基于 LSTM 与自编码器神经网络的土-结构相互作用效应非线性降阶建模
计算工程、金融与科学
2022-03-04 v1
摘要
在结构健康监测（SHM）领域，需要重复分析的反问题十分常见。随着非线性模型使用的增加，非线性降阶建模技术的发展至关重要。备受研究关注的一个方向，是使用灵活且可扩展的机器学习方法，这些方法能够利用输入输出数据学习逼近非线性动力系统的行为。在风力机结构背景下，一个令人关注的非线性系统是土-结构相互作用（SSI）问题。土壤的恢复力表现出强烈的非线性行为，并已被证明会显著影响风力机结构的动力响应。在这项工作中，我们展示了一种近期发展的非线性降阶建模方法的应用，该方法利用自编码器与 LSTM 神经网络，应用于海床层面承受实际荷载的风力机单桩非线性土-结构相互作用问题。该方法的精度与效率通过与使用 Abaqus 进行的全阶仿真对比来评估。对所考虑的系统，该 ROM 表现出良好的保真度，并大幅减少了计算时间。
引用
@article{arxiv.2203.01842,
title = {Nonlinear Reduced Order Modelling of Soil Structure Interaction Effects via LSTM and Autoencoder Neural Networks},
author = {Thomas Simpson and Nikolaos Dervilis and Philippe Couturier and Nico Maljaars and Eleni Chatzi},
journal= {arXiv preprint arXiv:2203.01842},
year = {2022}
}