型。仿真结果表明,2组测试样本的测试结果均与实际状况相一致。当出现网络没有训练过的新故障时,检查结构,确定故障位置和类型,把新的故障数据加入到训练样本中,扩充故障库,再重新训练网络模型。之后,搭建了结构故障模拟试验平台,获得了关于简支梁振动信号的丰富的数据。通过分析验证了所研究的算法的有效性和适用性,这种方法可以检测出故障、故障的类型和故障的位置,为结构的故障诊断提出了一种有实用价值的方法。