基于新型电路模型与人工神经网络的复合材料螺栓连接均载设计
机器学习
2021-05-18 v1 应用物理
摘要
由于碳纤维增强塑料层合板的脆性特征，这些复合材料部件中的机械多钉接头各螺栓载荷分布不均，削弱了复合材料层合板的强度优势。为减少该缺陷并实现机械接头中均载分布的目标，我们提出一种基于机器学习的框架作为优化方法。鉴于摩擦效应已被证明是决定螺栓载荷分布的重要因素，我们的框架旨在提供包括螺栓孔间隙和拧紧扭矩在内的最优参数，以使螺栓载荷不均匀度最小。建立一种新型电路模型，以较低计算成本生成用于人工网络训练的数据样本。通过该机器学习模型建立了设计空间中所有可能输入的数据库。数据库给出的最优间隙与扭矩数据集通过有限元法、电路模型以及基于线性叠加原理的实验测量得到验证，显示了该通用框架对优化问题的有效性。进而，我们的机器学习模型与常用优化算法进行比较并协同工作，显示出在反设计问题中大幅提高计算效率的潜力。
引用
@article{arxiv.2105.07194,
title = {An even-load-distribution design for composite bolted joints using a novel circuit model and artificial neural networks},
author = {Cheng Qiu and Yuzi Han and Logesh Shanmugam and Fengyang Jiang and Zhidong Guan and Shanyi Du and Jinglei Yang},
journal= {arXiv preprint arXiv:2105.07194},
year = {2021}
}