Artificial Neural Network–Based Predictive Tool for Modeling of Self-Centering Endplate Connections with SMA Bolts
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle