论文标题：A data-based inverse problem-solving method for predicting structural orderings

期刊：Frontiers of Structural and Civil Engineering

作者：Yiwen LI, Jianlong CHEN, Guangyan LIU, Zhanli LIU, Kai ZHANG

发表时间：15 Jan 2025

DOI：10.1007/s11709-024-1078-y

微信链接：点击此处阅读微信文章

文章亮点/Highlights

在结构健康监测等领域，逆问题求解方法意义重大，但当观测数据不完整时，传统求解方法面临诸多挑战，而数据驱动方法的发展为解决此类问题带来了新机遇。清华大学柳占立副教授和北京理工大学张凯副教授团队联合开展了题为“A data-based inverse problem-solving method for predicting structural orderings”的相关研究。

本研究针对观测数据不完整时逆问题求解的难题，提出了一种创新性的数据驱动方法。该方法先借助全连接神经网络（FCNN），通过依次补全位移信息的奇数、偶数行（列），逐步实现位移信息的补全；再利用卷积神经网络（CNN）构建位移场与结构参数之间的映射关系，充分挖掘数据中的非线性关联，突破了传统方法对精确模型参数和边界条件的依赖。

在性能表现上，该方法展现出显著优势。在位移信息缺失20%的情况下，其结构参数预测精度仍可达95.15%。与遗传算法相比，数据驱动方法的预测精度提升了23.83%，且随着位移数据量增加，遗传算法精度提升有限，而该方法能充分利用位移场信息，持续显著提升预测精度。

本研究建立的力学逆问题求解框架，为数据驱动方法在结构健康监测领域的拓展应用开辟了新路径。

基于数据的方法和遗传算法预测结构参数：（a）使用FCNN将96个位移值完整转换为121个位移值；（b）基于数据的方法分别从96和121个位移值预测结构①和②；（c）GA分别从96和121个位移值预测结构③和④

摘要/Abstract

Inverse problem-solving methods have found applications in various fields, such as structural mechanics, acoustics, and non-destructive testing. However, accurately solving inverse problems becomes challenging when observed data are incomplete. Fortunately, advancements in computer science have paved the way for data-based methods, enabling the discovery of nonlinear relationships within diverse data sets. In this paper, a step-by-step completion method of displacement information is introduced and a data-driven approach for predicting structural parameters is proposed. The accuracy of the proposed approach is 23.83% higher than that of the Genetic Algorithm, demonstrating the outstanding accuracy and efficiency of the data-driven approach. This work establishes a framework for solving mechanical inverse problems by leveraging a data-based method, and proposes a promising avenue for extending the application of the data-driven approach to structural health monitoring.

关键词/Keywords

mechanical inverse problem; displacement information completion; digital structural orderings; data-based method; genetic algorithm

引用信息/Citation Information

Yiwen LI, Jianlong CHEN, Guangyan LIU, Zhanli LIU, Kai ZHANG. A data-based inverse problem-solving method for predicting structural orderings. Front. Struct. Civ. Eng., 2025, 19(1): 22–33

全文下载/Full paper access

获取全文

https://doi.org/10.1007/s11709-024-1078-y

《前沿》系列英文学术期刊

由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。

中国学术前沿期刊网

http://journal.hep.com.cn