Im Rahmen dieses Projekts wird ein probabilistisches Framework für maschinelles Lernen entwickelt, um strukturelle Verschlechterungen an industriellen Tragwerken zu erkennen, die Schwingungen ausgesetzt sind. Dynamische Belastungen und Langzeitbetrieb können zu einem Verlust an Steifigkeit führen, verursacht durch Mechanismen wie gelockerte Verbindungen, Materialermüdung oder Rissbildung, was die Schwingungsantwort des Systems verändert und möglicherweise die Zuverlässigkeit beeinträchtigt. Der vorgeschlagene Ansatz kombiniert physikalisch basierte Modellierung mit probabilistischem maschinellem Lernen, indem ein Gaußscher Prozessregressions-Surrogat erstellt wird, das Strukturparameter wie die Steifigkeit mit gemessenen dynamischen Antworten verknüpft.