数字孪生实时识别
从稀疏应变测量实时重建随机振动下的界面加速度载荷，满足数字孪生对实时性与计算资源的严苛要求。
Wan, Wenqing · Dan, Wu · Haoyang, Liu · 王珺 · 陈敬龙
Engineering Structures 2026
模型基于 LSTM 学习结构动力响应的时间序列特征，能够从稀疏应变测量中快速给出加速度载荷估计，满足数字孪生场景对时间响应的严格要求。
在火箭模拟舱随机与定频振动实验验证中，该模型的识别精度和鲁棒性全面优于所对比的其他神经网络架构，对复杂激励具有更好的适应性。
仅需结构上已有的应变计数据即可进行实时载荷识别，无需额外安装加速度计，降低了传感器布置与维护的难度和成本。
该方法被验证可嵌入数字孪生流程，为结构健康监测与预测性维护提供持续的载荷边界条件，扩展数字孪生的应用范围。