有限元模型修正中的贝叶斯深度神经网络构架优化设计

来源：振动与冲击杂志2025年第6期北京时间：

作者：何宇轩，尹涛tyin@whu，王曦

单位：武汉大学土木建筑工程学院，武汉430072

摘要：贝叶斯神经网络（BNN）相较于传统人工神经网络具有更强的噪声鲁棒性，在结构系统识别与健康监测领域逐渐受到关注，目前该领域的相关文献主要集中于单隐含层BNN的应用及其构架设计。具有一定深度的多隐含层构架相比于单隐含层在复杂高维数据拟合上通常具有更强的泛化能力，但针对多隐含层BNN构架优化设计问题的研究目前尚未见报道。本文旨在针对多隐含层BNN并结合有限元模型修正问题开展构架优化设计研究，发展基于证据对数的多隐含层BNN网络性能定量量度，并提出一种实现多隐含层BNN各隐含层神经元数量同步优化的高效算法，获得针对具体模型修正问题的多隐含层BNN构架优化设计方案。通过基于现场实测模态参数的某大跨度钢结构人行桥模型修正验证了所提出方法的正确性和有效性。<br>

关键词：结构系统识别；结构健康监测；有限元模型修正；贝叶斯深度神经网络；构架优化设计