利用机器学习预测不确定条件下固体-流体及其界面中的超声导波传播
信号处理
2024-01-15 v1 机器学习
流体动力学
摘要
结构健康监测（SHM）系统利用无损检测原理进行损伤识别。作为 SHM 的一部分，超声导波（UGWs）的传播被跟踪与分析以获知相关波形的变化。这些变化有助于识别结构损伤（若存在）的位置。我们通过考虑结构材料与几何属性的不确定性推进了现有研究。本研究使用的物理模型由声学与弹性波方程的单片耦合系统组成，即已知的流体-固体及其界面波传播（WpFSI）问题。当 UGWs 在固体、流体及其界面中传播时，将波信号位移测量与基准波形进行对比。对于数值求解，我们开发了高效算法以成功处理不确定性下多物理场问题固有的复杂性。我们提出一种使用高斯过程回归与卷积神经网络预测不确定条件下固体-流体及其界面中 UGW 传播的方法。首先，利用声学与弹性波方程单片耦合系统，针对结构内包含物不确定参数的不同实现生成一组训练图像。接着，用这些图像训练的高斯过程结合卷积神经网络预测传播波，以进一步增强并为不确定性的新实现生成高质量的波形图像。结果表明所提方法在存在不确定性的情况下对 WpFSI 问题提供了准确预测。
引用
@article{arxiv.2105.02813,
title = {Prediction of Ultrasonic Guided Wave Propagation in Solid-fluid and their Interface under Uncertainty using Machine Learning},
author = {Subhayan De and Bhuiyan Shameem Mahmood Ebna Hai and Alireza Doostan and Markus Bause},
journal= {arXiv preprint arXiv:2105.02813},
year = {2024}
}
备注
21 pages, 13 figures