.png){kind=icon}
返回
A robust force-finding framework for tensegrity structures using gradient-boosting decision trees and Latin hypercube sampling
.png){kind=icon}
PRE
AI
DOI：10.1016/j.istruc.2025.108863.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在具有特定构型的张拉整体结构中，其力学性能显著受到预应力值的影响。因此，除了形态寻优外，力态寻优也成为一项至关重要的任务。为解决力态寻优问题，本文提出了一种将机器学习与统计技术相结合的新方法，作为替代传统试错法的方案，从而消除了对元件群组理论和参数调整的依赖。该方法有效克服了有限元分析中的矩阵奇异性和传统人工智能技术所需样本量过大的挑战。所提出的方法通过求解自应力与非自应力系统、对称与非对称结构的力态寻优问题进行了验证。本研究还对三个关键方面进行了深入探讨：元件数量变化（低数量和高数量）的影响、不同元件分组方式（分组与未分组）的影响，以及该方法在张拉整体结构所遇到的各种荷载工况下的性能表现。值得注意的是，对于所选构型，所提出的方法仅需显著更少的样本量（少于600个）即可获得期望的解。
Keyword:
Gradient boosting decision tree
Latin hypercube sampling
Tensegrity structure
Self-stressed
Non-self-stressed
External loads
期刊
IF:
4.3
论文数:
1.3W
被引数:
2.7W
机构
引用论文
分享收藏Vibration control and robustness analysis of tensegrity structures via fuzzy dynamic sliding mode control method.png)
STRUCTURES
STRUCTURESIF4.3
PREAI
分享收藏
查看更多内容