基于机器学习的单钢板混凝土组合板冲击响应预测及优化

摘要：

单钢板混凝土组合(half steel-concrete composite,HSC)板的抗冲击性能十分出色,可有效抵挡落石冲击.在符合相关规范要求的前提下,可通过设计降低HSC板在落石冲击作用下的变形,以最大限度地保护山区基础设施和人民的安全.为快速、准确地处理HSC板的变形和设计参数之间的复杂非线性关系,基于三种机器学习算法分别建立冲击作用下HSC板最大变形的预测模型,并通过有限元结果对模型进行验证;在此基础上,以落石冲击下HSC板的最大变形、自质量和造价为优化目标,采用遗传算法对某山区建筑中某HSC屋面板进行优化设计,求解HSC屋面板的厚度、连接件尺寸等设计参数的最优解集.研究结果表明,高斯过程回归(Gaussian process regression,GPR)模型对HSC屋面板变形的预测精度最高,可代替复杂耗时的有限元计算,有效提高目标方程的计算效率,且最终的优化结果给出了多种优化方案,可有效降低HSC屋面板变形,为工程设计提供参考.

关键词：单钢板混凝土组合(HSC)板、落石灾害、冲击响应、有限元分析、机器学习

所属期刊栏目：42

分类号：TU398+.9(建筑结构)

资助基金：国家自然科学基金52008219

在线出版日期：2023-05-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：28-37