混凝土钢筋锈蚀量预测的智能模型及应用.pdf
《混凝土钢筋锈蚀量预测的智能模型及应用.pdf》由会员分享,可在线阅读,更多相关《混凝土钢筋锈蚀量预测的智能模型及应用.pdf(3页珍藏版)》请在咨信网上搜索。
1、2 0 1 1 年 第1期 (总 第 2 5 5 期 ) Nu mb e r 1 in 2 0 1 l ( T o t a l N o 2 5 5 ) 混 凝 土 Co n c r e t e 理论研究 T HEORET I CAL RES EARCH d o i : 1 0 3 9 6 9 i s s n 1 0 0 2 3 5 5 0 2 0 1 1 0 1 ,0 1 0 混凝土钢筋锈蚀量预测的智能模型及应用 沈汝伟 ( 贵州大学 职业技术学院,贵州 贵阳 5 5 0 0 0 3 ) 摘要: 由于混凝土开裂后钢筋的锈蚀伴随着很多不确定性, 实际工程中钢筋锈蚀程度的离散性又很大, 另一方面,
2、 由于混凝土中的钢 筋锈蚀机理非常复杂, 影响影响因素很多, 因此, 采用各种计算模型很难得到钢筋锈蚀量, 且与实测值误差较大。 将径向基经网络技术应用 于锈蚀开裂后混凝土中钢筋锈蚀量的评估 , 建立 了评估钢筋锈蚀 量的智能信息模型。最后通过实际工程检测结果验证了该方法 的实际可 行性, 为钢筋锈蚀量的预测提供了一条新的途径。 关键词: 混凝土; 径向基函数神经网络智能方法;钢筋锈蚀量;评估 中图分类号 : T U5 2 8 0 1 文献标志码 : A 文章编 号: 1 0 0 2 3 5 5 0 ( 2 0 1 1 ) o l 一 0 0 3 7 0 3 I n t e l l i g e
3、n c e mode l f or pr e di c t c or r os i ve de gr e e o f c onc r e t e e mbe ded r eba r S EEN Ru wc i ( G u i z h o u U n i v e r s it y , Vo c a t i o n a l a n d T e c h n i c a l C o l l e g e , Gu i y a n g 5 5 0 0 0 3 , C h i n a ) Abs t r ac t : T h e c o rro s i o n o f r e i n f o r c e d
4、 c o n c r e t e c r a c k i n g wa s i n flu e n c e d b y t h e ma n y u n c e r t a i n t i e s , and t h e me c h a n i s m o f s e l c o r r o s i o n i n c o n c r e t e i s v e r y c o mp l e xRa d i a l b a s i s f u n c t i o n n e u r a l n e t wo r k i s us e d f o r a s s e s s ing c o r
5、 r o s i v e d e g r e e o f c o n c r e t e e mb e de d r e b a r a fte r c o r r o s i o n c r a c k wa sp r o d u c e dAf t e rt h ema i nf a c t o r s a ffe c t i n gt h e c o rro s i v e d e gre eo fr e ba ri san a ly z e d, a a r t i fic i a l i n t e l l i g e n c em o de l wa s e s t a b l i
6、 s he d T he a d a p t i o n o f t h e mo de l i s d i s c u s s e d f r o m the an g l e s o f n e t wo r k s s t r u c tu r a l o p t i mi z a t i o n a n d l e a r n i n g p a r a me t ers T h e f e a s i b i l i t y i s v e r i fi e d a c c o r d i n g t o t h e d a ta fr o m p r a c t i c a l e
7、 n g i n e e r i n g i n v e s t i g a t i o n I t p r o v i d e s a n e w wa y t o p r e d i c t c o r r os i v e d e g r e e of c o n c r e t e e mb e d e d r e b a r a fte r c o rro s i o n c r a c k Ke y W Or ds : c o n c r e t e; r a d i a l b a s i s f u n c t i o n n e u r a l n e t wo r k i
8、n t e l l i g e nt me t h od s ; a mo u n t o f s t e e l c o r r o s i o n; a s s e s s me n t 0 引言 混凝土中的钢筋锈蚀是造成混凝土结构耐久性损伤的最 重要因素之一 1 - 。在一般情况下, 混凝土开裂以前, 钢筋锈蚀量 较小。 然而一旦混凝土保护层开裂, 钢筋锈蚀速度必然加快。 由 此看出, 混凝土保护层是否产生顺筋开裂是钢筋混凝土结构工 作状态的一个重要分水岭, 是结构由正常使用期进入结构老化 期的标志。 鉴于此, 混凝土保护层顺筋开裂的研究意义重大。 在 实际工程检测中, 能够比较容易发现
9、的裂缝宽度在 0 1 I n lT l 左右。 实际中, 大量产生锈蚀裂缝存在钢筋混凝土构件中, 且钢筋锈 蚀量已较大, 由于受诸如水和氧气等腐蚀介质更易到达钢筋表 面, 使其锈蚀速度加快 , 从而使得其结构构件的耐久性与可靠 性大大降低。 鉴于以上原因, 合理准确估计此类构件的锈蚀程度, 可以对现有结构构件的可靠性与耐久性评估及维修加固决策 具有较大的实用价值。 如果可以借鉴工程类比思想, 寻求规律则 可降低工程鉴定费用。 近年来发展起来的人工智能方法如人工神 经网络方法就具有这方面的优势。 B P神经网络是一种常用的全局逼近神经网络, 从理论上讲 , 3 层B P网络就可以实现从输人到输出
10、的任意函数映射。但是由 于B P神经网络是基于梯度下降的误差反向传播算法进行学习 的, 且在训练过程中需要对网络的所有权值和阈值进行修正 , 所 以网络的学习速度较慢 , 而且很容易陷人局部最小点 , 易产生 振荡, 无法保证每次训练时 B P算法的收敛性和全局最优性。 与 收稿 日期 :2 0 1 0 - 0 8 - 2 8 B P神经网络相比, R B F网络是一种局部逼近网络, 对于每个训 练样本 , 它只需要对少量的权值和阈值进行修正, 所以R B F神 经网络不仅学习速度快, 而且避免了局部最小问题, 同时, 由于 只有少量的权值需要调整, 其推广能力显著增强, 使得其对新 样本的预
11、测能力显著增强。因此, R B F神经网络在逼近能力、 分 类能力和学习速度等方面均优于 B P神经网络 1 1】 。 鉴于上述原 因, 为较准确地建立钢筋锈蚀程度与裂缝宽度之间的关系, 本研 究尝试利用人工神经网络方法来评估锈蚀开裂后混凝土中钢 筋的锈蚀程度。 1 径 向基 函数神 经网络智 能方法 1 1 径向基函数神经网络简介 径向基函数( R B F ) 神经网络是由 P o w e l l M J D于 1 9 8 5年 提出的, 以函数逼近理论为基础构造的一类前向网络。 径向基函 数网络是由输入层、 隐含层和输出成构成的三层前向网络, 隐含 层采用径向基函数作为激励函数, 该径向基
12、函数一般为高斯函 数 , 如图 1 所示。隐含层每个神经元与输入层相连的权值向量 1 和输入向量 ( 表示第 个输入向量 ) , 之间的距离乘上阈 值 b 1 作为本身的输入 如图2所示。 由此可得隐含层的第 i 个神经元的输入为: 厂 ;一 j 、 ( w l ) x b 1 。 ( 1 ) V J 输出为: 3 7 学兔兔 w w w .x u e t u t u .c o m X 砖 图 1 R B F网络结构 图 2 RB F神经网络的输入与输出 x p ( - )2 j- e x 、 ( )2 ): e x p ( 一 (1l z J 1 I f 6 l i ) ) ( 2 ) 径向
13、基函数的阈值 b 1 可以调节函数的灵敏度, 但实际工作 中更常用另一参数 c ( 称为扩展常数) 。 b 1 和 C有一定的关系, 本 文取 b 1 8 3 2 6 C i 。 输入层的输人为各隐含层神经元输出的加权求和。由于激 励函数为纯线性函数, 因此输出为: r i x w2 ( 3 ) i = l 1 2 径向基函数神经 网络的 MA T L A B实现 MA T L A B神经网络工具箱为径向基网络提供了许多工具 箱函数, 其中n e w r b e 函数是一个用于设计准确径向基网路的函 数。 调用格式 为: n e t= n e wr b e ( P , T, S P R E A
14、 D) ( 4 ) 式中: 卜 O组输入向量组成的R x Q维矩阵; T Q组 目标向量组成的 S x Q维矩阵; S P R E A 径向基函数的扩展速度, 默认为 1 。 S P R E A D越大, 函数拟合就越光滑。 但是过大的 S P R E A D意 味着需要非常多的神经元以适应函数的快速变化。 如果S P R E A D 设得过小, 则意味着需要许多神经元来适应函数的缓慢变化, 这 样一来, 设计的网络性能就不会很好。 因此, 在网络的设计过程 中, 选择一个合适的 S P R E A D很关键。 本文将使用模式搜索法 寻找出最优 S P R E A D值。 利用函数 n e w
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 混凝土 钢筋 锈蚀 预测 智能 模型 应用
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【wang****lang】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【wang****lang】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。