一种基于勒让德截面最值的数据驱动不确定性模态参数辨识方法

本发明公开了一种基于勒让德截面最值的数据驱动不确定性模态参数辨识方法，属于结构健康监测、系统辨识及人工智能领域。该方法通过区间形式量化结构模型的不确定性参数边界，利用多层感知机神经网络高效计算勒让德多项式零点，并将其映射到区间参数空间生成样本点。结合有限元分析获得结构响应数据，采用长短期记忆神经网络进行模态参数辨识，通过勒让德多项式拟合近似模型并求导确定最值点，最终投射回区间参数空间得到模态参数的区间范围。本发明融合深度学习和区间不确定性量化技术，显著提高了辨识精度和计算效率，为复杂结构在不确定性环境下的智能健康监测提供了高效解决方案。