基于异构数据的板弯曲随机推断：通过Kirchhoff-Love理论的物理信息高斯过程

机器学习的进步和结构监测数据的丰富激发了将力学模型与概率模型相结合以识别结构状态并量化其物理参数和响应不确定性的研究。本文提出了一种基于物理信息高斯过程的经典Kirchhoff-Love板推断方法。通过将高斯过程先验置于挠度上，并利用板控制方程的线性微分算子推导协方差函数，构建了一个多输出高斯过程的概率模型。使用马尔可夫链蒙特卡洛从含噪声测量中采样，以贝叶斯方式推断抗弯刚度、超参数和板响应的后验。我们通过两个示例展示了其适用性：一个承受正弦荷载的简支板和一个承受均布荷载的固定板。结果说明了如何通过整合来自不同传感器类型和质量的测量，利用所提方法对板刚度和物理量进行随机推断。所提方法的潜在应用包括板状结构的结构健康监测和不确定性量化。