基于RBFNN隨機動力學研究最新進展

報告題目：基于RBFNN隨機動力學研究最新進展

報告人： 陳林聰 教授 華僑大學

邀請人：李偉

報告時間：2026年1月8日，上午9:30

報告地點：#騰訊會議：519-316-315

報告人簡介：陳林聰，教授、博士生導師，省部級人才。2004年于哈爾濱工程大學工程力學專業(yè)獲學士學位，2009年于浙江大學工程力學專業(yè)獲工學博士學位，師從朱位秋院士。同年入職華僑大學土木工程學院，期間曾赴美國加州大學Merced分校進行兩次訪問研究，合作導師為ASME會士孫建橋教授。主要研究方向包括工程結(jié)構(gòu)隨機振動、結(jié)構(gòu)振動與控制、先進纖維材料結(jié)構(gòu)等。主持多項國家級與省部級科研項目，包括國家自然科學基金（4項面上、1項青年）及福建省自然科學基金（1項重點、1項杰青、3項面上）。在國內(nèi)外主流期刊發(fā)表SCI論文100余篇。現(xiàn)任中國振動工程學會非線性振動專業(yè)委員會和隨機振動專業(yè)委員會委員，國際期刊《International Journal of Dynamics and Control》副主編，福建省力學學會常務(wù)理事。

摘要： 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBFNN）在求解Fokker-Planck-Kolmogorov方程方面展現(xiàn)出顯著優(yōu)勢，為隨機動力學響應(yīng)分析提供了有效途徑。本文綜述RBFNN方法的兩項最新進展：一是基于Feynman-Kac框架，將FPK方程轉(zhuǎn)化為積分形式，結(jié)合短時高斯近似與內(nèi)接球面采樣策略，實現(xiàn)了Bouc-Wen滯回系統(tǒng)概率密度函數(shù)的高效計算，避免了傳統(tǒng)方法的高階導數(shù)運算；二是引入遷移學習增強的RBFNN降維策略，利用動力系統(tǒng)的時間連續(xù)性，在相鄰時間步間傳遞已學習表征，顯著降低了高維非線性隨機系統(tǒng)概率密度演化分析的計算成本。數(shù)值算例表明，所提方法在滯回軟化、硬化系統(tǒng)及典型高維非線性系統(tǒng)中，均能精確捕捉非高斯、雙峰等復雜概率特征，與蒙特卡洛模擬結(jié)果吻合良好。該研究為工程復雜隨機系統(tǒng)的概率響應(yīng)分析與不確定性量化提供了兼具精度與效率的新途徑。