.png){kind=icon}
返回
MACHINE LEARNING-AUGMENTED UNIVERSAL WEIGHT FUNCTION METHOD FOR STRESS INTENSITY FACTOR DETERMINATION
.png){kind=icon}
OA
AI
DOI：10.15632/jtam-pl/217048.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
应力强度因子（SIFs）的精确计算是线弹性断裂力学中的一个关键且具有挑战性的任务。尽管通用权重函数法（WFM）因其高计算效率而成为一种突出方法，但其预测精度常受限制。这种局限性源于难以表征含裂纹体几何尺寸与所需权重函数参数之间的非线性映射关系。为解决这些挑战，本研究引入了一种创新的人工智能增强型通用WFM。该方法利用高斯过程回归（GPR）模型来表征含裂纹体几何尺寸与权重函数参数之间的非线性映射关系，从而提高通用WFM的计算精度。验证案例表明，所提出的方法在精度上优于传统通用WFM，最大相对误差不超过5.09%。
Keyword:
stress intensity factor solutions
weight function method
machine learning
Gaussian process regression
a corner crack at a hole
期刊
J
IF:
1
论文数:
8
被引数:
887
机构
引用论文
暂无论文信息