大体积混凝土温度场预测的人工智能方法.docVIP

大体积混凝土温度场预测的人工智能方法 　　摘 要：大体积混凝土的温度场是受到诸多因素影响的非稳态温度场，采用传统的热传导理论求解这种瞬态温度场是非常困难的。本文探索采用BP 神经网络针对大体积混凝土温度场的特性，提出了一种基于L-M算法的温度场预测模型。预测结果表明，该模型收敛速度快，预测精度较高。 　　关键词：大体积混凝土；温度场；人工神经网络；水化热；LM算法 　　Abstract： The temperature field of mass concrete is unsteady temperature field is affected by many factors， the heat conduction theory for solving the transient temperature field of tradition is very difficult. Using the BP neural network according to the characteristics of large volume concrete temperature field， a prediction model of L-M algorithm is proposed based on temperature field. The predicted results show that， the model has fast convergence speed， high prediction accuracy. 　　Keywords： Massive concrete； temperature field； artificial neural network； hydration reaction； LM algorithm 　　0.引 言 　　大体积混凝土一次浇筑量大，混凝土体积厚，导热系数比较低，水泥水化产生的热量不能及时散失，使混凝土内部温度逐渐升高，造成较大的温度梯度。如果不采取措施控制混凝土的温度，混凝土就会开裂[1]。如果在施工以前能够成功地对混凝土温度场进行预测，可为设计、施工、采取温控措施、防止混凝土开裂提供依据。这对于提高工程质量有重要意义。 　　但由于水泥水化过程中，系统的温度、生热率、热流率、热边界条件等随时间都有明显变化。因此，采用传统的热传导理论求解这种瞬态温度场是非常困难的。本文探索性地采用BP 神经网络，从混凝土结构出发，以结构尺寸及边界条件、浇筑温度、环境温度、绝热温升、导温系数作为输入参数，混凝土内部温度最大值和温度梯度最大值作为输出参数，采用LM（Levenberg-Marquardt）优化算法对学习样本进行优化，建立大体积混凝土温度场的预测模型，对温度场进行预测。 　　1.大体积混凝土温度场构成因素分析 　　用有限元分析软件ANSYS对某大体积混凝土剪力墙进了瞬态温度场分析，如图1所示。 　　通过温度场有限元分析我们可以看出混凝土内部最高温度一般发生在结构物的中心位置。另外，如下五种因素对大体积混凝土温度场有重要影响： 　　1.1混凝土的浇筑温度 　　在绝热条件下，混凝土内部的最高温度，是浇筑温度Ti与水泥水化热温升的总和。降低混凝土的浇筑温度，亦就是相应地降低了混凝土内部的最高温度，并减小了结构物的温度梯度。 　　1.2混凝土的最高绝热温升 　　混凝土内部温度升高的根本原因是水泥水化放热。混凝土的最高绝热温升可由下式计算[3]： 　　由于不同混凝土结构的水泥用量、水泥水化热、混凝土容重、比热等不尽相同。本文通过引入混凝土的最高绝热温升Tm作为大体积混凝土温度场预测模型输入参数之一，综合考虑了不同混凝土结构的以上不同因素。 　　1.3边界条件和结构尺寸[4] 　　混凝土建筑物中，广泛适用的是第三类边界条件，即假定经过混凝土表面的热流量与混凝土表面温度和混凝土周围介质温度之差成正比，但第三类边界条件在数学上处理比较困难。因此在分析中，对第三类边界条件的处理，采用自真实边界向外延伸一个虚拟厚度，得到一个虚边界，如图2所示，在虚边界上混凝土表面温度等于外界介质温度。 　　如果混凝土的实际厚度为h，则在计算中采用的计算厚度为： 　　式中，为各种保温材料的厚度（m）；为各种保温材料的导热系数（W/m?K）；βq为空气层传热系数。 　　本文采用计算厚度：L=h+2d，把虚厚度同结构尺寸及保温层导热系数结合起来一并考虑。 　　1.4环境温度 　　混凝土内部温度升高的同时要向外部环境散热降温。第三类边界条件假定经过混凝土表面的热流量与混凝土表面温度和混凝土周围介质温度之差成正比。因此，环境温度通过影响混凝土表面的热流量来影响混凝土内部温度