基于物理信息循环神经网络的非线性系统地震响应评估
机器学习
2023-08-21 v1
摘要
结构工程中的动力响应评估是指在地震、风或冲击等动力荷载作用下确定结构响应（如构件内力、节点位移等）的过程。这是结构分析的一个重要方面，因为它使工程师能够评估结构在极端荷载条件下的性能，并就结构的设计与安全性做出明智决策。传统的动力响应评估方法涉及使用有限元分析（FEA）进行数值模拟，其中结构由有限单元建模，运动方程通过数值方法求解。尽管有效，但该方法计算量大，可能不适用于实时应用。为解决这些局限，机器学习尤其是人工神经网络的最新进展已被应用于结构工程中的动力响应评估。这些技术利用大型数据集和复杂算法来学习输入与输出之间的复杂关系，使其非常适合此类问题。本文提出一种新方法，利用物理信息循环神经网络评估多自由度（MDOF）系统的动力响应。本文重点评估非线性结构的地震（地震动）响应。将把预测响应与FEA等最先进方法进行对比，以评估物理信息RNN模型的有效性。
引用
@article{arxiv.2308.08655,
title = {Physics Informed Recurrent Neural Networks for Seismic Response Evaluation of Nonlinear Systems},
author = {Faisal Nissar Malik and James Ricles and Masoud Yari and Malik Arsala Nissar},
journal= {arXiv preprint arXiv:2308.08655},
year = {2023}
}