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

作     者：赵唯以 陈沛涵 ZHAO Weiyi;CHEN Peihan

作者机构：青岛理工大学土木工程学院山东青岛266033 

出 版 物：《振动与冲击》 (Journal of Vibration and Shock)

年 卷 期：2023年第42卷第8期

页      面：28-37页

核心收录：

学科分类：08[工学] 0818[工学-地质资源与地质工程] 081304[工学-建筑技术科学] 0837[工学-安全科学与工程] 0813[工学-建筑学] 0814[工学-土木工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金青年科学基金项目(52008219)。 

主　　题：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 

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。