.png){kind=icon}
返回
Sequential broad learning system modeling framework for finite element model updating using incomplete modal data
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engstruct.2026.122687.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种基于不完整模态数据的序贯BLS代理建模框架用于有限元模型修正。• 样本池首先通过目的性采样递归扩展，然后定期修剪以恢复其大小。• BLS代理模型随着新生成的样本增量更新，并在样本修剪后完全更新。• 提出了一种结合解析一阶和二阶导数的混合优化方法用于目的性采样。
Keyword:
BLS surrogate modeling
finite element model updating
incomplete modal data
purposeful sampling
hybrid optimization
期刊
IF:
6.4
论文数:
2.1W
被引数:
8.7W
机构
引用论文
分享收藏A finite element model updating method based on the trust region and adaptive surrogate model基于信赖域和自适应代理模型的有限元模型修正方法
PREAI
分享收藏Stochastic static finite element model updating using the Bayesian method integrating homotopy surrogate model基于贝叶斯方法并结合同伦代理模型的随机静态有限元模型修正
PREAI
分享收藏Visible Particle Series Search Algorithm and Its Application in Structural Damage Identification.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Markov chain Monte Carlo-based Bayesian model updating of a sailboat-shaped building using a parallel technique使用并行技术对帆船形建筑物进行基于马尔可夫链蒙特卡洛的贝叶斯模型更新
PREAI
分享收藏
查看更多内容