机器学习 (ML) 的使用已迅速扩展到多个领域,在结构动力学和振动声学 (SD&V) 中产生了许多应用。在前所未有的数据可用性、算法进步和计算能力的推动下,ML 从数据中揭示洞察力的能力不断增强,增强了决策制定、不确定性处理、模式识别和实时评估。 SD&V 中的三个主要应用都利用了这些优势。在结构健康监测中,机器学习检测和预测导致安全操作和优化维护计划。 ML 技术在主动噪声控制和主动振动控制中利用了系统识别和控制设计。最后,所谓的基于 ML 的代理模型为昂贵的模拟提供了快速替代方案,从而实现了稳健和优化的产品设计。尽管该地区有许多作品,但尚未对其进行审查和分析。因此,为了跟踪和理解这种持续的领域整合,本文对机器学习在 SD&V 分析中的应用进行了调查,阐明了当前的实施状态和新出现的机会。为这三种应用中的每一种确定了主要的方法、优势、局限性和基于科学知识的建议。此外,本文还考虑了数字孪生和物理引导 ML 在克服当前挑战和推动未来研究进展方面的作用。因此,该调查对在 SD&V 中应用的机器学习的现状进行了广泛的概述,并引导读者深入了解该领域的进展和前景。
图 9:结构健康监测工作流程:(a)在经典方法中,特征提取和选择是手工制作的,然后是 ML 方法;(b) 如果使用深度学习,则通过 ML 方法自动执行特征提取和选择。
图 15:数字孪生框架:来自物理的数据由数字孪生的数据驱动方法处理,在整个产品生命周期中支持优化和稳健的决策。