摘要
一种基于有限元模型与机器学习算法的管柱应力预测方法,包括以下步骤:步骤一:基于有限元模型分析生成基准数据集,基准数据集包含节点坐标矩阵和对应的等效应力向量;步骤二:基于K‑Means聚类,对节点坐标矩阵进行无监督学习,进行结构感知特征提取;步骤三:对结构感知特征提取后的每一个节点,提取该节点的原始三维坐标、所属簇的质心坐标、到簇质心的欧氏距离,以及用独热编码表示的簇隶属关系,构建融合结构信息的复合特征矩阵;步骤四:基于的复合特征矩阵和等效应力向量,对XGBoost算法与自定义目标函数的XGBoost模型训练;步骤五:通过训练好的XGBoost模型,获取管柱应力预测值。本发明具备预测速度快、工程实用性强、预测精度高的特点。
技术关键词
机器学习算法
节点
应变片传感器
管柱
无监督学习
坐标
矩阵
预测误差
XGBoost模型
效应
轴向拉伸载荷
基准
高应力
配套夹具
加法模型
数据采集系统
感知特征
噪声数据
系统为您推荐了相关专利信息
匹配优化方法
顶点
分析查询日志
统一资源标识符
邻居
贝叶斯网络模型
态势评估方法
多任务
社会
贝叶斯模型