面向梁截面极限承载力评估的凸物理信息核机器学习方法

《Computers & Structures》：Convex physics-informed kernel for machine learning in the ultimate capacity assessment of beam sections

　　

研究人员提出了一种用于承受轴力与双轴弯曲的钢筋混凝土（RC）截面在极限状态（ULS）下承载力校核的机器学习框架。通过无纤维（fiber-free）积分方法生成解析承载力域，并将其作为参考数据训练采用多项式核与径向基核的支持向量机（SVM）分类器。研究表明，单纯数值标定的SVM无法捕捉RC域典型的凸性与紧致性，产生具有非凸性甚至无界区域的代理极限状态函数。因此，凸性与有界性被视作基本的力学可容许性要求，而非可选的数值正则化项。为避免上述问题并保留域的物理意义，研究人员开发了针对多项式核的凸化（convexification）与强制有界化（coercivization）流程，旨在强制决策面的解析凸性与闭包性；该流程通过将关联二次型投影到半正定矩阵锥上重构四次项，将其表示为基本原子的凸组合。所得SVM给出紧致、有界且力学可解释的决策边界，提供了相对于标准数据驱动代理模型的物理信息替代方案。研究表明，无约束核可能表现出更高的表观精度，却生成力学上不可容许的决策面，从而凸显在安全关键应用中仅依赖精度评估的局限性。该方法具有一般性，可推广至其他材料与核阶数，进而在力学与统计学习之间架桥，迈向结构承载力评估的力学信息（mechanics-informed）分类器。该框架被专门构想为截面级后处理工具，一旦全局应力合力已知，即可以可忽略的计算代价重复执行极限状态校核。

研究背景方面，钢筋混凝土（RC）截面在轴力与双轴弯矩(P, M_x, M_y)空间中的极限状态（ULS）承载力域具有凸、紧致、有界的几何性质，传统纤维法或闭式解计算代价高，难以在大尺度设计或可靠度分析中反复调用。现有机器学习代理模型多关注回归曲面，隐式逼近极限承载力，却不显式强制凸性与闭包性，导致安全关键场景下可能出现非物理决策边界。研究人员指出，将承载力校核重构为二分类问题并采用支持向量机（SVM）可从决策函数层面直接嵌入力学约束，因而开展本研究以系统比较不同核函数在对称与非对称截面下的表现，并提出凸化与强制有界化策略保证代理域的力学可容许性。论文发表于《Computers & Structures》。

关键技术方法上，研究人员首先通过无纤维（fiber-free）积分方法解析生成RC截面在(P, M_x, M_y)空间中的参考承载力域样本，分为可容许与不可容许两类；随后训练SVM分类器，分别采用二次多项式核、高阶多项式核与径向基（RBF）核进行对照；在此基础上提出多项式核的凸化与强制有界化校正流程，将核函数关联的二次型矩阵向半正定锥投影，并把四次项重构成基本凸原子的凸组合，从而从构造上保证决策面Hessian半正定与域的有界闭包；最后在多种对称/非对称截面及不同训练集规模下对比传统核与凸化核的分类精度与边界几何性质。

研究结果部分，各小节结论如下：

第一节引言阐明将ULS校核转化为二分类SVM代理的动机，指出核函数可视为经典相互作用律的数据驱动类比，凸性与紧致性应作为可容许性约束而非后处理正则化。

第二节钢筋混凝土截面承载力域中，研究人员基于Euler-Bernoulli应变场ε_z(x)=ε₀+κ_xx+κ_yy=ε^Tb(x)推导截面内力(P, M_x, M_y)与应变参数的仿射关系，证明在混凝土与钢筋单轴本构满足凸性时，极限承载力域在广义力空间为凸紧集，这为后续SVM决策面强制凸性提供了力学依据。

第三节支持向量机基础中，研究人员回顾SVM通过核技巧k(x_i,x_j)隐式映射特征空间，决策函数f(x)=∑α_iy_ik(x,x_i)+b的形状由核决定；二次核自然产生纺锤状光滑边界，高阶多项式核引入耦合项但可能畸变，径向基核局部适应强但易过拟合且破坏凸性。

第四节凸化与强制有界化流程中，研究人员针对偶次多项式核k_d(x,x')构造其齐次四次项部分为凸组合∑λ_aq_a(x,x')，其中各原子q_a对应半正定二次型的外积，通过半正定投影保证Hessian f(x)?0，并加入强制有界项使水平集{f(x)≤0}闭且有界，从而得到力学一致的代理极限面。

第五节数值评估显示，在对称截面下二次核精度尚可但边界微凹，高阶多项式核与RBF核在有限样本下表观准确率更高，却出现孤立可容许区或无界尾翼；训练集增大并未自动修复非凸缺陷。

第六节凸化核结果表明，经凸化与强制有界化的二次核在对称与非对称截面均恢复紧致凸决策体，分类准确率接近无约束核同时消除非物理区域，决策边界与解析域Hausdorff距离显著降低。

第七节结论指出，无约束数据驱动SVM的高精度可能掩盖力学不可容许性；将凸性、闭包性作为核构造约束的力学信息SVM，能在近零增量代价下替代递归承载力校核，适用于优化与参数化设计中海量截面后处理。该工作可自然扩展至输入空间并入截面几何与配筋参数，构建嵌入自动化设计的全预测代理约束。

讨论与结论翻译部分，研究人员强调：传统核SVM在承载力分类中可能以力学一致性换取表观精度，而凸化与强制有界化多项式核通过半正定投影与原子凸组合从构造上强制凸紧域，使SVM成为具备物理可解释性的力学信息分类器；该框架作为截面级后处理工具，在全局分析获得应力合力后以可忽略代价重复执行ULS校核，对性能驱动优化与大规模可靠度分析具有直接工程意义，且方法不依赖特定材料模型，可推广至其他本构与核阶数。