基于人工智能的复杂工况螺纹连接力矩衰减预测新方法

针对冲击、振动或变载荷环境等复杂工况下螺纹连接易失效的问题，传统的实验和仿真方法效率不高且成本较高。本研究利用人工智能技术在故障预测领域的优势，提出了一种基于数据挖掘的新型复杂工况螺纹连接力矩衰减预测方法。该方法通过挖掘原始数据中螺纹连接故障的精确映射关系，准确识别导致螺纹连接失效的主要原因，并预测力矩衰减情况。首先，采用规则化故障量化方法考虑文本极性变化特征；其次，结合专业领域词典对螺纹连接力矩衰减进行基于文本描述的故障评级；进而，提出基于Logistic函数模型的特征构建方法并建立相关特征集；最后，利用随机森林和岭回归算法的Stacking集成学习预测模型。本研究以重型卡车推力杆螺纹力矩衰减预测作为案例，验证了该新方法的可行性和有效性，集成模型预测准确率较单一算法模型平均提升了53.39%。