[发明专利]一种基于决策树模型的纤维丝性能检测方法及系统

摘要

本发明属于复合材料检测技术领域，公开了一种基于决策树模型的纤维丝性能检测方法及系统；在有限元仿真软件中建模仿真，获取用于模型训练与测试的数据；在模型训练前对原始数据进行特征选择，实现数据降维；根据要预测的对象编程建立决策树模型，调节参数得到最佳预测模型。本发明采用机器学习中的决策树回归模型建立了纤维单丝性质与复合材料整体宏观参数之间的联系，模型训练与测试数据均来自Abaqus仿真实验，为避免过拟合出现，本发明在模型训练之前采用L1范数方法进行特征选择。经过参数调节和模型选择，得到有较好的泛化性能的模型，用于纤维丝纵向弹性模量、横向弹性模量和泊松比的预测。

主权项

1.一种基于决策树模型的纤维丝性能检测方法，其特征在于，所述基于决策树模型的纤维丝性能检测方法以纤维单丝的轴向弹性模量、径向弹性模量和泊松比为输出变量，通过机器学习中决策树回归模型建立上述参数与复合材料整体在拉伸试验中变形数据的联系，实现对纤维丝参数的预测；所述决策树回归模型包括：纵向弾性模量的最优模型：树最大深度＝5，random state＝4：RMSE:58888.73108983842；Rate oferror:0.09429549483535851；横向弾性模量的模型：最大树深＝3，random＝6：RMSE:1375.3967541785746；Rate oferror:0.06747625802348253；泊松比模型为：最大树深＝4，random state＝6：RMSE:0.033916891891144094；Rate oferror:0.09000512820512828。