Точное определение силы натяжения канатов имеет важное практическое значение, однако часто используемый в инженерии метод частот сталкивается с проблемами сложности и разнообразия вычислительных формул. Для реализации высокоточного определения силы натяжения канатов введена физически-информированная нейронная сеть (Physics-informed Neural Network, PINN) в область распознавания сил натяжения канатов, предложен метод определения силы натяжения канатов в вантовых мостах на основе физически-информированной нейронной сети. В функцию потерь нейронной сети введен член потерь уравнения колебаний струны, характеризующий силу натяжения канатов как физическая информация, сила натяжения рассматривается как параметр, поддающийся обучению, и используется динамическое перемещение канатов для обучения сети, что позволяет определить силу натяжения путем минимизации функции потерь. Создана конечно-элементная модель пяти типичных вант для получения данных отклика, и применен предложенный метод для определения силы натяжения. Результаты показывают, что в рамках всех заданных задач определения силы натяжения канатов ошибка не превышает 3%, а точность высокая; предсказанное сетью поле перемещений с трудом позволяет точно реконструировать реальные перемещения канатов, но хорошо восстанавливает низкоуровневое вибрационное поле перемещений. На этой основе проведен лабораторный испытательный мостовой эксперимент, который вновь подтвердил эффективность предложенного метода, доказав, что метод обладает высокой точностью определения, надежностью и хорошей расширяемостью, применим к практическому распознаванию силы натяжения канатов в инженерных сооружениях.

Вантовый мост;Физически-информированная нейронная сеть;Уравнение колебаний;Определение силы натяжения;Определение параметров