报告详情
基于PhyCNN的结构损伤识别快速贝叶斯推理算法
编号：20
访问权限：仅限参会人
更新：2025-11-13 12:45:47 浏览：2次
口头报告
报告开始：暂无开始时间（）
报告时间：暂无持续时间
所在会场：[暂无会议] [暂无会议段]
暂无文件
摘要
针对结构损伤识别的贝叶斯推断方法，因高维参数空间和马尔可夫链蒙特卡洛采样过程中需反复调用计算昂贵的有限元模型而面临计算瓶颈。本研究提出一种融合物理引导卷积神经网络与零样本迁移学习的加速贝叶斯框架以突破上述限制。该框架通过物理约束损失函数嵌入基础力学原理，构建可替代有限元模拟的PhyCNN代理模型，实现损伤状态模态参数的快速预测。实验与数值模拟结果表明：该框架在保持高精度的同时，较传统MCMC方法实现计算速度量级提升。通过物理感知深度学习与跨域迁移的协同创新，本研究弥合了仿真驱动训练与实际结构健康监测间的鸿沟，为大型基础设施的实时贝叶斯诊断提供了实用路径。
关键词
暂无
报告人
榕榕 侯
教授 哈尔滨工业大学稿件作者
全部评论
重要日期
-
会议日期
11月21日
2025
至11月23日
2025
-
11月18日 2025
初稿截稿日期
-
11月23日 2025
注册截止日期
主办单位
华中科技大学
承办单位
华中科技大学
发表评论