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

More Information
Summary: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.
ISSN:1006-2467
DOI:10.16183/j.cnki.jsjtu.2022.399