जटिल लोड के अधीन संरचनाओं के लिए भौतिकी से सूचित छिपी बल मॉडल के साथ संवर्धित काल्मन फ़िल्टर के माध्यम से संयुक्त इनपुट-राज्य अनुमान

संयुक्त इनपुट-राज्य अनुमान एल्गोरिदम जैसे कि संवर्धित काल्मन फ़िल्टर (AKF) इस धारणा पर निर्भर करते हैं कि इनपुट लोड का वितरण सरल स्थानिक पैटर्न का पालन करता है, जो या तो स्थानिक रूप से वितरित होते हैं याSparse होते हैं। हालांकि, कई वास्तविक परिस्थितियों में लोड का स्थानिक वितरण जटिल और समय के साथ परिवर्तनीय होता है, जो एक महत्वपूर्ण चुनौती प्रस्तुत करता है। इस मुद्दे को हल करने के लिए, यह पेपर भौतिकी से सूचित छिपी बल मॉडल के साथ संवर्धित काल्मन फ़िल्टर (AKF-PILFM) नामक एक नई विधि प्रस्तुत करता है, जो प्रशिक्षण डेटा के आधार पर इनपुट लोड की गतिशीलता के अंतर्निहित भौतिकी के बारे में ज्ञान को शामिल करता है। पेपर में, AKF-PILFM का सामान्य स्वरूपण वर्णित किया गया है, इसके बाद उन संरचनाओं के लिए इसके विशेष अनुप्रयोग का उल्लेख किया गया है, जो जटिल स्पैटियोटेम्पोरल व्यवहार जैसे कि लहर लोड का सामना करते हैं। लहर लोड की प्रमुख विशेषताओं को गतिशील मोड विघटन के माध्यम से प्रशिक्षण डेटा से पहचाना जाता है, जिससे लोड का एक राज्य स्थान मॉडल विकसित किया जा सकता है जिसे AKF-PILFM के साथ एकीकृत किया जा सकता है। प्रस्तावित विधि की प्रभावशीलता को प्रदर्शित करने के लिए, एक संख्यात्मक उदाहरण प्रदान किया गया है जिसमें एक 3डी स्टील जैकेट संरचना है जो गैर-रेखीय असामान्य लहरों के अधीन है। AKF-PILFM सटीक अनुमान परिणाम दिखाता है और उदाहरण में, यह गॉसियन प्रक्रिया छिपे बल मॉडलों और तुलनीय मोडल लोड के आधार पर एक मौजूदा विधि को पार करता है, यह इंगित करता है कि लोड का स्पैटियोटेम्पोरल व्यवहार संरचनात्मक प्रतिक्रिया को महत्वपूर्ण रूप से प्रभावित करता है।