報告時間：2025年11月5日（星期三） 9:30-10:30
報告地點：翡翠湖校區(qū)科教樓B1811室
騰訊會議：241-188-940，密碼：1695
報 告 人：陳林聰 教授
工作單位：華僑大學
舉辦單位：數(shù)學學院
報告簡介：
多數(shù)工程結構不可避免地會遭受劇烈的非線性隨機振動，自20世紀60年代以來已經得到了廣泛的研究，但大規(guī)模強非線性系統(tǒng)的隨機振動分析仍是一個開放的問題。本文提出了一種基于神經網絡的大規(guī)模強非線性系統(tǒng)在高斯白噪聲(GWN)外激和/或參數(shù)激勵下隨機振動分析方法。首先，將控制穩(wěn)態(tài)概率密度函數(shù)(PDF)的高維穩(wěn)態(tài)Fokker-Planck-Kolmogorov(FPK)方程解耦為只涉及感興趣物理量的低維(通常為一維或二維)FPK方程。證明了解耦FPK方程的等效漂移系數(shù)(EDCs)和擴散系數(shù)(EDFs)是條件平均函數(shù)(CMFs)。為了合理地逼近CMFs，討論了回歸分析中CMFs與回歸函數(shù)的關系，證明了CMFs可以用回歸方法逼近。然后，利用半解析徑向基函數(shù)神經網絡回歸方法，利用少量先驗數(shù)據對CMFs進行近似。隨后，采用深度學習方案求解解耦穩(wěn)態(tài)FPK方程，得到系統(tǒng)的響應統(tǒng)計量。為了說明這一點，我們研究了在高斯白噪聲(GWN)外激和/或參數(shù)激勵的6個典型例子。數(shù)值結果與精確解(如果可用)或蒙特卡羅模擬解進行了比較，以顯示所提出方案的準確性和效率。與基于集成演化的廣義密度演化方程(GV-GDEE)方案相比，該方法具有更高的精度，特別是對于強非線性系統(tǒng)。值得注意的是，盡管本文只預測了穩(wěn)態(tài)響應，但所提出的框架可以擴展到瞬態(tài)響應預測。
報告人簡介：
陳林聰，教授、博士生導師，福建省杰青、B類重點人才。2004年于哈爾濱工程大學工程力學專業(yè)獲學士學位，2009年于浙江大學工程力學專業(yè)獲工學博士學位，師從朱位秋院士。同年入職華僑大學土木工程學院，期間曾赴美國加州大學Merced分校進行兩次訪問研究，合作導師為ASME會士孫建橋教授。主要研究方向包括工程結構隨機振動、結構振動與控制、先進纖維材料結構等。主持多項國家級與省部級科研項目，包括國家自然科學基金（4項面上、1項青年）及福建省自然科學基金（1項重點、1項杰青、3項面上）。在國內外主流期刊發(fā)表SCI論文100余篇。現(xiàn)任中國振動工程學會非線性振動專業(yè)委員會和隨機振動專業(yè)委員會委員，國際期刊《International Journal of Dynamics and Control》副主編，福建省力學學會常務理事。
