题 目：基于不完备监测数据的结构损伤诊断正则化方法

主讲人：黄永教授

时 间：2024年5月9日（周四）15:00

地 点：理学院会议室306

主办单位：理学院

主讲人简介：

  黄永，国家级青年人才，哈尔滨工业大学土木工程学院智慧基础设施学科组教授，校人工智能研究院研究员，兼任中国公路学会桥梁和结构工程分会理事、中国仪器仪表学会设备结构健康监测与预警分会委员等。2012年获哈尔滨工业大学工程力学博士学位，之后分别于加州理工学院计算与数学科学系和力学与土木工程系做博士后研究。长期从事结构健康监测和贝叶斯机器学习研究工作，主持承担国家重点研发计划课题/子课题、国家自然科学基金面上项目/青年基金/重点项目子课题等国家级科研项目，发表各类学术论文90余篇，参编《公路桥梁结构监测技术规范》等4部技术标准/规范。研究成果在多座大型桥梁和高铁轨道监测数据挖掘与健康诊断得到成功应用。

摘要：

  结构损伤诊断是健康监测的核心科学问题。但是在结构健康监测中往往要求数据感知经济高效而损伤诊断精细准确，不可避免导致基于监测数据的诊断反演的不适定性问题。考虑结构损伤特征的正则化约束是缓解诊断反演不适定性的重要手段，本报告分别介绍显性稀疏约束和隐性生成模型约束两类结构损伤诊断正则化方法。首先，考虑结构刚度损失的显性稀疏约束，建立了层次稀疏贝叶斯学习模型，实现高精度的刚度损失定位和大小估计；进一步开发了用于结构刚度退化和动态激励在线追踪识别的双卡尔曼滤波器，嵌入了参数变化的动态稀疏物理信息，并实现了滤波器噪声超参数的自动学习。此外，介绍一种基于超声导波的结构局部损伤诊断多任务稀疏贝叶斯学习方法，研究不确定性量化对导波损伤定位的有效性进行判定。最后，针对无人机高精度裂缝巡检无线传输图像数据的压缩需求，研究具有强大特征学习能力的生成对抗网络捕获裂缝图像的简约特征作为隐性正则化约束，建立高分辨率裂缝图像的压缩采样及其裂缝识别技术。