A Review of Machine Learning Methods Applied to Structural Dynamics and Vibroacoustic

要約

機械学習 (ML) の使用はいくつかの分野に急速に広がり、構造力学と振動音響 (SD\&V) で多くの応用が見られています。
前例のないデータの可用性、アルゴリズムの進歩、計算能力によってデータから洞察を明らかにする ML の機能が増大し、意思決定、不確実性の処理、パターン認識、リアルタイム評価が強化されています。
SD\&V の 3 つの主要なアプリケーションは、これらの利点を活用しています。
構造健全性モニタリングでは、ML の検出と予測により、安全な運用と最適化されたメンテナンス スケジュールが実現されます。
システムの識別と制御設計は、アクティブ ノイズ コントロールとアクティブ バイブレーション コントロールの ML 技術によって活用されています。
最後に、いわゆる ML ベースのサロゲート モデルは、コストのかかるシミュレーションに代わる高速な代替手段を提供し、堅牢で最適化された製品設計を可能にします。
この分野には多くの作品があるにもかかわらず、レビューや分析は行われていません。
したがって、この進行中の分野の統合を追跡して理解するために、このホワイトペーパーでは、SD/&V 分析における ML アプリケーションの調査を提示し、実装の現状と新たな機会に光を当てます。
科学的知識に基づいた主な方法論、利点、制限、推奨事項が 3 つのアプリケーションごとに特定されました。
さらに、この論文では、現在の課題を克服し、将来の研究の進歩を促進するためのデジタル ツインと物理誘導 ML の役割について考察しています。
結果として、この調査は、SD\&V に適用される ML の現在の状況の広範な概要を提供し、読者をこの分野の進歩と展望についての高度な理解に導きます。

要約(オリジナル)

The use of Machine Learning (ML) has rapidly spread across several fields, having encountered many applications in Structural Dynamics and Vibroacoustic (SD\&V). The increasing capabilities of ML to unveil insights from data, driven by unprecedented data availability, algorithms advances and computational power, enhance decision making, uncertainty handling, patterns recognition and real-time assessments. Three main applications in SD\&V have taken advantage of these benefits. In Structural Health Monitoring, ML detection and prognosis lead to safe operation and optimized maintenance schedules. System identification and control design are leveraged by ML techniques in Active Noise Control and Active Vibration Control. Finally, the so-called ML-based surrogate models provide fast alternatives to costly simulations, enabling robust and optimized product design. Despite the many works in the area, they have not been reviewed and analyzed. Therefore, to keep track and understand this ongoing integration of fields, this paper presents a survey of ML applications in SD\&V analyses, shedding light on the current state of implementation and emerging opportunities. The main methodologies, advantages, limitations, and recommendations based on scientific knowledge were identified for each of the three applications. Moreover, the paper considers the role of Digital Twins and Physics Guided ML to overcome current challenges and power future research progress. As a result, the survey provides a broad overview of the present landscape of ML applied in SD\&V and guides the reader to an advanced understanding of progress and prospects in the field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google