网络应用1综述_new要点分析.doc

人工神经网络在受腐蚀钢筋混凝土结构工程中的应用 范颖芳 周晶 （大连理工大学土建学院，大连，116024） 摘要：介绍了人工神经网络在土木工程中的应用现状，阐述了人工神经网络在受腐蚀钢筋混凝土结构工程中的应用；介绍了神经网络方法在锈蚀钢筋与混凝土之间粘结特性及受腐蚀钢筋混凝土构件受力性能研究中新近取得的研究成果。研究表明，与传统的回归方法相比神经网络方法在解决多影响因子复杂非线性问题方面具有显著的优势，在受腐蚀钢筋混凝土结构工程中具有广阔的应用前景。 关键词：神经网络；预测；钢筋混凝土；结构工程 人工神经网络（Artificial Neural Networks, ANNs）是智能科学中的前沿热点，是由大量的简单处理单元（神经元）互相连接而形成的复杂网络系统，是对大脑神经网络的简化、抽象和模拟。由于神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适用于处理需要同时考虑许多因素和条件的、不确定和模糊的信息处理问题。近年来，对神经网络方面的研究受到愈来愈密切的关注，已在模式识别（目标检测与识别、指纹识别）、图像处理、控制和优化、地震风险预测、军事、医药学、金融、石油工程、材料工程等诸多领域中得到了成功的应用。目前，土木建筑科研人员正逐渐将这种方法引入钢筋混凝土结构工程的研究中。 人工神经网络在土木工程中的应用现状 人工神经网络在土木工程中的应用始于20世纪80年代后期，目前已广泛地应用于土木工程中的不同领域，如材料性能预测、损伤识别、结构分析、优化设计、结构振动控制、施工造价预测、施工管理等。本文主要阐述人工神经网络在钢筋混凝土结构工程中的应用。 1.1神经网络在材料性能研究中的应用 钢筋混凝土材料性能是影响钢筋混凝土构件乃至整个结构受力性能的主要因素，以往对钢筋混凝土、环氧纤维复合材料等复合材料的研究是首先将材料模拟为连续的，而后考虑其间的相互作用。由于神经网络可以同时处理多个组成成分与材料性能之间的关系，可将复合材料视为一种材料，在输入层输入影响材料特性的多种组成成分的信息，通过网络的学习训练建立多种组分与材料性能之间的模型。目前神经网络已逐渐在钢筋、混凝土及钢筋混凝土复合材料的研究中得到了广泛的应用。 1.1.1利用神经网络预测材料强度 混凝土强度是受多方面因素（如：组成材料、养护条件、龄期等）综合影响的性能指标，随着混凝土技术日新月异的发展，尤其是高强混凝土、高性能混凝土的诞生，影响混凝土强度的各因素与其强度之间的非线性关系更加明显，传统的回归分析方法难以准确反映这种复杂关系，这就为描述混凝土的材料特性带来了困难。神经网络方法具有同时考虑多因子影响的优势，它的出现较好地解决了影响因素众多所带来的建立模型的困难，克服了传统预测方法至多只能考虑少数几个因素的缺陷。通过分别考虑3个和7个影响因素建立BP网络对水泥28d抗压强度预测结果的比较，表明神经网络预测精度将随着所考虑影响因素的增多而提高，且其适用性及精度也不再像回归分析方法那样受到限制[1]。因此，不少研究人员利用大量的试验结果，建立不同的神经网络预测模型来预测混凝土强度[2~5]。研究结果一致表明，神经网络在混凝土强度预测方面较回归分析的结果具有更高的精度和效率。另外，神经网络还可用于力学模型复杂但又需要利用有限元方法的反问题分析中，如对混凝土材性参数的反演问题，以结构检测得到的结构响应曲线为神经网络的输入预测混凝土参数[6]。 1.1.2利用神经网络进行混凝土配比的优化设计 对指定标号的混凝土进行配合比的设计一般基于经验公式来实现，根据混凝土的实测强度及配合比资料，神经网络可以通过学习自动建立其强度规律和对应关系，从根本上克服了回归分析事先给定数学形式，有可能丢失某些强度信息的缺点。另外，由于神经网络可以在输入、输出层设置多个神经元，可将混凝土综合性能的诸参量如强度、抗渗性、抗冻性、和易性等多影响因子（如骨料级配、水灰比、添加剂、掺和料、施工工艺等）分别作为输出和输入，建立混凝土综合性能与其影响因子间的神经网络模型，使神经网络用于混凝土设计的优越性和效果将更为显著。研究表明，利用神经网络对混凝土配比进行优化设计取得了较好的结果[7~10]。 1.1.3利用神经网络建立混凝土本构模型 混凝土的应力-应变全曲线形状及其绝对值会受到使用材料、配合比和强度等级以及试验方法和量测技术等多种因素的影响。混凝土在简单应力状态下的本构关系即单轴受拉和受压时的应力-应变关系比较明确，可以相当准确地在相应的试验中测定，并用合理的经验回归公式加以描述。然而，由于混凝土材性的离散、变形成分的多样和影响因素众多，应力-应变关系仍在一定范围内变动。多轴应力状态下的本构关系十分复杂，为了结构设计计算和有限元分析中引入混凝土的多轴本构关系，许多学者通过大量的试验