.png){kind=icon}
返回
Information entropy regularization method for structural identification with large-scale damaged parameters
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cma.2025.117947.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着结构健康监测技术的进步，建模精度的提升、模型参数的可扩展性以及外部环境的复杂性给损伤识别带来了显著挑战。值得注意的是，从精细模型进行大规模参数识别的病态性问题已成为关键的技术难题。正则化方法被广泛用于缓解病态性并控制识别问题的复杂度。传统正则化方法通常惩罚损伤参数的不平衡，导致误差和次优收敛，无法准确反映实际损伤状况。为解决这些挑战，引入了信息熵正则化项以捕捉结构损伤位置和严重程度的分布。通过将正则化项与伴随敏感性优化算法相结合，开发了一种改进的迭代方法，用于管理从详细有限元模型中进行大规模损伤参数识别。对二维应力板和三维机翼的数值分析，以及对夹持板冲击损伤的实验验证，均证明了所提出方法的有效性和准确性。
Keyword:
Damage identification
Information entropy
Regularization method
Large-scale damaged parameters
期刊
IF:
7.3
论文数:
1.3W
被引数:
5.6W
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏Discovering governing equations from data by sparse identification of nonlinear dynamical systems通过非线性动力系统的稀疏识别从数据中发现控制方程
OAAI
OAAI分享收藏分享收藏
查看更多内容