基于机器学习的冲击时间序列从冲击响应谱曲线反重建
机器学习
2026-03-06 v2 信号处理
摘要
冲击响应谱(SRS)广泛用于表征单自由度(SDOF)系统对瞬态加速度的响应。由于从加速度时程到SRS的映射是非线性且一对多的，重建目标谱对应的时域信号本质上是病态的。传统方法通过迭代优化来解决此问题，通常将信号表示为指数衰减正弦波的和，但这些方法计算昂贵且受限于预定义的基函数。我们提出了一个条件变分自编码器(CVAE)，学习SRS到加速度时程的 data-driven(数据驱动)反向映射。一旦训练完成，该模型可在无需迭代优化的情况下生成与指定目标谱相符的信号。实验表明，相较于经典技术，本方法在谱保真度方面实现改进，能够强大地推广到未见谱，并将推断速度提高3至6个数量级。这些结果表明，深度生成模型是冲击SRS反重建的可扩展且高效方法。
引用
@article{arxiv.2603.03229,
title = {Inverse Reconstruction of Shock Time Series from Shock Response Spectrum Curves using Machine Learning},
author = {Adam Watts and Andrew Jeon and Destry Newton and Ryan Bowering},
journal= {arXiv preprint arXiv:2603.03229},
year = {2026}
}
备注
Extended journal-style manuscript. 27 pages, 13 figures