采用新型混合智能方法对高温下复合楼板系统结构性能的解析评估

摘要整理

本文采用人工智能技术研究复合楼板系统在不同温度阶段的性能，以推导可持续设计方案并筛选高温条件下复合楼板系统的关键影响因素。复合楼板系统的承载能力源于钢与混凝土材料间的复合作用，通过剪力连接件实现。虽然剪力连接件通过将剪力从混凝土传递到钢梁而对复合楼板系统性能起重要作用，但当复合楼板系统暴露于高温环境时，过度变形会降低其剪力承载能力。本文采用人工智能技术评估角形剪力连接件的滑移响应，以确定高温下复合楼板系统的性能。研究采用了不同温度阶段下钢-混凝土复合楼板系统单调加载的经过验证的实验数据进行解析评估。开发了一种由遗传算法（GA）和粒子群优化算法（PSO）优化的自适应神经模糊推理系统（ANFIS），称为ANFIS-PSO-GA（ANPG）方法。将ANPG方法的结果与极限学习机（ELM）方法和径向基函数网络（RBFN）方法进行了对比。数据集包含剪力连接件的力学和几何特性以及温度参数。结果表明，三种方法均能准确预测复合楼板系统的性能，其中RBFN方法和ANPG方法分别在劈裂拉伸荷载和滑移预测中表现最优。基于数值结果，由于滑移响应与荷载和几何参数具有合理的相关性，其具有很强的可预测性。此外，滑移响应和温度被确定为影响高温下复合楼板系统剪力承载能力的最关键因素。

相关论文