工程师职称论文范文大体积混凝土温度场预测的人工智能方法.PDF

中国月期刊咨询网 工程师职称论文范文大体积混凝土温度场预测的人工智能 方法 大体积混凝土主要的特点就是体积大，一般实体最小尺寸大于或等于1m.它的表面系数比较小，水泥水化热释放比较 集中，内部升温比较快。本文是一篇工程师职称论文范文 ，主要针对大体积混凝土温度场预测的人工智能方法进行了一些研究。 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 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 中国月期刊咨询网 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场。 1.5混凝土导温系数 混凝土的导温系数表示混凝土内部热量扩散特性，或表达混凝土内部温度的变化速率。导温系数h2(m2/h)可由如下公 式计算[5]： 本文通过引入混凝土的导温系数作为大体积混凝土温度场预测模型输入参数之一，把混凝土的导热系数、比热及容重 结合起来一并考虑。 2.BP神经网络 2.1 BP人工神经网络的基本原理 人工神经网络 (ARTIFICIAL NEURAL NETWORK，简称ANN)是由大量简单的处理单元(神经元) 广泛地互相连接而形 成的复杂网络系统。大量神经元构成的网络系统具有很强的存储能力和计算能力。理论已证明，3层神经网络模型可 以实现任何函数映射。 目前应用最广、最成熟的是BP神经网络。标准的BP模型有输入层、中间层(隐含层，可以是1层或多层)、输出层3个神 经元层次，