机器学习方法在真空绝缘玻璃类型复合板的动态性能非破坏性测试中
Damian Kozanecki1, Izabela Kowalczyk1, Sylwia Krasoń1
1Department of Structural Mechanics, Lodz University of Technology, Politechniki 6, 93-590 Lodz, Poland.
Materials (Basel, Switzerland)
|July 29, 2023
概括
机器学习准确地确定了真空绝缘玻璃 (VIG) 单元中支柱的机械性能. 这项研究使VIG复合板耐用性的长期分析成为可能.
科学领域:
- 材料科学 材料科学 材料科学
- 机械工程 机械工程
- 计算科学 计算科学
背景情况:
- 真空绝缘玻璃 (VIG) 代表了先进的复合玻璃技术.
- 支柱是影响VIG板的机械性能的关键组件.
- 长期的机械性能分析,包括Young的模量,对于VIG的耐用性至关重要.
研究的目的:
- 研究机器学习 (ML) 的应用,以分析VIG支柱的机械性能.
- 为此分析确定使用神经网络 (NN) 和极端梯度增强 (XGB) 的可行性.
- 建立一种方法来评估VIG单位的机械性质的长期变化.
主要方法:
- 利用了来自Abaqus对VIG板块建模的数值数据.
- 采用机器学习算法,特别是神经网络 (NN) 和极端梯度增强 (XGB).
- 提出了一种涉及强制振动和VIG板块动态响应分析的测试方法.
主要成果:
- 通过使用模拟的VIG板数据成功训练ML模型.
- 获得内部钢制支元件的精确机械参数.
- 证明了基于振动的测试和ML方法的有效性.
结论:
- 机器学习方法,包括NN和XGB,对于确定VIG支柱的机械性质是有效的.
- 拟议的振动分析方法为ML模型训练提供可靠的数据.
- 这项研究为分析VIG复合板和类似结构的长期机械行为提供了一条途径.


