研究人员提出用于飞机结构健康监测的GAN数据增强框架

1. 12:00
   arXiv 机器学习

   基于蒙特卡洛 Dropout 不确定性量化的生成对抗网络在结构健康监测中的应用：Hawk T1A 飞机光纤布拉格光栅数据增强对比

   研究人员提出了一种结合条件生成对抗网络训练与蒙特卡洛 Dropout 不确定性量化的新型数据增强框架，用于航空航天结构的信号合成。该框架在英国谢菲尔德大学的 BAE Systems Hawk T1A 飞机全尺寸基准数据集上完成验证，涵盖加速度、光纤布拉格光栅应变与非线性动态响应测量。测试表明该模型能准确捕捉主要结构动态并提供不确定性估计，可作为数字孪生组件辅助监督损伤分类工作流。

当前热度 9·可比范围峰值 10（10月19日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。