Resumen

En la práctica de la ingeniería, las estructuras se ven a menudo sometidas a diferentes tipos de cargas al mismo tiempo. Una de las cuestiones clave es cómo analizar y simular eficazmente este tipo de entorno dinámico de la estructura, denominado entorno dinámico combinado. En este artículo, se propone un nuevo método de predicción del entorno dinámico combinado desde la perspectiva del análisis de datos. En primer lugar, se demuestra teóricamente la existencia de similitud dinámica entre las respuestas de vibración de la misma estructura bajo diferentes condiciones límite. Además, se demuestra que esta similitud puede establecerse mediante un modelo de regresión de múltiples entradas y múltiples salidas. En segundo lugar, se introducen dos algoritmos de aprendizaje automático, la máquina de vectores de soporte multidimensional y la máquina de aprendizaje extremo, para establecer este modelo. Para comprobar la eficacia de este método, se aplican excitaciones de choque y de ruido blanco estocástico a un armazón cilíndrico con dos abrazaderas para simular distintos entornos dinámicos. Los errores de predicción en varios puntos de medición son todos inferiores a ±3 dB, lo que demuestra que el método propuesto puede predecir la respuesta de vibración estructural bajo una condición límite mediante la respuesta bajo otra condición en términos de precisión y estabilidad numérica.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:entorno dinámico, máquina de vectores soporte dimensional, excitaciones estocásticas de ruido blanco, diferentes condiciones de contorno, diferentes entornos dinámicos, máquina de aprendizaje extremo, método de predicción novedoso, modelo de regresión de salida, respuesta de vibración estructural, varios puntos de medición
• Keywords:dynamic environment, dimensional support vector machine, stochastic white noise excitations, different boundary conditions, different dynamic environments, extreme learning machine, novel prediction method, output regression model, structural vibration response, various measuring points