基于物理信息神经网络的实时混合试验方法

摘要

实时混合试验是一种对含速度相关型构件的结构开展抗震性能研究的重要试验方法。然而，目前的实时混合试验面临着数值子结构计算效率难以满足实时性的挑战，限制了该方法在大型工程结构抗震试验中的应用。为了提高数值子结构的计算效率，提出了适用于实时混合试验的物理信息神经网络，实现了神经网络代理模型实时混合试验方法。首先，基于不同物理约束方程构建了神经网络模型；然后，通过有限元软件对2层含阻尼器框架结构进行了地震响应数值模拟，并利用这些模拟数据训练网络模型；最后，利用训练得到的物理信息神经网络开展了实时混合试验仿真。仿真结果表明，物理信息神经网络具备较高的预测精度，其中以恢复力作为损失函数的物理信息神经网络精度最高，基于物理信息神经网络代理模型的实时混合试验方法具备可行性。

关键词

实时混合试验 / 物理信息神经网络 / 损失函数 / 代理模型 / 子结构

基金资助

国家自然科学基金项目(52478202,52008320)