面向非线性动态系统的数据驱动损伤检测的深度学习架构
机器学习
2024-07-08 v1
摘要
结构健康监测的主要目标是在损伤到达临界水平之前检测其初始损伤。本工作深入调查了应用深度学习用于非线性动态系统的数据驱动损伤检测。具体而言，实现了基于 1D 卷积神经网络的自编码器（AEs）和生成对抗网络（GANs）。通过施加不同强度的随机振动，在不依赖于系统或激励先验知识的情况下，以无监督方式检测所 investigated 非线性动态系统的损伤起始。开展了涵盖不同类型非线性行为的全面数值研究。还提出与 magneto-elastic 非线性系统相关的实验应用，以证实研究结论。
引用
@article{arxiv.2407.03700,
title = {Deep learning architectures for data-driven damage detection in nonlinear dynamic systems},
author = {Harrish Joseph and Giuseppe Quaranta and Biagio Carboni and Walter Lacarbonara},
journal= {arXiv preprint arXiv:2407.03700},
year = {2024}
}
备注
34 pages, 17 figures, 4 tables