يتمتع التعرف الدقيق على قوة الحبال بأهمية عملية كبيرة، لكن طريقة التردد المستخدمة عادة في الهندسة تواجه مشكلات مثل تعقيد وتنوع صياغات الحساب. لتحقيق التعرف عالي الدقة على قوة الحبال، تم إدخال الشبكة العصبية المستنيرة بالمعلومات الفيزيائية (Physics-informed Neural Network, PINN) في مجال التعرف على قوة الحبال، واقتُرح طريقة التعرف على قوة الحبال المعلقة على جسور التعليق بناءً على هذه الشبكة. تتضمن الطريقة إدخال بند خسارة معادلة اهتزاز الوتر الذي يمثل قوة الحبال في دالة خسارة الشبكة العصبية كمعرفة فيزيائية، وجعل قوة الحبال معامل قابل للتعلم ضمن الشبكة، واستخدام استجابة الإزاحة الديناميكية للحبال المعلقة لتدريب الشبكة، ومن خلال تقليل دالة الخسارة يتم التعرف على قوة الحبال. تم إنشاء نموذج العناصر المحدودة لخمس حبال معلقة نموذجية للحصول على بيانات الاستجابة، واستخدمت هذه الطريقة للتعرف على قوة الحبال. أظهرت النتائج أنه في جميع مسائلالتعرف على قوة الحبال المحددة، لا تتجاوز خطأ التعرف على القوة 3%، مع دقة تعرف عالية؛ يصعب على الشبكة توقع مجال الإزاحة بدقة لإعادة بناء الإزاحة الحقيقية للحبال، لكنها تستطيع استعادة مجال إزاحة الاهتزازات من الدرجة المنخفضة جيدًا. بناءً على ذلك، تم إجراء تجربة جسر نموذج داخلي، والتحقق مرة أخرى من فعالية الطريقة المقترحة، مما يثبت أن الطريقة تتمتع بدقة تعرف عالية، وموثوقية قوية وقابلية توسعة جيدة، ومناسبة لتطبيقات التعرف على قوة الحبال الفعلية في الهندسة.

جسر معلق;الشبكة العصبية المستنيرة بالمعلومات الفيزيائية;معادلة الاهتزاز;التعرف على قوة الحبال;التعرف على المعاملات