Within the field of Structural Engineering, Finite Element Analysis is ubiquitous, however discrepancies betweennumerical models and the actual structure in question will always exist to some extent. To remedy the inaccurateparameterization inherent to some of the discrepancies compared with the experimental data, the Finite ElementModel Updating Problem has to be solved. In this thesis the use of Bayesian Optimization as applied to FiniteElement Model Updating problems will be investigated and compared with the state-of-the-art Black BoxOptimizer: Covariance Matrix Adaptation-Evolutionary Strategy. Various acquisition functions will be examinedand a framework to extend Bayesian Optimization to high-dimensional problems will be implemented: TrustRegion Boundary Optimization. Finally Finite Element Model Updating will be used within the context of faultdetection in structures, to predict the location and weight of a point mass placed on the structure in question.
구조 공학 분야 내에서 흔히 사용되는 유한 요소 해석은, 실제 구조와의 불일치 문제가 항상존재해왔습니다. 해석 내 부정확한 매개변수로 인해 발생하는 해석과 실험 간의 불일치를완화시키기 위해서는 유한 요소 모델 업데이트 문제를 해결해야 합니다. 본 논문에서는 베이지안최적화를 활용하여 유한 요소 모델 업데이트 문제를 해결하고, 최신 블랙박스 최적화 기술인공분산 행렬의 적응-진화 전략과 비교합니다. 다양한 획득 함수를 검토하고, 베이지안 최적화를고차원 문제로 확장하기 위한 신뢰 영역 경계 최적화를 구현합니다. 마지막으로 본 논문에서제안한 유한 요소 모델 업데이트를 사용하여 구조물의 결함을 나타내는 점질량의 위치와 크기를예측합니다.
