arXiv cs.LG· Alvaro Peiro, Marios Impraimakis·· 15 天前AI 评分29
用于结构健康监测的蒙特卡洛 Dropout 不确定性量化生成对抗网络：Hawk T1A 飞机光纤布拉格光栅数据增强对比
Generative adversarial networks with Monte Carlo dropout uncertainty quantification for structural health monitoring: Fibre Bragg grating data augmentation comparison in Hawk T1A aircraft
AI 导读
研究人员提出一种结合条件生成对抗网络与蒙特卡洛 Dropout 不确定性量化的数据增强框架，用于航空航天结构的时序与频谱信号合成。该框架在谢菲尔德大学的 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及非线性动态响应测量。结果表明模型能准确捕捉主导结构动力学特征并输出不确定性估计，可作为数字孪生组件辅助监督损伤分类决策。
来源：arXiv cs.LG · arxiv.org