可解释的人工智能研究设计变量对双复合层材的静态特征的贡献

科学领域:

• 复合材料科学 复合材料科学
• 计算力学 计算力学 计算力学
• 人工智能的人工智能

背景情况:

• 双面复合板材表现出由材料特性,几何形状和环境影响的复杂行为.
• 了解特征对层形状和穿力贡献的理解对于设计和应用至关重要.
• 现有的方法可能无法完全阐明输入参数和层状材料反应之间的复杂关系.

研究的目的:

• 为了研究各种输入特征对稳定平衡形状和可两性复合板材的突破力的影响.
• 应用一种新的可解释的人工智能 (XAI) 方法,SHapley添加式解释 (SHAP),用于特征重要性分析.
• 量化材料特性,几何尺寸和环境条件对层状材料特性的贡献.

主要方法:

• 应用最小能量的原则和雷利-里茨法来生成层状材料响应数据.
• 利用夏普利添加式解释 (SHAP) 进行特征重要性和贡献的详细分析.
• 采用极端梯度提升 (XGBoost) 进行特征重要性识别和有限元 (FM) 方法进行验证.

主要成果:

• SHAP分析有效地识别和排名了影响层层曲率和穿力输入特征的重要性.
• 发现横向热膨胀系数和湿度变化对模型的输出产生了最显著的影响.
• 特性重要性分析证实了特定材料特性和环境因素的主导作用.

结论:

• 可解释的人工智能,特别是SHAP,为复式复合板材的复杂行为提供了宝贵的见解.
• 横向热膨胀和湿度变化是设计人员必须考虑的关键参数,以控制层状板的形状和快穿行为.
• 结合理论方法,XAI和数值模拟的综合方法为理解和预测层层性能提供了强大的框架.