基于机器学习的直角扣件滑移和扭转性能预测方法

直角扣件初始刚度对模板支架结构承载力有较大影响,但扣件性能的量化设计存在工程量大、计算精确度低等问题.基于一系列扣件抗滑移和扭转试验,建立带直角扣件节点的三维数值模拟并利用试验结果进行验证,通过验证后的数值方法开展大量参数分析揭示多种设计参数对扣件性能的综合影响并建立扣件承载力设计数据库,分别基于随机森林(RF)、支持向量机(SVM)和K最邻近算法(K-NN)提出了扣件刚度预测模型,结合基因表达式编程(GEP)提出了抗滑移模型测点位移和扭转模型刚度预测表达式.研究表明,通过SVM和GEP能够较准确预测直角扣件抗滑移模型位移和扭转模型刚度,对指导工程模板支架结构中扣件的安全设计有着重要意义.