.png){kind=icon}
返回
Multi-layer collaborative stacking optimization framework for sprocket stress prediction
.png){kind=icon}
PRE
AI
DOI：doi:10.1088/1361-6501/adf910.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对关键机械部件应力分析中计算效率低及预测模型泛化能力有限等当前挑战，本研究提出了一种多层级协作式堆叠优化框架，用于探究刮板输送机链轮的应力特性。通过结合网格化分治策略与K近邻插值方法，对链轮网格节点进行降维处理，从而提升计算效率。为优化模型性能，采用粒子群优化算法对六种异构基础模型的超参数进行调优，并利用理想解逼近法对模型进行客观评估，筛选出最优的三种基础模型。随后构建多层级协作式堆叠框架，融合性能加权、特征增强及十折交叉验证技术，以实现泛化预测。通过多种决策融合方法的对比分析和测试数据集评估，验证了MCSOF模型的预测性能。结果表明，MCSOF模型达到了最高预测精度（R² = 0.9739，MSE = 0.1859，MAE = 0.0703）。此外，基于Unity的应力渲染显示，预测结果与仿真结果具有高度一致性。本研究为链轮应力场的精确预测提供了一种新颖的方法论框架，并为机器学习在机械部件应力预测中的应用提供了理论支持。
Keyword:
stress analysis
machine learning
multi-level collaborative stacking
sprocket
computational efficiency
期刊
IF:
3.4
论文数:
2.6K
被引数:
2.3W
机构
暂无机构信息
引用论文
Novel practical predictive maintenance measurement solutions for industrial systems工业系统的新型实用预测性维护测量解决方案
PREAI
分享收藏Hybrid approaches to optimization and machine learning methods: a systematic literature review优化和机器学习方法的混合方法: 系统文献综述.png)
MACHINE LEARNING
OAAI
MACHINE LEARNINGIF2.9
OAAI分享收藏Machine learning-based prediction of elliptical double steel columns under compression loading基于机器学习的椭圆双钢柱在压缩荷载下的预测JOURNAL OF BIG DATAOAAI
JOURNAL OF BIG DATAIF6.4
OAAI分享收藏Stacking ensemble surrogate modeling method based on decomposed-coordinated strategy for structural low-cycle fatigue life reliability estimation基于分解协调策略的结构低周疲劳寿命可靠性估计的堆叠集成代理建模方法
PREAI
分享收藏Opportunities and risks of artificial intelligence for industry 5.0 in the context of reliability and maintenance engineering人工智能在可靠性及维护工程背景下对工业5.0的机遇与风险
IF0
PREAI
分享收藏Study on the rigid-discrete coupling effect of scraper conveyor under different chain speed-load conditions不同链条速度-载荷条件下刮板输送机刚性-离散耦合效应研究
PREAI
分享收藏Vibration prediction of offshore wind turbines based on long short-term memory network基于长短期记忆网络的离岸风力涡轮机振动预测
IF0
PREAI
分享收藏
查看更多内容