•  栏目 研究性文章

基于机器学习的钢结构节点疲劳寿命预测

作者

期: 第 1 卷第 2 期 (2025 年): 《工程技术前沿》（Frontiers of Engineering Technology ，FET)
关键词:
钢结构；疲劳寿命；机器学习；XGBoost；预测模型

摘要

针对钢结构节点疲劳寿命难以精准预测的问题，本文构建了一种基于机器学习的预测模型。通过采集实验与仿真数据，提取多维结构特征，分别训练SVR、RF、XGBoost和ANN模型，并采用交叉验证和参数优化提升预测性能。结果表明，XGBoost模型在精度与稳定性方面表现最优，R²为0.927，预测误差控制在±7%以内。与传统S-N曲线法相比，该模型更能适应复杂工况，具有更高的工程适用性。研究表明，机器学习可为钢结构疲劳寿命预测提供有效手段。

如何引用

曹杰帆. (2025). 基于机器学习的钢结构节点疲劳寿命预测. 工程技术前沿, 1(2), 26–32. 取读于 从 http://8.219.207.158/index.php/FET/article/view/673
ACM（计算机协会会议） ACS（美国化学会） APA（美国心理学会） ABNT（巴西技术标准协会） 芝加哥（作者-日期） 哈佛格式 IEEE（电气电子工程师协会） MLA（现代语言协会） Turabian（注释-书目） 温哥华格式
下载引用

参考

甘磊,吴昊,仲政.数据驱动的金属疲劳寿命模型研究进展[J].力学进展,2025,55(01):30-79.

刘妍,王茂岑,张令心.从18WCEE看基于ML的结构地震响应预测和损伤评估研究进展[J].世界地震工程,2025,41(01):72-89.

张颛利,孙兴悦,陈旭.基于物理信息神经网络的金属多轴疲劳寿命预测进展[J].机械强度,2025,47(02):44-52.

李荣强,连小锋,朱睿,等.基于机器学习的飞机起落架着陆载荷预测模型[J].科学技术与工程,2023,23(18):801-807.

徐会会,奥妮,吴圣川,等.金属结构材料腐蚀疲劳寿命预测模型的研究进展[J].固体力学学报,2023,44(01):1-33.

作者简介

版权

未提供许可协议