混凝土钢筋锈蚀量预测的智能模型及应用

资料大小：250KB
资料类型：.PDF
资料等级：
发布时间：2021-09-18

资料介绍

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550003)
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，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： TU528．01 文献标志码： A 文章编号： 1002—3550(2011)ol一0037—03
Intelligence model for predict corrosive degree of concrete embeded rebar
SEEN Ru—wci
(Guizhou University，Vocational and Technical College，Guiyang 550003，China)
Abstract： The corosion ofreinforced concrete cracking was influenced by the many uncertainties，and the mechanism ofs~el corrosion in con·
crete is very complex．Radial basis function neural network is used for assessing corrosive degree of concrete embeded rebar after corrosion crack
wasproducedAfterthemainfactors afectingthe corosive degreeofrebarisanalyzed，a artificialintelligencemodelwas established．The adaption
of the model is discussed from the an gles of networks structural optimization and learning parameters．The feasibility is verified according to the
data from practical engineering investigation．It provides a new way to predict corrosive degree ofconcrete embeded rebar after corosion crack．
Key WOrds： concrete；radial basis function neural network intelligent methods；amount ofsteel corrosion；assessment
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，能够比较容易发现的裂缝宽度在0．1 InlTl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。
BP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BP网络就可以实现从输人到输出的任意函数映射。但是由
于BP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BP算法的收敛性和全局最优性。与
收稿日期：2010-08-28
BP神经网络相比，RBF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RBF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
样本的预测能力显著增强。因此，RBF神经网络在逼近能力、分
类能力和学习速度等方面均优于BP神经网络『11】。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(RBF)神经网络是由Powell M．J．D于1985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