迈向风险知情的 PBSHM：作为分层系统的结构群
人工智能
2023-03-27 v1 机器学习
应用统计
摘要
关于结构运维（O&M）的知情且最优决策的前景，推动了结构健康监测（SHM）系统的发展。一种基于概率风险的决策框架已被提出。然而，为学习决策所需的统计模型，需要来自目标结构的测量数据。遗憾的是，这些数据很少能在确保模型良好泛化所需的环境与运行条件范围内可用。近来，通过将对 SHM 扩展至结构群从而克服此挑战的技术得以发展，使得可在足够相似的结构实例间迁移有价值知识。这一新方法被称为基于群体的结构健康监测（PBSHM）。本文给出结构群的形式化表示，以便在其内规范基于风险的决策过程。该基于群体的表示是对概率风险决策框架中用于定义故障树的结构分层表示的扩展。结果是一个系列，由从单个部件层级直至异构群体清单的系统之系统组成。本文以风电场清单作为动机示例，并凸显该分层表示内可作出的推断与决策。
引用
@article{arxiv.2303.13533,
title = {Towards risk-informed PBSHM: Populations as hierarchical systems},
author = {Aidan J. Hughes and Paul Gardner and Keith Worden},
journal= {arXiv preprint arXiv:2303.13533},
year = {2023}
}
备注
Submitted to IMAC-XLI conference (2023), Austin, Texas, USA