报告题目：基于RBFNN随机动力学研究最新进展
报告人： 陈林聪 教授 华侨大学
邀请人：李伟
报告时间：2026年1月8日，上午9:30
报告地点：#腾讯会议：519-316-315
报告人简介：陈林聪，教授、博士生导师，省部级人才。2004年于哈尔滨工程大学工程力学专业获学士学位，2009年于浙江大学工程力学专业获工学博士学位，师从朱位秋院士。同年入职华侨大学土木工程学院，期间曾赴美国加州大学Merced分校进行两次访问研究，合作导师为ASME会士孙建桥教授。主要研究方向包括工程结构随机振动、结构振动与控制、先进纤维材料结构等。主持多项国家级与省部级科研项目，包括国家自然科学基金（4项面上、1项青年）及福建省自然科学基金（1项重点、1项杰青、3项面上）。在国内外主流期刊发表SCI论文100余篇。现任中国振动工程学会非线性振动专业委员会和随机振动专业委员会委员，国际期刊《International Journal of Dynamics and Control》副主编，福建省力学学会常务理事。
摘要： 径向基函数神经网络（RBFNN）在求解Fokker-Planck-Kolmogorov方程方面展现出显著优势，为随机动力学响应分析提供了有效途径。本文综述RBFNN方法的两项最新进展：一是基于Feynman-Kac框架，将FPK方程转化为积分形式，结合短时高斯近似与内接球面采样策略，实现了Bouc-Wen滞回系统概率密度函数的高效计算，避免了传统方法的高阶导数运算；二是引入迁移学习增强的RBFNN降维策略，利用动力系统的时间连续性，在相邻时间步间传递已学习表征，显著降低了高维非线性随机系统概率密度演化分析的计算成本。数值算例表明，所提方法在滞回软化、硬化系统及典型高维非线性系统中，均能精确捕捉非高斯、双峰等复杂概率特征，与蒙特卡洛模拟结果吻合良好。该研究为工程复杂随机系统的概率响应分析与不确定性量化提供了兼具精度与效率的新途径。
