基于机器学习的仿生点阵结构抗压强度预测系统设计与实现

张 玉鑫, 韩 乐
沈阳航空航天大学，民用航空学院

摘要


仿生点阵结构抗压强度传统预测依赖有限元仿真，存在计算成本高、迭代周期长的问题。为提升预测效率
与工程适用性，构建了一套融合多模型集成学习与工程可视化的智能预测系统。本系统基于81组全因子有限元仿真
数据，训练岭回归、随机森林、XGBoost及堆叠集成学习模型，仅需输入杆径、杆长、夹角与倾角四个参数，即可
实现毫秒级强度预测。同时提出应力+应变本构关系参数化生成算法，结合空间坐标变换实现三维结构可视化。集
成用户管理、批量预测与历史数据检索功能。实验表明：Stacking集成模型预测性能最优，决定系数0.985，均方根
误差21.3 MPa，平均绝对误差16.8 MPa；单点预测响应0.28秒，20样本批量预测耗时1.1秒，可在全平台运行，为航
空航天等领域轻量化结构快速设计提供高效工程支持。

关键词


仿生点阵结构；抗压强度预测；Stacking集成学习；应力－应变曲线；参数化可视化

全文:

PDF


参考


[1]FERNANDES M C, SHARMA A, ZHANG Y,

et al. Mechanically robust lattices inspired by deep-sea glass

sponges[J]. Nature Materials, 2021, 20(2): 237-241.

[2]TUNINETTI V, ZHANG Z, WANG Y, et

al. Biomimetic lattice structures: Design principles and

manufacturing advances[J].Biomimetics, 2025, 10(7): 458.

[3]谢炜豪，杨永泰. 光固化制造仿生蝴蝶点阵结构

压缩及吸能性能研究[J]. 应用力学学报，2024，41（10）：

124-132.

XIE W H, YANG Y T. Compressive and energy

absorption properties of biomimetic butterfly lattice structures

fabricated by stereolithography[J]. Chinese Journal of Applied

Mechanics, 2024, 41(10): 124-132. (in Chinese)

[4]GIBSON L J, ASHBY M F. Cellular solids: Structure

and properties[M]. 2nd ed. Cambridge: Cambridge University

Press, 1999.

[5]XIANG Y, LI H, CHEN W, et al. A GANbased stepwise full-field mechanical prediction model for

metamaterials[J]. International Journal of Mechanical Sciences,

2024, 284: 109771.

[6]NGUYEN T, PHAM H, TRAN M, et al. Bayesian

optimization of stacking ensemble learning model for concrete

strength prediction[J]. Expert Systems with Applications,

2025, 259: 125175.


Refbacks

  • 当前没有refback。