混凝土钢筋锈蚀量预测的智能模型及应用.pdf

2 0 1 1 年 第1期 (总 第 2 5 5 期 ) Nu mb e r 1 in 2 0 1 l ( T o t a l N o 2 5 5 ) 混 凝 土 Co n c r e t e 理论研究 T HEORET I CAL RES EARCH d o i ： 1 0 3 9 6 9 i s s n 1 0 0 2 3 5 5 0 2 0 1 1 0 1 ，0 1 0 混凝土钢筋锈蚀量预测的智能模型及应用 沈汝伟 ( 贵州大学 职业技术学院，贵州 贵阳 5 5 0 0 0 3 ) 摘要： 由于混凝土开裂后钢筋的锈蚀伴随着很多不确定性， 实际工程中钢筋锈蚀程度的离散性又很大， 另一方面， 由于混凝土中的钢 筋锈蚀机理非常复杂， 影响影响因素很多， 因此， 采用各种计算模型很难得到钢筋锈蚀量， 且与实测值误差较大。 将径向基经网络技术应用 于锈蚀开裂后混凝土中钢筋锈蚀量的评估 ， 建立 了评估钢筋锈蚀 量的智能信息模型。最后通过实际工程检测结果验证了该方法 的实际可 行性， 为钢筋锈蚀量的预测提供了一条新的途径。 关键词： 混凝土； 径向基函数神经网络智能方法；钢筋锈蚀量；评估 中图分类号 ： T U5 2 8 0 1 文献标志码 ： A 文章编 号： 1 0 0 2 3 5 5 0 ( 2 0 1 1 ) o l 一 0 0 3 7 0 3 I n t e l l i g en c e mode l f or pr e di c t c or r os i ve de gr e e o f c onc r e t e e mbe ded r eba r S EEN Ru wc i ( G u i z h o u U n i v e r s it y ， Vo c a t i o n a l a n d T e c h n i c a l C o l l e g e ， Gu i y a n g 5 5 0 0 0 3 ， C h i n a ) Abs t r ac t ： T h e c o rro s i o n o f r e i n f o r c e d c o n c r e t e c r a c k i n g wa s i n flu e n c e d b y t h e ma n y u n c e r t a i n t i e s ， and t h e me c h a n i s m o f s e l c o r r o s i o n i n c o n c r e t e i s v e r y c o mp l e xRa d i a l b a s i s f u n c t i o n n e u r a l n e t wo r k i s us e d f o r a s s e s s ing c o r r o s i v e d e g r e e o f c o n c r e t e e mb e de d r e b a r a fte r c o r r o s i o n c r a c k wa sp r o d u c e dAf t e rt h ema i nf a c t o r s a ffe c t i n gt h e c o rro s i v e d e gre eo fr e ba ri san a ly z e d， a a r t i fic i a l i n t e l l i g e n c em o de l wa s e s t a b l i s he d T he a d a p t i o n o f t h e mo de l i s d i s c u s s e d f r o m the an g l e s o f n e t wo r k s s t r u c tu r a l o p t i mi z a t i o n a n d l e a r n i n g p a r a me t ers T h e f e a s i b i l i t y i s v e r i fi e d a c c o r d i n g t o t h e d a ta fr o m p r a c t i c a l e n g i n e e r i n g i n v e s t i g a t i o n I t p r o v i d e s a n e w wa y t o p r e d i c t c o r r os i v e d e g r e e of c o n c r e t e e mb e d e d r e b a r a fte r c o rro s i o n c r a c k Ke y W Or ds ： c o n c r e t e； r a d i a l b a s i s f u n c t i o n n e u r a l n e t wo r k i n t e l l i g e nt me t h od s ； a mo u n t o f s t e e l c o r r o s i o n； a s s e s s me n t 0 引言 混凝土中的钢筋锈蚀是造成混凝土结构耐久性损伤的最 重要因素之一 1 - 。在一般情况下， 混凝土开裂以前， 钢筋锈蚀量 较小。 然而一旦混凝土保护层开裂， 钢筋锈蚀速度必然加快。 由 此看出， 混凝土保护层是否产生顺筋开裂是钢筋混凝土结构工 作状态的一个重要分水岭， 是结构由正常使用期进入结构老化 期的标志。 鉴于此， 混凝土保护层顺筋开裂的研究意义重大。 在 实际工程检测中， 能够比较容易发现的裂缝宽度在 0 1 I n lT l 左右。 实际中， 大量产生锈蚀裂缝存在钢筋混凝土构件中， 且钢筋锈 蚀量已较大， 由于受诸如水和氧气等腐蚀介质更易到达钢筋表 面， 使其锈蚀速度加快 ， 从而使得其结构构件的耐久性与可靠 性大大降低。 鉴于以上原因， 合理准确估计此类构件的锈蚀程度， 可以对现有结构构件的可靠性与耐久性评估及维修加固决策 具有较大的实用价值。 如果可以借鉴工程类比思想， 寻求规律则 可降低工程鉴定费用。 近年来发展起来的人工智能方法如人工神 经网络方法就具有这方面的优势。 B P神经网络是一种常用的全局逼近神经网络， 从理论上讲 ， 3 层B P网络就可以实现从输人到输出的任意函数映射。但是由 于B P神经网络是基于梯度下降的误差反向传播算法进行学习 的， 且在训练过程中需要对网络的所有权值和阈值进行修正 ， 所 以网络的学习速度较慢 ， 而且很容易陷人局部最小点 ， 易产生 振荡， 无法保证每次训练时 B P算法的收敛性和全局最优性。 与 收稿 日期 ：2 0 1 0 - 0 8 - 2 8 B P神经网络相比， R B F网络是一种局部逼近网络， 对于每个训 练样本 ， 它只需要对少量的权值和阈值进行修正， 所以R B F神 经网络不仅学习速度快， 而且避免了局部最小问题， 同时， 由于 只有少量的权值需要调整， 其推广能力显著增强， 使得其对新 样本的预测能力显著增强。因此， R B F神经网络在逼近能力、 分 类能力和学习速度等方面均优于 B P神经网络 1 1】 。 鉴于上述原 因， 为较准确地建立钢筋锈蚀程度与裂缝宽度之间的关系， 本研 究尝试利用人工神经网络方法来评估锈蚀开裂后混凝土中钢 筋的锈蚀程度。 1 径 向基 函数神 经网络智 能方法 1 1 径向基函数神经网络简介 径向基函数( R B F ) 神经网络是由 P o w e l l M J D于 1 9 8 5年 提出的， 以函数逼近理论为基础构造的一类前向网络。 径向基函 数网络是由输入层、 隐含层和输出成构成的三层前向网络， 隐含 层采用径向基函数作为激励函数， 该径向基函数一般为高斯函 数 ， 如图 1 所示。隐含层每个神经元与输入层相连的权值向量 1 和输入向量 ( 表示第 个输入向量 ) ， 之间的距离乘上阈 值 b 1 作为本身的输入 如图2所示。 由此可得隐含层的第 i 个神经元的输入为： 厂 ；一 j 、 ( w l ) x b 1 。 ( 1 ) V J 输出为： 3 7 学兔兔 w w w .x u e t u t u .c o m X 砖 图 1 R B F网络结构 图 2 RB F神经网络的输入与输出 x p ( - )2 j- e x 、 ( )2 )： e x p ( 一 (1l z J 1 I f 6 l i ) ) ( 2 ) 径向基函数的阈值 b 1 可以调节函数的灵敏度， 但实际工作 中更常用另一参数 c ( 称为扩展常数) 。 b 1 和 C有一定的关系， 本 文取 b 1 8 3 2 6 C i 。 输入层的输人为各隐含层神经元输出的加权求和。由于激 励函数为纯线性函数， 因此输出为： r i x w2 ( 3 ) i = l 1 2 径向基函数神经 网络的 MA T L A B实现 MA T L A B神经网络工具箱为径向基网络提供了许多工具 箱函数， 其中n e w r b e 函数是一个用于设计准确径向基网路的函 数。 调用格式 为： n e t= n e wr b e ( P ， T， S P R E A D) ( 4 ) 式中： 卜 O组输入向量组成的R x Q维矩阵； T Q组 目标向量组成的 S x Q维矩阵； S P R E A 径向基函数的扩展速度， 默认为 1 。 S P R E A D越大， 函数拟合就越光滑。 但是过大的 S P R E A D意 味着需要非常多的神经元以适应函数的快速变化。 如果S P R E A D 设得过小， 则意味着需要许多神经元来适应函数的缓慢变化， 这 样一来， 设计的网络性能就不会很好。 因此， 在网络的设计过程 中， 选择一个合适的 S P R E A D很关键。 本文将使用模式搜索法 寻找出最优 S P R E A D值。 利用函数 n e w r b e 创建一个精确的神经网络， 该函数在创建 R BF网络时， 自动选择隐函层的数目， 使误差为 0 。 r a d b a s 函数为径向基传递函数。 该函数的原型为 y = e X p ( 0 ) 。 2 混凝土钢 筋锈蚀量预 测的智 能模型应用 前人的研究成果指出【 ， 混凝土保护层开裂后 ， 钢筋锈蚀 3 8 量主要受混凝土裂缝宽度、 混凝土强度、 混凝土保护层厚度、 钢筋 直径的影响， 在本文中分别用 W ， c ， d表示。 本文中智能信息 的网络模型为输入层 4个指标 ， 输出层为 1 个指标， 分别为混 凝土裂缝宽度、 混凝土强度、 混凝土保护层厚度 、 钢筋直径和钢 筋锈蚀截面损失率。 隐层节点数根据最终误差最小的原则进行 调整 。 在查阅大量研究资料的基础上， 本文采用文献 3 提供的工 程检测与试验数据， 共3 1 组， 以其中的2 1 组数据作为训练样本进 行训练， 如表 1 所示， 另外 l O 组样本作为测试样本对本文建立的 模型进行测试， 见表2 。 为说明文模型的合理性及科学性， 同时在 表 1 、 2中列出了回判预测值及测试预测值， 从表中可以看到， 由智 能信息模型得到的预测值与实测值的误差较小， 可见本文所建 立的模型预测精度较高， 正确率高， 需要进一步指出的是， 随着试 验数据的进一步积累可以得到更加令人满意的预测结果。 表 1 训练样本集及回判预测结果 样本号 一a c 3结 论 根据混凝土中钢筋锈蚀问题的特点， 应用智能方法径向基 学兔兔 w w w .x u e t u t u .c o m 神经网络建立了评估混凝土保护层胀裂后钢筋锈蚀程度的智 能信息模型， 合理科学地解决了由混凝土表面锈胀裂缝评估钢 筋锈蚀程度的问题， 为损伤构件的承载力评定提供了科学依据。 值得指出的是 ， 所建立的评估钢筋锈蚀程度的智能信息模型是 动态的， 随着实测数据的增加及累积， 可以在新完善的样本基 础上进行 自 学习及训练， 建立更加合理的智能评估模型， 使模 型的预测值更逼近实测值。 参考文献 ： 【 l 】 删 吐 云 ， 周燕I 既勃 监定、 加固 糊 北京： 地震日 叛 社， 1 9 9 1 【 2 】2 袁群， 李宗坤， 曹雪玲 ( 7 ) ： 7 4 7 6 【 3 】牛弱寿 混凝土缚 骊 性号 翕 预；贝 C 京： 科学技术H 嘶 ， 2 0 0 3 4 陈海斌， 牛荻涛， 浦聿修应用人工神经网络技术评估混凝土中的钢 筋锈蚀lO 工业建筑， 1 9 9 9 。 2 9 ( 4 ) ： 5 l 一 5 5 【 5 5吴相豪 海洋环境中钢筋混凝土构件锈胀开裂时间的解析解m 上海 海事大学学报， 2 0 0 6 ， 2 7 ( 3 ) ： 2 2 2 6 上接第 3 6页 - 通过对图5 分析可以发现： 粉煤灰水化度 嘶增长与粉煤灰颗粒微观形貌变化之间有 明显的对应关系， 低温( 1 O) 养护 7 d时 n = o 2 3 ， 。粉煤灰仍 处于水化诱导期， 颗粒表面亦未见水化迹象， 与附着的水化产 物存在清晰可见的边界裂隙， 如图 5 ( c ) 所示； 随着碱液对粉煤 灰颗粒表面的侵蚀 ， 粉煤灰水化速率逐渐加快， 水化进入加速 期 ， 低温( 1 O) 养护 2 8 d与高温( 4 0) 养护 7 d后粉煤灰水 化度 分别为 3 6 8 和 2 8 9 ， 粉煤灰的颗粒与水化产物边界 变得较为模糊， 但存在大量裸露且光滑颗粒， 可推断颗粒与周 围水化产物的黏结薄弱， 如图5 ( d ) 、 5 ( e ) 所示； 高温( 4 0) 养 护 2 8 d 后粉煤灰水化度嘶达到近 1 0 ， 浆体内已不存在轮廓清 晰的球 形颗粒颗粒 ， 颗粒表面出现 了较大的反应蚀痕和蚀点 。 通过与水泥基准样对比( 图 5 ( a ) 、 5 ( b ) ， 粉煤灰水化反应能 够显著促进水泥水化 ， 改善浆体密实度 ， 未掺加粉煤灰时水泥 浆体 2 8 d的微观结构仍较为疏松， 大量针柱状水化晶体相互搭 接呈网状， 存在较大孔隙； 掺入粉煤灰后即使温度较低( 图 5 ( d ) ， 2 8 d时浆体密实度有大大改善， 主要结晶相 A F t 和 C a ( O H) ： 的 量也较少； 高温( 4 0) 养护 7 d粉煤灰水化度水平相同， 浆体 密实程度亦与之类似。 3结 论 ( 1 ) 养护温度和龄期是加速粉煤灰颗粒水化的重要参数 ； 养护温度的提高能有效激发粉煤灰活性， 4 O养护 2 8 d粉煤 灰水化度与 l O条件相比提高了近 2 5 倍 ； 养护龄期越长， 对粉 煤灰活性发展的影响程度越大， 并随后期静置环境的相对改变 有所差异 。 ( 2 ) 粉煤灰水化速率呈现先增大后减小趋势 ， 高温养护显 著缩短了水化诱导期， 加快了粉煤灰水化速率， 4 0条件养护 3 d时就已出现水化加速期， 水化速率比 1 O条件提高了近 2倍。 ( 3 ) 养护温度的升高可以有效改善粉煤灰的掺入对混凝土 早期强度发展的不利影响， 即较高养护温度有利于粉煤灰混凝 6 】 张誉， 蒋利学， 张伟平， 等 混凝土结构耐久性概论 M 】 上海科学技术 出版社 ， 2 0 0 3 【 7 WE Y E R S R E S e r v i c e l i f e mo d e l f o r c o n c r e t e s t r u c t u r e s i n c h l o ri d e l a d e n e n v i ron me n t s J A C I Ma t e r i a l s J o u r n a ， 1 9 9 8 ， 9 5 ( 4 ) ： 4 4 5 4 5 3 8 】 张耀庭 ， 罗菡， 胡兴源应用 B P网络预测混凝土中的钢筋锈蚀量【 J 】 混凝土， 2 o o l ( 2 ) ： 5 6 5 9 【 9 】 许东， 吴铮 基于 M A T L A B 6 x 的系统分析与设计一 神经网络( 第二 版) 【 M 】 西安： 西安电子科技大学出版社， 2 0 0 2 【 1 O 】 杨维国， 赵建昌， 许红叶 基于 B P 神经网络预测混凝土锈胀开裂时 间 J 】 _ 四J f 健筑， 2 0 0 8 ， 2 8 ( 2 ) ： 1 5 2 1 5 3 【 l 1 】 葛哲学， 孙志强 神经网络理论与 M A T L A B 2 0 0 7 实现 M 】 北京： 电子 工业出版社， 2 0 0 7 作者简介 ： 单位地址 ： 联 系电话 ： 沈汝伟( 1 9 7 9 一 ) ， 男， 讲师， 研究方向： 钢筋混凝土结构。 贵州省贵阳市贵州大学勘察设计研究院( 5 5 0 0 0 3 ) 1 3O 3 78 7 4 0 8 3 土早期强度的发展； 由于粉煤灰较小的掺量和较低的水化水平， 复合胶凝材料早期反应过程仍由其中所含水泥控制。 ( 4 ) S E M 分析结果表明： 粉煤灰水化度 ， 增长与粉煤灰颗 粒微观形貌变化之间有明显的对应关系， 能够显著改善浆体密 实程度 ， 促进水泥颗粒水化， 水化产物中结晶相 AF t 和 C a ( O H) ： 的量也较少 。 参考文献： 1 T E R MK H A J O R N K 1 T P， N AWA T E ff e c t o f w a t e r c u ri n g c o n d i t i o n s o n t h e h y d r a t i o n d e g r e e a n d c o mp r e s s i v e s t r e n g t h s o f fly a s h- c e me n t p a s t e J C e m e n t C o n c r e t e C o m p o s i t e s ， 2 0 0 6 ( 2 8 ) ： 7 8 1 - 7 8 9 【 2 】贾耀东， 阎培渝 粉煤灰中S i O 2 在不同碱性条件下的溶出量及与火 山灰活性指数的关系【 J 硅酸盐学报， 2 0 0 9 ， 3 7 ( 7 ) ： 1 0 7 3 - 1 0 7 8 3 】马保国， 王迎斌， 罗忠涛 ， 等 碱性环境下粉煤灰活性的温度效应研 究【 J 】 粉煤灰综合利用， 2 0 o 9 ( 5 ) ： 3 1 0 4 】L I G u o ， O t s u k i N o b u a k i ， Y U A N Y i n g - s h u E ff e c t s o f t h e i n i t i a l w a t e r c l l r i n g t i me o n t he c o r r o s i o n b e h a v i o r of s t e e l b a r c o r r o o n i n fly a s h c o n c r e t e J P r o c e d i a E n g i n e e ri n g ， 2 o o 9 ( 1 ) ： 7 4 2 - 7 4 9 【 5 】G B T 1 2 9 6 0 - - 2 0 0 7 ， 水泥组分的定量测定【 s 】 北京 ： 中国标准出版 社 ， 2 0 0 7 【 6 1 F R A AY A 1 A， B I J E N J M， D E H A AN Y M T h e r e a c t i o n o f fl y - a s h i n c o n c r e t e - a c ri t i c a l - e x a m i n a c t i o n J C e m e C o n c ret e C o m p o s i s ， 1 9 8 9 ( 1 9 ) ： 2 3 5 2 4 6 作者 简介 ： 单位地址 ： 联 系电话 ： 王鹏( 1 9 8 7 一 ) ， 男， 硕士研究生， 从事粉煤灰混凝土耐久性 方面的研究。 中国矿业大学力建学院防灾硕 O 8 ( 2 2 l l l f6 ) O 5 1 6 - 8 3 8 8 4 4 2 2 39 学兔兔 w w w .x u e t u t u .c o m