神经网络与粒子滤波：裂纹扩展预测的混合框架
信号处理
2020-04-29 v1 统计方法学
摘要
裂纹检测、长度估计与剩余使用寿命（RUL）预测是可靠性工程中最受关注的主题之一。若干研究探讨了不同材料的失效物理（PoF），并以数据驱动方法作为传统PoF研究的替代。为弥合这两种技术间的鸿沟，我们提出一种用于疲劳裂纹长度估计与预测的崭新混合框架。基于物理的建模通过估计Paris定律的参数（含相关不确定性）作用于断裂力学退化数据。裂纹长度估计通过将超声信号中人工提取的特征输入神经网络（NN）来推断。裂纹长度预测随后采用粒子滤波（PF）方法，以Paris定律为转移函数，并以NN输出为观测来更新裂纹生长路径。该混合框架结合了机器学习、基于物理的建模与贝叶斯更新，结果令人鼓舞。
引用
@article{arxiv.2004.13556,
title = {Neural Network and Particle Filtering: A Hybrid Framework for Crack Propagation Prediction},
author = {Seyed Fouad Karimian and Ramin Moradi and Sergio Cofre-Martel and Katrina M. Groth and Mohammad Modarres},
journal= {arXiv preprint arXiv:2004.13556},
year = {2020}
}
备注
10 Pages, 9 figures, Accepted for publication in proceedings of Structural Health Monitoring & NonDestructive Testing (SHM-NDT) 2020