.png){kind=icon}
返回
Impact force identification via a physics-informed sparse coding network
.png){kind=icon}
OA
AI
DOI：10.1016/j.cja.2026.104362.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确识别冲击力对于航空航天复合材料结构的结构健康监测（SHM）和安全评估至关重要。外来物撞击可能引发难以察觉的损伤，对飞行安全构成风险。虽然传统的基于正则化的反演方法对参数选择敏感，而深度学习方法通常依赖大规模标注数据集。本文提出了一种基于物理信息稀疏编码网络（PISC-Net）用于冲击力识别。通过利用冲击力的固有稀疏性，基于最小最大凸惩罚（MCP）构建了非凸稀疏正则化模型。该模型通过近端梯度下降（PGD）算法求解，并将其展开为稀疏编码网络以实现自适应参数调整和可解释设计。为融入物理知识，将系统传递矩阵嵌入为不可训练的解码层。训练采用自监督策略，通过最小化预测与测量响应信号间的重构误差，无需真实标签。仿真和实验结果表明，PISC-Net相较于Tikhonov正则化具有更优的准确性和鲁棒性，凸显其在先进航空航天结构实际冲击监测中的潜力。
Keyword:
Impact force identification
Physics-informed neural network
Algorithm unrolling
Self-supervised learning
Sparse coding
Aerospace structural health monitoring
期刊
IF:
5.7
论文数:
4.7K
被引数:
1.4W
机构
引用论文
Kalhori, H.; Tashakori, S.; Halkon, B.; Alamdari, M.M.; Li, B.; Saberi, M. Advances in impact force identification: A comprehensive review techniques and mathematical innovations. Results Eng. 2025, 26, 105568. [Google Scholar] [CrossRef]Kalhori, H.; Tashakori, S.; Halkon, B.; Alamdari, M.M.; Li, B.; Saberi, M. 冲击力识别的进展：技术综合评述与数学创新。Results Eng. 2025, 26, 105568. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏
查看更多内容