基于机器学习的直角扣件滑移和扭转性能预测方法

TU731; 直角扣件初始刚度对模板支架结构承载力有较大影响,但扣件性能的量化设计存在工程量大、计算精确度低等问题.基于一系列扣件抗滑移和扭转试验,建立带直角扣件节点的三维数值模拟并利用试验结果进行验证,通过验证后的数值方法开展大量参数分析揭示多种设计参数对扣件性能的综合影响并建立扣件承载力设计数据库,分别基于随机森林(RF)、支持向量机(SVM)和K最邻近算法(K-NN)提出了扣件刚度预测模型,结合基因表达式编程(GEP)提出了抗滑移模型测点位移和扭转模型刚度预测表达式.研究表明,通过SVM和GEP能够较准确预测直角扣件抗滑移模型位移和扭转模型刚度,对指导工程模板支架结构中扣件的安全设计有着...

Full description

Saved in:
Bibliographic Details
Published in上海交通大学学报 Vol. 58; no. 2; pp. 242 - 252
Main Authors 鲍朱杰, 李祯, 王斐亮, 庞博, 杨健
Format Journal Article
LanguageChinese
Published 宁波大学冲击与安全工程教育部重点实验室,浙江宁波 315211 2024
上海交通大学海洋工程国家重点实验室,上海 200240
上海市公共建筑和基础设施数字化运维重点实验室,上海 200240%广州建筑集团有限公司,广州 510030%上海交通大学海洋工程国家重点实验室,上海 200240
上海市公共建筑和基础设施数字化运维重点实验室,上海 200240
Subjects
扭转性能
抗滑移性能
参数分析
机器学习
直角扣件
anti-slip performance
rectangular fasteners
parameter analysis
torsional performance
ma-chine learning
Online AccessGet full text
ISSN1006-2467
DOI10.16183/j.cnki.jsjtu.2022.399

Cover

Abstract TU731; 直角扣件初始刚度对模板支架结构承载力有较大影响,但扣件性能的量化设计存在工程量大、计算精确度低等问题.基于一系列扣件抗滑移和扭转试验,建立带直角扣件节点的三维数值模拟并利用试验结果进行验证,通过验证后的数值方法开展大量参数分析揭示多种设计参数对扣件性能的综合影响并建立扣件承载力设计数据库,分别基于随机森林(RF)、支持向量机(SVM)和K最邻近算法(K-NN)提出了扣件刚度预测模型,结合基因表达式编程(GEP)提出了抗滑移模型测点位移和扭转模型刚度预测表达式.研究表明,通过SVM和GEP能够较准确预测直角扣件抗滑移模型位移和扭转模型刚度,对指导工程模板支架结构中扣件的安全设计有着重要意义.
AbstractList TU731; 直角扣件初始刚度对模板支架结构承载力有较大影响,但扣件性能的量化设计存在工程量大、计算精确度低等问题.基于一系列扣件抗滑移和扭转试验,建立带直角扣件节点的三维数值模拟并利用试验结果进行验证,通过验证后的数值方法开展大量参数分析揭示多种设计参数对扣件性能的综合影响并建立扣件承载力设计数据库,分别基于随机森林(RF)、支持向量机(SVM)和K最邻近算法(K-NN)提出了扣件刚度预测模型,结合基因表达式编程(GEP)提出了抗滑移模型测点位移和扭转模型刚度预测表达式.研究表明,通过SVM和GEP能够较准确预测直角扣件抗滑移模型位移和扭转模型刚度,对指导工程模板支架结构中扣件的安全设计有着重要意义.
Abstract_FL Aiming at the issue of large CPU costs and low calculation accuracy in the design of right-angle fasteners in scaffolding structures,prediction models of fastener anti-slip performance and torsion performance based on machine learning are proposed.A three-dimensional solid model of right-angle fasteners is established using the finite element method,the effectiveness of the numerical simulation method is verified through test results,and the comprehensive influence of various design parameters on the performance of fasteners is revealed by the parametric analysis method.The database is established by combining the test and numerical simulation results,and the fastener stiffness prediction models are proposed based on random forest(RF),support vector machine(SVM)and K-most proximity algorithm(K-NN),respectively.The expressions for the measured point displacement of the anti-slip model and the stiffness prediction of the torsion model are proposed in combination with genetic expression programming.The results indicate that SVM and GEP can predict the displacement and torsional stiffness of right-angle fasteners more accurately,which is important for guiding the safety design of fasteners in engineering scaffolding structures.
Author 杨健
鲍朱杰
王斐亮
庞博
李祯
AuthorAffiliation 上海交通大学海洋工程国家重点实验室,上海 200240;上海市公共建筑和基础设施数字化运维重点实验室,上海 200240%广州建筑集团有限公司,广州 510030%上海交通大学海洋工程国家重点实验室,上海 200240;上海市公共建筑和基础设施数字化运维重点实验室,上海 200240;宁波大学冲击与安全工程教育部重点实验室,浙江宁波 315211
AuthorAffiliation_xml – name: 上海交通大学海洋工程国家重点实验室,上海 200240;上海市公共建筑和基础设施数字化运维重点实验室,上海 200240%广州建筑集团有限公司,广州 510030%上海交通大学海洋工程国家重点实验室,上海 200240;上海市公共建筑和基础设施数字化运维重点实验室,上海 200240;宁波大学冲击与安全工程教育部重点实验室,浙江宁波 315211
Author_FL YANG Jian
LI Zhen
WANG Feiliang
BAO Zhujie
PANG Bo
Author_FL_xml – sequence: 1
  fullname: BAO Zhujie
– sequence: 2
  fullname: LI Zhen
– sequence: 3
  fullname: WANG Feiliang
– sequence: 4
  fullname: PANG Bo
– sequence: 5
  fullname: YANG Jian
Author_xml – sequence: 1
  fullname: 鲍朱杰
– sequence: 2
  fullname: 李祯
– sequence: 3
  fullname: 王斐亮
– sequence: 4
  fullname: 庞博
– sequence: 5
  fullname: 杨健
BookMark eNrjYmDJy89LZWCQMzTQMzQztDDWz9JLzsvO1Msqziop1TMyMDLSM7a0ZGHgNDQwMNM1MjEz52DgLS7OTDIwNTQ2M7cwM-BkcHo6f9eTXX3P5ux6OnPF07XLnuxc8HxWy_PZW14sn_Ssc_GT3due7Z74fPnup5N6nnWufbF3zbOG5S-a975c1PJsa_ezaTufbZ7Kw8CalphTnMoLpbkZNN1cQ5w9dMsT89IS89Ljs_JLi_KAMvHFGVklKRUVSUCnmRgYGRgaGZOiFgDxf2Ae
ClassificationCodes TU731
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.16183/j.cnki.jsjtu.2022.399
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Sciences (General)
DocumentTitle_FL Prediction of Slip and Torsion Performance of Right-Angle Fasteners Based on Machine Learning Methods
EndPage 252
ExternalDocumentID shjtdxxb202402012
GrantInformation_xml – fundername: (上海市科技创新项目); (上海市科技创新项目); (四川省区域创新合作项目); (冲击与安全工程教育重点实验室; (中国博士后科学基金)
  funderid: (上海市科技创新项目); (上海市科技创新项目); (四川省区域创新合作项目); (宁波大学)开放课题); (中国博士后科学基金)
GroupedDBID -03
2B.
4A8
5XA
5XD
92I
93N
ABJNI
ACGFS
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CEKLB
CW9
GROUPED_DOAJ
PSX
TCJ
TGT
U1G
U5M
UY8
ID FETCH-wanfang_journals_shjtdxxb2024020123
ISSN 1006-2467
IngestDate Thu May 29 03:56:07 EDT 2025
IsPeerReviewed false
IsScholarly true
Issue 2
Keywords 扭转性能
抗滑移性能
参数分析
机器学习
直角扣件
anti-slip performance
rectangular fasteners
parameter analysis
torsional performance
ma-chine learning
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-wanfang_journals_shjtdxxb2024020123
ParticipantIDs wanfang_journals_shjtdxxb202402012
PublicationCentury 2000
PublicationDate 2024
PublicationDateYYYYMMDD 2024-01-01
PublicationDate_xml – year: 2024
  text: 2024
PublicationDecade 2020
PublicationTitle 上海交通大学学报
PublicationTitle_FL Journal of Shanghai Jiaotong University
PublicationYear 2024
Publisher 宁波大学冲击与安全工程教育部重点实验室,浙江宁波 315211
上海交通大学海洋工程国家重点实验室,上海 200240
上海市公共建筑和基础设施数字化运维重点实验室,上海 200240%广州建筑集团有限公司,广州 510030%上海交通大学海洋工程国家重点实验室,上海 200240
上海市公共建筑和基础设施数字化运维重点实验室,上海 200240
Publisher_xml – name: 上海市公共建筑和基础设施数字化运维重点实验室,上海 200240
– name: 上海市公共建筑和基础设施数字化运维重点实验室,上海 200240%广州建筑集团有限公司,广州 510030%上海交通大学海洋工程国家重点实验室,上海 200240
– name: 宁波大学冲击与安全工程教育部重点实验室,浙江宁波 315211
– name: 上海交通大学海洋工程国家重点实验室,上海 200240
SSID ssib051367860
ssib023167927
ssib002258139
ssj0040338
ssib001128960
ssib057620143
Score 4.7664495
Snippet TU731;...
SourceID wanfang
SourceType Aggregation Database
StartPage 242
Title 基于机器学习的直角扣件滑移和扭转性能预测方法
URI https://d.wanfangdata.com.cn/periodical/shjtdxxb202402012
Volume 58
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV3Ni9NAFA_revEirh_4TREHXKQ1mWSSmWPSpiyCnlbY25J-xLVCBdvCsifBvSyK4IKCH6AoWA_uyQ_Ylv1v2rQe_Q98b2bSBltw9RJe37x585v3kr6XIfPGMK46ouIy4bB8PeZYVLtazUecxfkopoJS064xhhuFb912V-44N9fY2sKRX5mvljrtSqG6NXdfyf94FXjgV9wl-w-enSgFBtDgX7iCh-F6KB-TkBFRJoFPQgevPCShS0RRcqBJEJ8j4ZeI70oZ4Jgk9IgAYUcSAQmA4MQHmmJ3DjK2FIYmFzlACAuFQQZo1EwJL6bCJewewBCKY6IYcLiNzBAEqBwL9DDCA4nQRSTIsYk6_DLNj-W40NfX8oGnp-Y7qAo_y5BTg584ymRqE8LFvj5L7yPsFMD4pdQwliRKJDCnIpKBtoMZgqLytMVD9gSzMFMw4VSEIUOESMAows8uo9DpAqqECLosPW0wytxpcBfxIqFsrcwRpt2FbGLar4EEjLB5ilJ6Ha1PpR6BbkBhgQrRDJ5sElohAgcP-dKdkgOQaFFbXygnWXiTzeC_bmNSZmWiGi4bUUede5KGPcYzjzfNxjBV7kynQ1QVGJ6JtC7EAhlqq8379wqNVqPdKYBdacFWB179UcW8tdFo1zY3K2h6eEPBc8GPUs-zWGYVRGbwkC8JN7s1m_FM4VqKhRsEnWTMDCsO8qk8vD1TVbFSJWOOadtqN6y2gC4SgOhvzMUuN-8146h5N5Nnrp4wjusXxJyvnvYlY2Fr46SxpENwK3dN14lfPmUEw3e9Qe9Z8rY3fPV5uPdpsP9-9Hp79ObbuLub7Hwc9H8k_eejbn-4-zTZ2RsffEkedcePD35-2E6-P0le7idfX5w2lsvhanElr8Gs67-d1vqMJe0zxmLzQbN-1sjxmMVm1XXqdVpxnIoZ2SyKPc-sRTWLm6x2zrjyd33nDyN0wTiGtFqMvGgsth926pcgPW9XLkuH_gZ1X6_1
linkProvider Directory of Open Access Journals
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%9A%84%E7%9B%B4%E8%A7%92%E6%89%A3%E4%BB%B6%E6%BB%91%E7%A7%BB%E5%92%8C%E6%89%AD%E8%BD%AC%E6%80%A7%E8%83%BD%E9%A2%84%E6%B5%8B%E6%96%B9%E6%B3%95&rft.jtitle=%E4%B8%8A%E6%B5%B7%E4%BA%A4%E9%80%9A%E5%A4%A7%E5%AD%A6%E5%AD%A6%E6%8A%A5&rft.au=%E9%B2%8D%E6%9C%B1%E6%9D%B0&rft.au=%E6%9D%8E%E7%A5%AF&rft.au=%E7%8E%8B%E6%96%90%E4%BA%AE&rft.au=%E5%BA%9E%E5%8D%9A&rft.date=2024&rft.pub=%E5%AE%81%E6%B3%A2%E5%A4%A7%E5%AD%A6%E5%86%B2%E5%87%BB%E4%B8%8E%E5%AE%89%E5%85%A8%E5%B7%A5%E7%A8%8B%E6%95%99%E8%82%B2%E9%83%A8%E9%87%8D%E7%82%B9%E5%AE%9E%E9%AA%8C%E5%AE%A4%2C%E6%B5%99%E6%B1%9F%E5%AE%81%E6%B3%A2+315211&rft.issn=1006-2467&rft.volume=58&rft.issue=2&rft.spage=242&rft.epage=252&rft_id=info:doi/10.16183%2Fj.cnki.jsjtu.2022.399&rft.externalDocID=shjtdxxb202402012
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fshjtdxxb%2Fshjtdxxb.jpg