混凝土强度无损检测试验及人工智能系统模型研究

论文摘要

随着混凝土强度无损检测技术的发展,回弹、超声、后装拔出法等单一测强手段已在工程检测中得到应用,相应的技术规程也相继颁布执行。由于对测强精度要求的逐步提高,单指标测强方法已不能满足工程需要,这就使综合法测强曲线的建立显得尤为重要。由于采用规程推荐的统一曲线受地方材料和各地施工水平差异等因素影响存在较大的误差,因此建立地区无损测强曲线是提高无损测强精度的主要措施。本文采用张家口地区常用的地方材料,对C15、C20、C25、C30、C35、C40六种常用不同强度等级的混凝土标养试件,进行28d、42d及56d三个龄期的超声、回弹及后装拔出无损检测试验,并同时进行混凝土破损测强。在此基础上用数理统计方法对试验数据进行回归分析,建立回弹-超声、超声-拔出、回弹-拔出、回弹-超声-拔出综合法测强曲线和相关公式。并利用自然养护混凝土试件无损检测试验结果对回归公式进行修正。经实验和部分工程实践验证,本文所建立的综合测强曲线相关性较好、误差较小。人工神经网络是理论化的人脑神经网络的数学模型,是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统,能够实现复杂的逻辑操作和非线性关系。人工神经网络对于难以建立精确的数学模型而又易于收集学习样本的问题非常适合。影响混凝土强度无损检测的因素较多,具有许多不确定性,用一种确定的表达式来描述存在困难,鉴于此,本文作者提出了基于人工神经网络的混凝土强度无损检测综合法评定研究。探索并应用了神经网络的一些改进算法,其中包括附加冲量法,自适应学习算法及S型函数输出限幅算法等,以保证建立的神经网络的快速有效。对试验数据进行成功训练,利用Matlab语言编制相应程序,建立了混凝土强度无损检测综合法的人工神经网络模型。通过检测样本训练和实际工程验证,建立的人工神经网络模型推测的混凝土强度相对误差小,可以对混凝土强度进行预测。与传统的回归算法相比,采用人工神经网络建立的混凝土强度评定模型推测出的混凝土强度具有精度高的特点。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 混凝土强度无损检测技术的发展历史及现状
• 1.1.1 混凝土强度无损检测的基本涵义
• 1.1.2 混凝土强度无损检测技术的发展
• 1.1.3 混凝土材料的变化对无损检测技术发展的影响
• 1.1.4 结构混凝土强度无损检测技术的研究动向
• 1.2 混凝土强度无损检测在混凝土测试系统中的作用
• 1.2.1 关于混凝土强度的检测
• 1.3 混凝土强度无损检测常用方法分类和特点
• 1.3.1 非破损检测方法
• 1.3.2 微破损检测方法（拔出法）
• 1.3.3 综合法
• 1.4 混凝土强度无损检测测试结果的分析处理技术
• 1.5 本课题研究的意义及主要内容
• 1.5.1 本课题的意义
• 1.5.2 本文主要研究内容
• 第二章 混凝土强度无损检测综合法试验
• 2.1 研究方法与步骤
• 2.2 无损检测试验原理
• 2.2.1 回弹法
• 2.2.2 超声脉冲法
• 2.2.3 后装拔出法
• 2.3 主要试验仪器设备
• 2.4 试件制作
• 2.4.1 混凝土原材料基本性能
• 2.4.2 混凝土配合比及设计参数确定
• 2.4.3 试件制作
• 2.5 测试及结果
• 2.6 小结
• 第三章 试验数据分析及测强公式的建立
• 3.1 评价回归公式精度指标
• 3.2 数据来源
• 3.3 各测强方法回归分析和测强公式的建立
• 3.3.1 各测强方法回归分析
• 3.3.2 一元函数测强公式的建立
• 3.3.3 二元函数测强公式的建立
• 3.3.4 三元函数测强公式的建立
• 3.4 各种测强公式总结
• 3.5 回弹-超声综合法所得曲线与全国基准曲线的比较
• 3.6 混凝土测强公式的修正
• 3.6.1 测强公式修正的依据
• 3.6.2 测强公式的修正
• 3.7 混凝土测强公式在实际工程中的应用分析
• 3.8 小结
• 第四章 测强曲线的使用和影响因素的分析
• 4.1 测强曲线的使用
• 4.1.1 测强曲线的适用范围
• 4.1.2 测试前应掌握的技术资料
• 4.1.3 测区布置应符合的规定
• 4.1.4 回弹值、声速值、拔出力的测定
• 4.1.5 混凝土强度的推算
• 4.2 回弹法、超声法测强曲线影响因素分析
• 4.3 拔出法的力学分析和影响因素分析
• 第五章 基于人工神经网络混凝土强度回弹-超声综合法研究
• 5.1 人工神经网络基础
• 5.2 人工神经网络的发展
• 5.3 人工神经网络的基本原理
• 5.3.1 生物学的启示
• 5.3.2 人工神经元模型
• 5.3.3 人工神经网络模型
• 5.3.4 人工神经网络学习方式
• 5.4 BP 网络
• 5.4.1 BP 网络结构
• 5.4.2 BP 网络学习过程
• 5.4.3 BP 网络学习算法
• 5.4.4 BP 网络设计
• 5.4.5 BP 网络改进
• 5.5 神经网络模型的建立
• 5.5.1 建立人工神经网络模型的几个问题
• 5.6 基于人工神经网络混凝土强度回弹-超声综合法评定模型
• 5.6.1 混凝土强度回弹-超声综合法人工神经网络模型的设计与说明
• 5.6.2 混凝土强度回弹法-超声综合法人工神经网络模型的建立
• 5.6.3 基于回弹法-超声综合法人工神经网络预测混凝土强度
• 5.7 小结
• 第六章 结论与展望
• 6.1 结论
• 6.2 建议展望
• 参考文献
• 在攻读博士期间撰写论文和科研情况
• 致谢