基于BP网络模型海水腐蚀柱承载力试验研究.docVIP

基于BP网络模型海水腐蚀柱承载力试验研究 　　【摘要】：利用神经网络方法，建立3层BP网络模型，以拟合不同条件下腐蚀钢筋混凝土柱承载力的变化规律，反映承载力和腐蚀循环因素之间非线性变化关系，为腐蚀钢筋混凝土柱的承载强度预测提供参考。 　　【关键词】：钢筋混凝土柱；承载力强度；BP神经网络 　　中图分类号：TF7 文献标识码：A 文章编号：1002-6908(2008)0410035-01 　　 　　 为了确定腐蚀钢筋混凝土柱承载力特性，对30根短方柱和圆柱做钢筋腐性试验，得到腐蚀下钢筋混凝土柱承载力。由于承载力与构件参数及腐蚀的情况之间存在非线性关系，所以采用神经网络方法，建立3层BP网络模型，以拟合不同条件下腐蚀钢筋混凝土柱承载力的变化规律，反映承载力和腐蚀循环因素之间非线性变化关系，为腐蚀钢筋混凝土柱的承载强度预测提供参考。 　　 　　1. 试验材料 　　 　　 ⑴ 混凝土材料：水泥为525号普通硅酸盐；粗骨料粒径为5～20 mm，密度为2. 802 8g /cm3；细骨料为中砂，密度为2.696 1 g/cm3；细度模数为2. 74;水为自来水；混凝土配合比为水泥；砂：石子：水=1：1.91：3.39：0.5和1：2.08：3.71：0.6两种。 　　 ⑵ 钢筋：纵筋采用D8，箍筋采用D4冷拔钢筋。 　　 ⑶ 腐蚀材料：根据天津塘沽新港附近海水中的主要成分，配制5倍于海水浓度的侵蚀液，这是为了加速混凝土柱的腐蚀。 　　 　　2. 试验构件及侵蚀方法 　　 　　 本试验共制作了30根试验柱，每5根一组共6组，试验柱的分为方柱和圆柱，为便于比较，同形状截面试件的尺寸、长细比和配筋率均相同。长细比为λ=1.81；配筋率为P=2.825 ；配箍率为Psv=0. 314。混凝土对钢筋的净保护层厚度为15mm。所有构件均采用钢模浇注，振动台机械振捣配合人工插捣成型，在标准条件下养护。梁的尺寸及配筋情况如下图所示： 　　 　　研究表明：实验室可采用海水浸烘试验来模拟自然环境的真实腐蚀情况，每24 h进行一次干一湿循环(干12h，湿12h)。在温度不高于80℃的范围内混凝土中钢筋的腐蚀速度与温度成正比。因此为促进试件的腐蚀，本试验采用浸一烘循环的试验方法来模拟海水对钢筋混凝土梁的侵蚀。具体做法是:试件经28d标准养护后，开始浸一烘循环即将试件浸泡在人工海水中12h后，将试件捞出沥干水分，放人(80土2)℃的烘箱内烘12 h，此为一个循环。为考察相同温度下不同腐蚀程度的钢筋混凝土构件的强度和耐久性，本试验研究对这些试件分别进行0，35 ，70，1O5和140次循环进行对比分析。 　　 　　3. 试验加载及测试 　　 　　试验梁的加载及测试装置如下图所示： 　　 　　4. 试验过程及测量 　　 　　试验加载前先进行预载，以后根据计算预计的破坏荷载分级加载.每次加载都进行变形测量和应变测量。当接近开裂荷载时，采用放大镜和丙酮观察柱表面微小混凝土横裂缝和竖裂缝的出现部位及裂缝最大宽度，记录其对应的荷载。 　　 　　5. 柱正截面承载力试验结果 　　 　　 通过试验，测定试验柱正截面承载力见下表，其中Pcr，为开裂荷载，P。为极限荷载。 　　 　　6. 承载力的智能分析 　　 　　 海水腐蚀钢筋混凝土柱，其承载力除了与柱本身的参数指标(如混凝土强度、钢筋强度、截面尺寸、水灰比和配筋率等)有关外，还与腐蚀循环次数及环境有关。从表2看出，它们之间存在着非线性变化关系，要建立这些因素与承载力的关系，用常规的数学模型难以表达。文章采用神经网络的方法处理不同影响因素和腐蚀柱承载力的关系，反映它们之间的变化规律。 　　 BP网络的基本原理是输人参数通过中间节点(隐层点)作用于输出节点，经过非线形变换，产生输出参数，经过网络训练，得到网络输出值与期望输出值之间的偏差，通过调整输入节点与隐层节点的联接强度取值和隐层节点与输出节点之间的联接强度以及阀值，使误差沿梯度方向下降，经过反复学习训练，直至达到期望目标。 　　 　　 对于海水腐蚀钢筋混凝土柱承载力，基于神经网络的模型系统分析如下: 　　 (1) 建立一个3层的神经网络拓扑结构.输入参数4个、即柱横截面形状、混凝土强度、循环次数、水灰比，输出参数2个，分别为柱的开裂承载力和极限承载力；通过试算 ,输人层，隐含层以及输出层的神经元个数分别为4个、8个和2个。 　　 (2) 确定作用函数。3层神经元的传递函数分别取lansig和purelin函数，训练函数取trainlm函数。 　　 (3) 训练参数的设置:设置训练步数为10000，训练间隔步数为25 ,训练目标误差为0.01，训练最小允许梯度位为I x 10-6。 　　 (4)