报告时间：2024年8月23日（周五）上午9:30-10:30

报告地点：基础楼1603

报 告 人：陈林聪  教授

主办单位：科技处

承办单位：数理系

---------------------------------------------------------------------------------------------------------------------

报告简介：

大多数工程结构不可避免地会遭受剧烈的非线性随机振动，自20世纪60年代以来已经得到了广泛的研究，但大规模强非线性系统的随机振动分析仍然是一个开放的问题。本文提出了一种基于神经网络的大规模强非线性系统在高斯白噪声(GWN)外激和/或参数激励下随机振动分析方法。首先，将控制稳态概率密度函数(PDF)的高维稳态Fokker-Planck-Kolmogorov (FPK)方程解耦为只涉及感兴趣物理量的低维(通常为一维或二维)FPK方程。证明了解耦FPK方程的等效漂移系数(EDCs)和扩散系数(EDFs)是条件平均函数(CMFs)。为了合理地逼近CMFs，讨论了回归分析中CMFs与回归函数的关系，证明了CMFs可以用回归方法逼近。然后，利用半解析径向基函数神经网络回归方法，利用少量先验数据对CMFs进行近似。随后，采用深度学习方案求解解耦稳态FPK方程，得到系统的响应统计量。为了说明这一点，我们研究了在高斯白噪声(GWN)外激和/或参数激励的6个典型例子。数值结果与精确解(如果可用)或蒙特卡罗模拟解进行了比较，以显示所提出方案的准确性和效率。与基于集成演化的广义密度演化方程(GV-GDEE)方案相比，该方法具有更高的精度，特别是对于强非线性系统。值得注意的是，尽管本文只预测了稳态响应，但所提出的框架可以扩展到瞬态响应预测。

报告人简介：

陈林聪，教授，博士导师，福建省杰青；2004年7月哈尔滨工程大学工程力学专业； 2009年6月研究生毕业于浙江大学航空航天学院工程力学专业，获工学博士学位，导师朱位秋院士。2009年8月起入职华侨大学土木工程学院。期间于2014年8月至2015年8月与2018年12月至2020年1月，美国加州大学Merced分校访问学者，合作导师为ASME会士孙建桥教授。陈林聪教授主要从事工程结构随机振动、结构振动与控制、先进纤维材料结构等方面研究。先后主持多项目国家自然科学基金、福建省自然科学基金项目及教育部博士点创新基金。在国内主流期刊上发表SCI收录论文80余篇。

科技处

2024年8月20日