期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习的钢筋混凝土矩形柱破坏模式预测研究
1
作者
张海
马小平
+2 位作者
苏三庆
王威
蔡玉军
《建筑科学与工程学报》
北大核心
2025年第2期48-57,共10页
针对传统分析方法识别效果差、数据依赖性强等问题,以既有试验数据为基础,建立矩形截面钢筋混凝土柱的数据库,应用K邻近、随机森林、支持向量机、梯度提升决策树、深度神经网络等机器学习算法,实现矩形柱破坏模式的有效识别与预测。借...
针对传统分析方法识别效果差、数据依赖性强等问题,以既有试验数据为基础,建立矩形截面钢筋混凝土柱的数据库,应用K邻近、随机森林、支持向量机、梯度提升决策树、深度神经网络等机器学习算法,实现矩形柱破坏模式的有效识别与预测。借助机器学习强大的自学习、自适应能力,精准预测钢筋混凝土矩形柱的破坏模式,并为震后结构的维修加固与损伤评估提供依据。结果表明:机器学习技术对弯曲破坏均有良好的识别效果,随机森林和梯度提升决策树算法的准确率和回归率均达到100%,可用于矩形柱弯曲破坏模式的精准预测;机器学习技术对于剪切破坏的识别效果差别不大,准确率均达66.67%,K邻近、支持向量机、梯度提升决策树的回归率最高,达到100%;对于弯剪破坏模式,随机森林和梯度提升决策树的准确率最高,达到83.33%,支持向量机的预测效果较差。
展开更多
关键词
钢筋混凝土
矩形截面柱
机器学习
破坏模式预测
试验数据
在线阅读
下载PDF
职称材料
低周疲劳下对接焊缝累积塑性损伤的金属磁记忆表征研究
2
作者
杨熠奕
马小平
+1 位作者
苏三庆
王威
《材料科学与工艺》
CAS
CSCD
北大核心
2024年第6期87-98,共12页
地震载荷下的钢构件,因低周疲劳所致的塑性损伤累积而诱发严重的断裂破坏。金属磁记忆作为一种新兴无损检测技术,已被证明可用于钢构件的疲劳损伤表征。为改善既有力-磁耦合理论及数值模拟方法的局限性,实现焊接件塑性损伤的无损评估,...
地震载荷下的钢构件,因低周疲劳所致的塑性损伤累积而诱发严重的断裂破坏。金属磁记忆作为一种新兴无损检测技术,已被证明可用于钢构件的疲劳损伤表征。为改善既有力-磁耦合理论及数值模拟方法的局限性,实现焊接件塑性损伤的无损评估,本文利用磁记忆技术对低周疲劳下对接焊缝的累积塑性损伤进行了表征分析。针对焊接构件的非均匀磁化问题,基于既有理论模型并改进模拟方法,实现了低周疲劳下焊接件的力-磁耦合有限元模拟。同时,通过Q345qC焊接件的低周疲劳及磁信号检测实验,分析了法向磁信号H_(SF)(z)及其特征参数的变化规律,由对比实验与模拟结果可以发现,磁信号曲线在焊接位置均出现明显的突变现象,磁信号峰-谷梯度K_(p-v)随累积塑性损伤D的增大均呈指数递减,二者平均误差不超过5%,证明了模拟方法的准确性。在此基础上,建立了低周疲劳下焊接件K_(p-v)与D的量化关系,验证了磁信号峰-谷梯度具有表征钢材塑性累积损伤程度的潜在可能,可为定量评价焊接试件的塑性损伤提供参考。
展开更多
关键词
低周疲劳
累积塑性损伤
金属磁记忆
力-磁耦合
损伤表征
在线阅读
下载PDF
职称材料
题名
基于机器学习的钢筋混凝土矩形柱破坏模式预测研究
1
作者
张海
马小平
苏三庆
王威
蔡玉军
机构
中铁
第一
勘察
设计院
集团
有限公司
中铁
第一
勘察
设计院
集团
有限公司
西安
建筑
科技大学土木工程学院
出处
《建筑科学与工程学报》
北大核心
2025年第2期48-57,共10页
基金
中铁第一勘察设计院集团有限公司科研开发项目(2022KY51ZD(ZNJC)-03,2022KY54ZD(ZNXT)-05)
中国施工企业管理协会青年创新项目(2023-B-009)
中国铁路西安局集团有限公司科学技术研究开发计划项目(Y2023034)。
文摘
针对传统分析方法识别效果差、数据依赖性强等问题,以既有试验数据为基础,建立矩形截面钢筋混凝土柱的数据库,应用K邻近、随机森林、支持向量机、梯度提升决策树、深度神经网络等机器学习算法,实现矩形柱破坏模式的有效识别与预测。借助机器学习强大的自学习、自适应能力,精准预测钢筋混凝土矩形柱的破坏模式,并为震后结构的维修加固与损伤评估提供依据。结果表明:机器学习技术对弯曲破坏均有良好的识别效果,随机森林和梯度提升决策树算法的准确率和回归率均达到100%,可用于矩形柱弯曲破坏模式的精准预测;机器学习技术对于剪切破坏的识别效果差别不大,准确率均达66.67%,K邻近、支持向量机、梯度提升决策树的回归率最高,达到100%;对于弯剪破坏模式,随机森林和梯度提升决策树的准确率最高,达到83.33%,支持向量机的预测效果较差。
关键词
钢筋混凝土
矩形截面柱
机器学习
破坏模式预测
试验数据
Keywords
reinforced concrete
rectangular column
machine learning
failure mode prediction
experimental data
分类号
TU393 [建筑科学—结构工程]
在线阅读
下载PDF
职称材料
题名
低周疲劳下对接焊缝累积塑性损伤的金属磁记忆表征研究
2
作者
杨熠奕
马小平
苏三庆
王威
机构
陕西交通职业技术学院
中铁第一勘察设计院集团有限公司建筑与规划设计研究院/tod研发中心
西安
建筑
科技大学土木工程学院
出处
《材料科学与工艺》
CAS
CSCD
北大核心
2024年第6期87-98,共12页
基金
国家自然科学基金面上项目(51878548,51578449)
中铁第一勘察设计院集团有限公司科研开发项目(2022KY51ZD(ZNJC)-03)
+3 种基金
陕西高校青年创新团队
2023年陕西交通职业技术学院科研创新团队基金项目
陕西省自然科学基础研究计划(2024JC-YBQN-0609)
陕西交通职业技术学院院级课题资助项目(YJ23003).
文摘
地震载荷下的钢构件,因低周疲劳所致的塑性损伤累积而诱发严重的断裂破坏。金属磁记忆作为一种新兴无损检测技术,已被证明可用于钢构件的疲劳损伤表征。为改善既有力-磁耦合理论及数值模拟方法的局限性,实现焊接件塑性损伤的无损评估,本文利用磁记忆技术对低周疲劳下对接焊缝的累积塑性损伤进行了表征分析。针对焊接构件的非均匀磁化问题,基于既有理论模型并改进模拟方法,实现了低周疲劳下焊接件的力-磁耦合有限元模拟。同时,通过Q345qC焊接件的低周疲劳及磁信号检测实验,分析了法向磁信号H_(SF)(z)及其特征参数的变化规律,由对比实验与模拟结果可以发现,磁信号曲线在焊接位置均出现明显的突变现象,磁信号峰-谷梯度K_(p-v)随累积塑性损伤D的增大均呈指数递减,二者平均误差不超过5%,证明了模拟方法的准确性。在此基础上,建立了低周疲劳下焊接件K_(p-v)与D的量化关系,验证了磁信号峰-谷梯度具有表征钢材塑性累积损伤程度的潜在可能,可为定量评价焊接试件的塑性损伤提供参考。
关键词
低周疲劳
累积塑性损伤
金属磁记忆
力-磁耦合
损伤表征
Keywords
low cycle fatigue
cumulative plastic damage
metal magnetic memory
magneto-mechanical coupling
damage characterization
分类号
TU115.28 [建筑科学—建筑理论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习的钢筋混凝土矩形柱破坏模式预测研究
张海
马小平
苏三庆
王威
蔡玉军
《建筑科学与工程学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
低周疲劳下对接焊缝累积塑性损伤的金属磁记忆表征研究
杨熠奕
马小平
苏三庆
王威
《材料科学与工艺》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
