面向具有局部运行激励的大型在役结构健康监测的模型降阶方法
数值分析
2020-12-16 v1 数值分析
摘要
我们提出一种针对具有局部运行激励的大型在役结构的基于仿真的分类方法。该方法扩展了两级端口约化约化基组件（PR-RBC）技术，以对带移动载荷的时域弹性动力学双曲偏微分方程提供更快速的求解估计。构建基于时域相关函数的特征，以训练如人工神经网络等分类器并执行损伤检测。该方法在一个带移动车辆（充当数字孪生）的桥梁实例上测试，以检测裂缝是否存在。该问题具有 个参数，并展示了两级 PR-RBC 方法以及相关函数特征在运行激励、其他干扰参数和附加噪声背景下的优点。分类任务的质量通过足够大的合成训练数据集和数值解的精度得到提升，在大小为 的训练集与大小为 的测试集不相交时，测试分类误差低于 。
引用
@article{arxiv.2012.08462,
title = {Model-Order-Reduction Approach for Structural Health Monitoring of Large Deployed Structures with Localized Operational Excitations},
author = {Mohamed Aziz Bhouri},
journal= {arXiv preprint arXiv:2012.08462},
year = {2020}
}
备注
32 pages, 12 figures