基于机器学习算法的夹层玻璃冲击破坏预测模型研究

作者：孟嫣然; 王星尔; 杨健^*; 徐涵; 岳峰

来源：无机材料学报, 2021, 36(01): 61-68.

• 夹层玻璃
• 冲击破坏
• 机器学习
• 核极限学习机

在诸如风致飞射物撞击等刚体冲击作用下,建筑夹层玻璃因自身脆性特征极易破坏。针对这个问题提出了在刚体冲击下夹层玻璃破坏状态的预测方法,综合考虑了玻璃构型、中间胶层、支撑条件及尺寸等多种设计参数。首先针对多类夹层玻璃进行往复刚体冲击试验,建立567组PVB及210组SGP的两种不同中间胶层的夹层玻璃试验数据库;随后基于鲸鱼优化下的核极限学习机(WOA-KELM)机器学习算法,建立夹层玻璃破坏状态的预测模型,并与支持向量机(Support Vector Machine, SVM)及最小二乘支持向量机(Least Squares Support Vector Machine, LSSVM)建立的相应预测模型进行对比分析。结果表明, WOA-KELM模型破坏状态预测精度达88.45%,能较好地预测夹层玻璃的破坏,满足工程应用的需求,且预测模型精度及实时性均优于其他模型。

• 单位
  建筑工程学院; 海洋工程国家重点实验室; 宁波大学; 上海交通大学