摘要：动载荷识别在结构设计和优化中起着至关重要的作用目前的大多数研究都集中在确定性结构上.然而,实际工程结构中的结构参数是未知的.不确定参数的存在会导致载荷识别结果与实际载荷值之间的误差,因此研究不确定结构的动载荷识别问题至关重要的.本文针对含有不确定参数的结构,提出了一种数据驱动的动载荷识别方法.首先,将不确定参数由一组闭区间向量表征.然后引入卷积神经网络(CNN)对未知载荷区间进行重构.将区间分析理论与泰勒展开相结合,得到了监督载荷的上下边界,并将其用作训练样本.最后,训练后的CNN模型直接识别未知载荷区间的边界.仿真结果表明,该方法具有较高的载荷识别精度和对噪声的鲁棒性.我们构造了一个简支梁结构进行实验,以进一步验证所提出方法在工程中的可行性.此外,我们还讨论了测量点分布和样本数量对识别精度的影响,这有利于在工程实践中的应用。