数据驱动精准预测初始峰值破碎力
通过相对密度表征复杂截面，用机器学习在少样本下实现高精度预测，为混合管有序变形设计提供依据。
Liang, Hongyu · Chunda, Lu · 蒲永锋 · Liu, Baichuan · 王登峰
International Journal of Mechanical Sciences 2024
通过K-fold交叉验证和网格搜索优化神经网络结构，相比传统RSM和Kriging模型，在少样本下就能高精度预测CFRP/Al混合管的初始峰值破碎力，减少了对大量实验或仿真样本的依赖。
针对多胞管内外板强耦合导致传统RSM失效的问题，提出相对密度指标来表征复杂截面特征，发现相同相对密度的多胞管具有几乎相同的IPCF，从而建立了结构参数与IPCF之间的准确对应关系，使多胞管预测成为可能。
通过与已报道的多胞构型混合管进行对比分析，验证了所提出的预测模型对更复杂的多胞管构型也具有良好泛化能力，可用于指导新型结构的快速评估。