基于基因表达式编程的FRP蠕变分析与预测

针对物理理论模型、参数法唯象模型等经典蠕变模型在复杂环境下适用性低的问题,运用基因表达式编程(Gene Expression Programming,GEP)建立纤维增强树脂基复合材料(Fiber Reinforced Plastics,FRP)蠕变模型.GEP可以在无先验知识指导的情况下,直接根据蠕变实验数据自适应地来建立蠕变模型.利用决定系数、均方根误差、平均绝对误差和相对平方根误差等统计指标对不同试样的GEP模型进行评价,并与物理理论模型中的Burgers模型和HKK模型以及参数法唯象模型中的Findley模型作对比.结果表明,运用GEP预测不同种类FRP蠕变性能是可行且有效的,并且拟合和预测效果均优于Burgers模型、HKK模型和Findley模型.进行长期(长达200 000 h)蠕变性能的预测,以现行标准中预测方法为标准,将GEP模型、Burgers模型、HKK模型、Findley模型分别与标准进行比较,GEP模型与现行标准中的蠕变因子相对误差都较小,t=200 000 h时刻蠕变柔量预测值相对误差也都较小,预测效果明显优于Burgers模型、HKK模型和Findley模型.自适应的便捷性和长期预测的准确性表明GEP作为一种新的蠕变性能预测方法是具备独特优势的.