Artificial Neural Network–Based Predictive Tool for Modeling of Self-Centering Endplate Connections with SMA Bolts
Notice bibliographique
Résumé
Endplate moment connections with shape memory alloy (SMA) bolts provide self-centering for the seismic resilience of structures. Predicting the self-centering response of these new beam–column connections, which have not been codified yet, requires conducting experimental tests or detailed continuum finite-element simulations. Computationally efficient predictive tools are needed to facilitate the analysis, design, and assessment of self-centering connections and moment frames. In this paper, artificial neural networks (ANNs) are used to develop a MATLAB tool for predicting the moment-rotation backbone and self-centering response of extended endplate connections with SMA bolts. As the input for the neural networks, the predictive model development employs a design database of response parameters from 72 finite-element (FE) models and experimental tests of seven beam–column connection specimens. Neural networks are trained for seven response parameters, and the trained networks are used to develop a graphical user interface (GUI). The coefficient of determination for the trained ANNs is in the range of 0.92 to 0.99, indicating acceptable prediction accuracy. Furthermore, optimization studies using a multiobjective genetic algorithm are performed, seeking the minimization of material use (steel and SMA) and improved connection-response characteristics (i.e., stiffness, strength, and ductility). A phenomenological model of SMA connections is also developed in OpenSees. The use of the ANN-based predictive tool for accurate and efficient modeling of SMA-based connections and self-centering moment-resisting frames is illustrated. The computation time for predicting the moment-rotation response of a typical SMA connection is significantly reduced from seven hours in ANSYS to only three minutes in OpenSees while providing the same level of response prediction accuracy. Furthermore, the optimization results are confirmed by performing nonlinear pushover and response history analyses.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».