论文部分内容阅读
为简化多样化玻璃幕墙明框咬合扣盖的分离力计算方法,根据试验和三维数值模拟对4种不同剖面和材料摩擦系数的咬合扣盖进行了研究.通过二维数值模拟建立了咬合扣盖剖面属性和摩擦系数对分离力影响结果的样本库,采用基于1stOpt软件的LM-UGO算法、SM-UGO算法以及基于Matlab的BP神经网络三种方法,对4种咬合扣盖分离力进行了计算和预测.结果表明:LM-UGO算法和SM-UGO算法对于多参数拟合具有良好的性能,对于各变量包含于样本库之内的工程实例具有良好的预测效果,LM-UGO算法的效率更高;BP神经网络构建速度快,但需要多次重复训练才能找到最合理预测的网络模型,其稳定性较差、泛化能力较差;扩大样本数量,能够提高三种方法对咬合扣盖分离力的预测准确率,各变量处于样本库范围之内的咬合扣盖,三种方法均能满足工程的精度需求.