33、基于高斯过程回归预测电缆束特性

基于高斯过程回归预测电缆束特性

1. 电缆束特性概述

电缆束由多根电缆排列组成，如同并联电路。电缆束的拉伸刚度$[EA] B$近似等于各电缆弯曲刚度$[EA]_c$之和，即$[EA]_B = \sum {i} [EA]_{ci}$。然而，电缆束的弯曲和扭转刚度不仅取决于单根电缆的刚度，还受电缆间接触和摩擦等因素影响。此外，通常使用纺织胶带将电缆固定在一起，这对电缆束的弯曲和扭转刚度也有不可忽视的影响，且纺织胶带的力学参数难以单独测量。

为处理这些细观效应，我们采用基于机器学习的数据驱动方法来估计电缆束的弯曲和扭转刚度，目标是估计精度相对于测量的电缆束刚度至少达到$\pm 50\%$。这主要有两个原因：一是电缆束的制作方式差异大，即使组件和胶带相同，不同束的胶带缠绕松紧不同，导致测量结果离散性较大；二是电缆束的三维形状偏差通常在$\pm 50\%$范围内。不过，如果安装元件上的力或力矩很关键，则可能需要更高的精度。

2. 测量活动

为了训练和测试基于数据的模型，我们需要不同类型的数据集。

2.1 训练数据集

训练数据库包含在实验室条件下制作的单根电缆和电缆束段的数据集，这些样本具有明确可重复的横截面。
- 首先，利用MeSOMICS®测量生成34根单根导体的数据集，每根电缆的数据集包含半径$r_c$、线密度$[\rho A]_c$、弯曲刚度$[EA]_c$和扭转刚度$[GJ]_c$。
- 然后，将这34根电缆以不同组合方式制作成不同复杂度的电缆束。我们旨在使所有电缆束类型具有规则且接近紧密排列的横截面，通过将电缆按横截面同心层排列实现这一目标。训练用电缆束最多包含三种不同类