混凝土碳化深度模型与仿真研究

资料大小：300KB
资料类型：.PDF
资料等级：
发布时间：2021-09-22

资料介绍

混凝土碳化深度模型与仿真研究
高攀祥，于军琪，董振平，罗大明
(1．西安建筑科技大学信息与控制工程学院，陕西西安710055；
2．西安建筑科技大学土木工程学院，陕西西安7 10055)
摘要：采用PSO．BP神经网络建立各影响因素与部分碳化区长度的关系模型，通过MATLAB仿真软件对模型进
行训练，逐步改善影响部分碳化区长度的各因素权值，使网络样本的实际输出与期望输出误差和均方差达到最小。
试验验证了该模型的逼真性、可行性与强健性。结果表明，该模型能够对钢筋混凝土部分碳化区长度进行预测，为
混凝土结构耐久性设计、评估和寿命预测提供科学指导。
关键词：PSO．BP神经网络；混凝土碳化深度；结构耐久性
中图分类号：TU528 文献标志码：A 文章编号：1008—1933(2014)0l一253—04
Study on the carbonation depth model and simulation of concrete
GAO Panxiang ，YU Junqi ，DONG Zhenping ，LUO Daming
(1．School of Information and Control Engineering，Xi’an University of Architecture and Technology，Xi’an 7 10055，China；
2．School of Civil Engineering，Xi’an University of Architecture and Technology ，Xi’an 710055，China)
Abstract：The PSO-BP neural network is applied to establish the model about each factor and the length of the partial carbonation zone
which was trained by MATLAB simulation software．Gradually improving the value of the various factors that afect the length of the part
carbonation zone．the error and stand砒d deviation of actual output and desired output of the network samples will be minimized．The
verisimilitude，feasibility and the healthiness of this model are validated by experiments．The results show that the model can predict the
length of the partial carbonation zone of the reinforced concrete，which ofers scientific guidance to durability design，assessment of
concrete structures and life prediction．
Key words：PSO·BP neural network；concrete carbonation depth；structural durability
0 引言
2006年，金伟良教授在国家自然科学基金会工
程与材料学部主编的学科发展战略报告“建筑、环
境与土木工程Ⅱ”(土木工程卷)中明确指出：“开展
混凝土结构耐久性和全寿命成本最优化研究是关系
到国计民生的重大课题”⋯。
钢筋锈蚀是钢筋混凝土结构耐久性破坏的主要
原因，混凝土碳化则是一般大气环境混凝土中钢筋
锈蚀的前提条件 J。因此，建立混凝土碳化模型，
预i贝4碳化深度的发展，对于混凝土结构耐久性分析
和结构剩余寿命预测有重要的实际意义。
近几十年来，混凝土碳化一直是国内外研究的
热点问题。从研究方法上，主要是理论分析和试验
收稿日期：2012-05-24
作者简介：高攀祥(1985一)，男，硕士，研究方向为控制理论与控制
工程、大型混凝土耐久性监测。
基金项目：陕西省“13115”科技创新工程重大科技专项(2010ZDKG
一55)
E —mail：gaopanxiang@ 126．com
研究(包括实际结构碳化调查)；从研究结果上，主
要是基于碳化机理的理论模型和基于碳化试验的经
验模型。但是由于影响因素比较复杂，导致试验及
实测数据的离散性较大，所以很难建立一个综合反
映各种影响因素并能准确符合实测结果的混凝土碳
化行为计算模型。鉴于此，寻找一个全新的不同于
经典理论的研究途径是十分必要的 J。
1 PSO．BP神经网络模型
人工神经网络具有很强的非线性映射能力，它
不需要任何假设和模型，通过各神经元的自学习能
力实现样本数据输入与输出间的非线性映射引。
因此，对于那些难以建立精确数学模型而又易于收
集学习样本的工程问题(如碳化问题)，应用神经网
络方法解决是非常适宜的 J。
1．1 BP神经网络概述
BP神经网络是由Rumelhart等提出的一种多层
前馈神经网络，其主要特点是信号前向传递，误差反
向传播。其神经元的激励函数为s型函数，即输出