应用于结构动力学与振动声学的机器学习方法综述
机器学习
2023-07-21 v2 声音
音频与语音处理
摘要
机器学习(ML)的使用已迅速扩展到多个领域,在结构动力学与振动声学(SD&V)中已有诸多应用。ML从数据中揭示洞见的能力不断增强,这由前所未有的数据可用性、算法进步和计算能力所驱动,提升了决策制定、不确定性处理、模式识别和实时评估。SD&V中的三类主要应用受益于这些优势。在结构健康监测中,ML检测与预后带来安全运营与优化的维护计划。在主动噪声控制与主动振动控制中,系统辨识与控制设计因ML技术而得到加强。最后,所谓的基于ML的替代模型提供了昂贵模拟的快速替代方案,使稳健且优化的产品设计成为可能。尽管该领域已有大量工作,它们尚未被综述与分析。因此,为追踪并理解这一正在进行的领域融合,本文呈现ML在SD&V分析中应用的调研,阐明当前实施状况与新兴机遇。针对三类应用,基于科学知识识别了主要方法、优势、局限与建议。此外,论文考量了数字孪生与物理引导ML的作用,以克服当前挑战并推动未来研究进展。由此,该综述提供了ML应用于SD&V的现状概览,并引导读者深入理解该领域的进展与前景。
引用
@article{arxiv.2204.06362,
title = {A Review of Machine Learning Methods Applied to Structural Dynamics and Vibroacoustic},
author = {Barbara Cunha and Christophe Droz and Abdelmalek Zine and Stéphane Foulard and Mohamed Ichchou},
journal= {arXiv preprint arXiv:2204.06362},
year = {2023}
}