有机增长规律分析：工业化三维模块化聚合系统中的变异性与灵活性 塞萨尔·丹尼尔·西尔文特-佩雷斯（César Daniel Sirvent-Pérez） 玛丽亚·伊莎贝尔·佩雷斯-米兰（Maria Isabel Pérez-Millán） 卡洛斯·佩雷斯-卡拉米尼亚纳（Carlos Pérez-Carrami?ana） 安德烈亚·玛丽·查韦斯-博诺（Andrea Marie Chávez-Bonneau）

《Buildings》：Analysis of Organic Growth Rules: Variability and Flexibility in Industrialised Three-Dimensional Modular Aggregation Systems César Daniel Sirvent-Pérez, Maria Isabel Pérez-Millán, Carlos Pérez-Carrami?ana and Andrea Marie Chávez-Bonneau

最优传感器布置方法针对大型空间网格结构健康监测，通过模态柔度分析划分子结构，训练多任务MLP模型识别退化参数并分类损伤，结合自动微分和场景加权优化传感器灵敏度，采用贪心D-最优设计在3-60预算内提升任务导向识别精度，优于传统EFI和MKE方法，验证了风险加权子结构设计的有效性。

　　

摘要

对于大规模空间网格结构的安全监测，最优传感器布置（OSP）必须能够在仪器稀疏的情况下可靠地识别局部构件的损坏情况。基于模态的OSP标准能够优化健康模型的可观测性，但并不能直接最小化子结构层面损伤参数的不确定性。我们将结构划分为多个子结构，模拟轴向和双向弯曲刚度损失情况，并计算截断的模态柔度。每个元素通过堆叠的端节点柔度子矩阵来表示，这些矩阵覆盖了?? =6种模态。我们训练了一个多任务、无固定点的多层感知器，使其能够回归三个非负损伤参数，并利用针对小损伤精度设计的损失函数来分类损伤的存在。通过自动微分替代模型与柔度特征之间的关系来获得传感器灵敏度，并结合强调关键弯曲情况和相邻子结构干扰情况的场景权重进行汇总。然后，采用贪婪的D-最优设计在实际覆盖约束下最大化正则化Fisher信息矩阵的对数行列式；子结构的选择被合并成一个全局可行的布局。在一个代表性的空间网格上，该方法在??tot =30–60的预算范围内，提高了任务导向的可识别性（相对于EFI和MKE），同时降低了模态对数行列式。这些发现表明，基于风险权重的、以子结构为先的任务设计可以作为纯模态标准的一种替代方案，用于子结构层面损伤参数的识别。