【编者按】

为进一步培养我校研究生创新能力，提高研究生综合素质，促进学校研究生教育内涵发展，特推出“优博风采”专栏，邀请校级及以上优秀博士学位论文获得者分享科研历程与学术体会、展示创新成果与学位论文等，旨在激励我校研究生秉持“不息为体，日新为道”校训精神，潜心研究、锐意创新。

本期专访人物：土木工程学科博士研究生 姜克杰

所获奖励名称：2023年北京工业大学优秀博士学位论文

【勤学如春起之苗，不见其增，日有所长】

读博是一个厚积薄发的过程，是传承与创新的过程。在研究初期我们可能对自己的研究领域知之甚少，随着研究的深入和长期的思考，逐渐领悟科研的精髓和奥妙之处并在一个或多个方向取得突破。传承是创新的前提，大量的文献调查必不可少，通过总结现有研究成果，我们可以理清领域发展脉络，传承前人的智慧。创新不易，因此在科研过程中我们要勤于思考，善于思考，采用科学的研究方法，经常与导师讨论。“勤学如春起之苗，不见其增，日有所长”，日常的点滴积累，终将汇聚成创新思路的源泉。

【博士论文介绍】

论文中文题目：结构动力响应重构与系统识别方法及其在结构健康监测中的应用

论文英文题目：STRUCTURAL DYNAMIC RESPONSE RECONSTRUCTION AND SYSTEM IDENTIFICATION METHODS AND ITS APPLICATIONS IN STRUCTURAL HEALTH MONITORING

作 者：姜克杰

指导教师：韩强 教授

培养单位：城市建设学部

学 科：土木工程

论文主要贡献及创新点

论文旨在将先进的深度学习和机器学习理论与结构健康监测中的系统识别、损伤检测和状态评估等核心问题相结合，开发新型的数据驱动的结构健康监测和智慧运维策略。论文的主要贡献如下：

1.基于结构动力响应重构的系统识别机理

从经典的子空间系统识别方法作为起点，阐明了内在的无监督响应重构机理。随后借助深度学习技术将这种响应重构思想推广至一般线性/非线性系统。进一步加强了响应重构与系统识别之间的联系，尤其是基于无监督时域响应重构的系统识别。最后，借助贝叶斯神经网络将确定性的动力响应重构框架拓展至概率响应重构，实现了从确定性系统识别到概率系统识别的转变。

2.基于结构动力响应重构的系统识别在结构健康监测中的若干应用

（1）提出了一种基于层次密度估计和系统矩阵随机正则化的鲁棒自动化运营模态分析框架。该框架能够对长期实测数据进行自动化运营模态分析而无需人为干预，为结构状态的实时诊断提供了可靠的保证。

图1 基于层次密度估计的自动化运营模态分析

（2）提出并系统研究了基于无监督响应重构的结构状态感知和异常诊断方法。从条件概率生成的角度讨论了结构健康监测中振动数据的压缩感知和随机丢失数据的恢复问题。提出了一种新颖的数据驱动的神经语义修复框架，证明了所提方法可潜在地用于具有分布式密集传感器网络的大型复杂结构健康监测系统的管理和维护，验证了所提框架在结构状态评估和识别结构微损伤方面潜在的应用价值。

（3）提出了一种基于贝叶斯神经自回归网络的环境温度效应概率非线性建模及不确定性量化策略，其有效地整合了系统中的认知和偶然不确定性。所提贝叶斯神经动力学模型不仅给出了高精度的预测，还提供了合理的预测置信界限。该框架为构建可靠的结构状态评估指标提供了坚实的基础。

【博士期间代表性科研成果】

【与导师合影】

（图文：姜克杰；排版：陈柳兵；编辑：胡春瀛；审核：高春娣、韩红桂）