一种用于船体结构群体式结构健康监测的分层贝叶斯方法

结构健康监测（SHM）策略涉及对结构响应数据的处理，以间接评估资产状态。当结构彼此相似时，这些策略可以通过共享底层物理机制得到增强。群体式 SHM 的核心思想是利用个体之间的数据共享，使数据丰富的成员支持数据稀缺的成员。群体层面建模的一种方法是分层贝叶斯方法，其中模型在参数层面进行分层，并通过条件化共享潜变量来启用学习任务之间的相关性。本工作研究了将分层贝叶斯模型应用于推断群体层面和领域层面的挠度幅值期望分布，旨在检测板单元群体中的过度初始挠度。尽管这些损伤通常是局部的，但如果监测不当，可能触发意外事件。该工作在数值环境中进行，使用有限元模型生成应变响应数据作为监测数据。贝叶斯推断通过马尔可夫链蒙特卡洛（MCMC）进行，并采用代理模型来计算似然函数。将分层方法与数据稀缺的板组件独立模型进行了比较。结果表明，在数据稀疏条件下，分层模型可以在不确定性方面提供更稳健的结果，这对决策任务至关重要。