圆柱壳体结构是水下航行器的典型结构，其振动响应特性是圆柱壳体水下声学预报的关键参数，水下圆柱壳体声辐射快速预报对于潜艇声隐身性能具有重要意义。传统的声辐射预报方法往往存在计算时间长、无法考虑复杂阻尼、部分区域速度信息缺失等问题，而物理信息神经网络(PINN)与圆柱壳体振动理论相结合在振动响应预报方向有着较大应用前景，对于重建不完整数据的结构振速场/振动加速度场具有很大的技术可行性与创新性。本项目通过展开PINN算法与振动理论相结合的研究，重构不同速度区域缺失情况下的振动场。

1. 建立水下典型加筋圆柱壳体的振动力学模型，结合板壳振动理论、Hamilton原理等基本力学方法推导了典型加筋圆柱壳体结构的振动控制方程，研究振动理论与PINN算法融合；

2. 开展水下加筋圆柱壳体结构振动试验，为PINN获取实验数据集；

3. 进行PINN算法研究，训练PINN模型，准备不同稀疏度数据集，不同速度区域缺失数据集，重构不同条件下的速度场。

本项目建立了水下典型加筋圆柱壳体的振动力学模型，结合板壳振动理论、Hamilton原理等基本力学方法推导了典型加筋圆柱壳体结构的振动控制方程，通过开展力锤激励下的水下加筋圆柱壳体结构振动试验获得试验数据进行PINN算法训练。

开展简单模型的Abaqus计算，获取仿真数据集，用于研究PINN算法，为实验数据集训练探索方向。重构了基于仿真数据的不同稀疏度速度数据、不同区域速度缺失下的速度场，基于实验数据的不同稀疏度速度数据下的速度场，验证误差5%，可接受。