公开(公告)号：CN119066920A

公开(公告)日：2024-12-03

申请号：CN202411134557.4

申请日：2024-08-19

Applicant: 哈尔滨工业大学

Inventor： 鲍跃全 ,  关效澍 ,  李惠

IPC: G06F30/23 ,  G06F30/13

Abstract: 本发明是一种基于深度强化学习和自博弈策略的斜拉桥结构失效模式搜索方法。本发明涉及土木工程结构健康监测技术领域，本发明将结构系统失效模式搜索过程中基于失效概率的构件选择过程，转化为基于深度强化学习的序贯决策过程，使搜索过程不再需要复杂的失效概率计算与状态转化计算，减少“组合爆炸”问题对搜索过程的影响。本发明的自博弈策略可有效降低训练过程中对先验知识的依赖，充分发挥评分函数计算过程中每次有限元分析所得结果的作用，减少有限元分析的次数，使训练过程更加智能。

公开(公告)号：CN118194965A

公开(公告)日：2024-06-14

申请号：CN202410349268.X

申请日：2024-03-26

Applicant: 哈尔滨工业大学

Inventor： 鲍跃全 ,  孙华彬 ,  关效澍 ,  田雨翾

IPC: G06N3/091 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094

Abstract: 基于深度对抗自编码器充分降维神经网络的结构可靠度主动学习方法及系统，本发明涉及结构可靠性评估领域,解决现有技术中在处理高维强非线性可靠度分析问题时，仍需要大量调用耗时的有限元分析计算极限状态函数，且代理模型方法在处理高维非线性可靠度分析问题时仍面临挑战。所述方法包括：将基于深度对抗自编码器充分降维神经网络作为代理模型，将原始高维变量空间映射到低维潜变量空间；低维潜变量空间服从高斯分布，且原始高维变量空间中复杂的极限状态面被简化为低维潜变量空间中清晰的极限状态面；反复筛选出候选样本，低维潜变量空间服从的高斯分布从候选样本中均匀采样；直至失效概率收敛。适用于可靠度分析、土木工程结构健康监测领域中。