公开(公告)号：CN117763926B

公开(公告)日：2024-05-17

申请号：CN202410195544.1

申请日：2024-02-22

Applicant: 大连理工大学

Inventor： 田阔 ,  黄熠玮 ,  王博 ,  高天贺 ,  胡轩玮

IPC: G06F30/23 ,  G06F30/13

Abstract: 一种数字孪生信息驱动的高可信结构变形监测方法，属于工程结构变形监测领域，步骤如下：建立结构的有限元模型进行采样，获得全场应变和变形样本数据，增加样本数据的多样性；以张量或矩阵形式存储应变和变形场样本数据；基于神经网络训练应变场到变形场样本数据的映射关系；实时获取应变传感器数据，并建立应变场的数字孪生模型；将数字孪生模型预测的全场应变数据信息作为神经网络的输入，预测的全场变形数据作为输出，通过预测结果实现全场变形监测。本发明无需进行位移计布置、变形监测可信度高，可解决传统变形测量方法易受结构振动影响，难以针对工程结构进行随动测量以及传统变形监测方法可信度低、稳定性差等难题。

公开(公告)号：CN117763926A

公开(公告)日：2024-03-26

申请号：CN202410195544.1

申请日：2024-02-22

Applicant: 大连理工大学

Inventor： 田阔 ,  黄熠玮 ,  王博 ,  高天贺 ,  胡轩玮

IPC: G06F30/23 ,  G06F30/13

Abstract: 一种数字孪生信息驱动的高可信结构变形监测方法，属于工程结构变形监测领域，步骤如下：建立结构的有限元模型进行采样，获得全场应变和变形样本数据，增加样本数据的多样性；以张量或矩阵形式存储应变和变形场样本数据；基于神经网络训练应变场到变形场样本数据的映射关系；实时获取应变传感器数据，并建立应变场的数字孪生模型；将数字孪生模型预测的全场应变数据信息作为神经网络的输入，预测的全场变形数据作为输出，通过预测结果实现全场变形监测。本发明无需进行位移计布置、变形监测可信度高，可解决传统变形测量方法易受结构振动影响，难以针对工程结构进行随动测量以及传统变形监测方法可信度低、稳定性差等难题。