软钢力学特性智能集成学习预测方法

摘要：

针对抗震工程中耗能软钢材料在大塑性变形时机械特性评估困难的问题,提出了一种基于智能集成技术的分析方法预测其力学特性.首先对软钢材料不同垂直台阶角度进行拉伸实验,并将采集到的实验数据利用智能技术进行预测分析;将实验设计为双层模型,第一层模型采用随机森林(random forest,RF)算法和自然梯度提升(natural gradient boost,NGBoost)算法作为基础学习器,第二层使用第一层的分析结果和单层逻辑回归进行融合集成计算,新的融合集成模型在实验测试集上能较好地反映出应力与应变的变化趋势、变化速度和变化数值的关系.结果表明,利用智能集成技术比利用单一RF算法和NGBoost算法预测技术的拟合效果分别提高了29.2％ 和27.4％,所提方法对分析不同垂直台阶角度下软钢材料大塑性变形时的机械特性变化有重要的参考价值.

关键词：机械设计;力学特性;机器学习;集成技术

所属期刊栏目：16

分类号：TH122

资助基金：江苏省现代教育技术研究智慧校园专项课题资助项目;全国职业教育教师企业实践基地"产教融合"专项课题资助项目人工智能职业技能等级评价标准研究

在线出版日期：2021-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1241-1247