摘要
针对结构健康监测（SHM）中专用算法实施门槛高、互操作性差及训练复杂等问题，本文提出 SHM-Agents 系统。该系统融合大语言模型的推理与规划能力及专用算法的求解优势，支持通过自然语言端到端执行单一或组合 SHM 任务。其采用模块化设计便于扩展，并利用深度学习预训练简化部署。在大跨度斜拉桥上的实验表明，该系统能高效准确地完成数据异常诊断、信号处理、损伤识别及有限元模型更新等多样化任务。
AI 推荐理由
论文核心在于利用 LLM 的规划能力整合专用算法，实现复杂 SHM 任务的端到端执行与分解。
研究机构
Key Lab of Smart Prevention and Mitigation of Civil Engineering Disasters of the Ministry of Industry and Information Technology, Harbin Institute of Technology, Harbin
Key Lab of Structures Dynamic Behavior and Control of the Ministry of Education, Hainan Institute of Technology, Haikou
School of Civil Engineering, Harbin Institute of Technology, Harbin
论文信息