基于人工神经网络的黄河三角洲地区混凝土结构耐久性研究

论文摘要

钢筋混凝土结构结合了钢筋与混凝土的优点,是广泛应用于土木工程中的结构形式。长期以来,由于“重强度薄耐久”的设计思想的影响,大量的钢筋混凝土结构出现了由于耐久性不足而过早老化的现象。特别是沿海地区的混凝土结构,受碳化和氯离子侵蚀共同作用,钢筋腐蚀情况更为严重,使结构过早的丧失耐久性能。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数学模型而又易于收集学习样本的问题非常适合。结构耐久性问题是一个包含了众多影响因素的系统工程问题,影响因素很多,并具有许多不确定性,这样就很难给出一种确定的表达式来描述,鉴于此,作者采用基于人工神经网络的方法对黄河三角洲地区混凝土结构耐久性进行研究。本文借鉴国内外有关混凝土耐久性的研究成果,对黄河三角洲地区混凝土结构耐久性破坏的机理进行研究,结合人工神经网络基本原理,运用MATLAB神经网络工具箱,就网络的输入向量、网络结构、传递函数及其它参数的选择展开研究,对BP算法的缺陷进行改进。在此基础上,从黄河三角洲地区建筑物的普查入手,选取不同建设年代建成的典型建筑物进行检测,以结构耐久性指标作为网络模型的训练样本和测试样本,内容包括:裂缝宽度、钢筋直径、保护层厚度、混凝土强度、碳化深度、氯离子侵蚀深度、钢筋锈蚀率。分别运用附加动量因子的自适应调整学习率算法和L-M算法训练网络,建立了预测混凝土碳化深度、氯离子侵蚀深度和钢筋锈蚀量的人工神经网络计算模型,并利用实际工程检测数据进行了论证分析。对黄河三角洲地区既有混凝土结构的修复和加固提出一些措施,对未来建筑物的设计和施工给出一些建议。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题的目的及意义
• 1.2 结构耐久性问题的研究背景
• 1.3 结构耐久性研究的主要内容
• 1.4 人工神经网络概述
• 1.5 本文的主要研究内容
• 第二章 钢筋混凝土结构耐久性机理研究
• 2.1 混凝土结构钢筋腐蚀
• 2.1.1 钢筋锈蚀机理
• 2.1.2 钢筋锈蚀的条件
• 2.1.3 钢筋腐蚀的主要影响因素
• 2.2 混凝土碳化
• 2.2.1 碳化的定义
• 2.2.2 碳化机理
• 2.2.3 影响混凝土碳化的主要因素
• 2.3.4 预测混凝土碳化深度的数学模型
• 2.3 氯离子侵蚀
• 2.3.1 氯离子的来源
• 2.3.2 氯离子引起钢筋腐蚀的机理
• 2.3.3 氯离子在混凝土中的扩散作用
• 2.3.4 氯离子扩散影响因素
• 第三章 人工神经网络
• 3.1 人工神经网络简介
• 3.1.1 人工神经网络的定义
• 3.1.2 人工神经网络的发展与应用
• 3.2 人工神经网络的特点
• 3.3 人工神经网络的数据处理优势
• 3.4 常见的人工神经网络模型
• 3.5 BP网络结构
• 3.5.1 BP网络学习过程
• 3.5.2 BP网络学习算法
• 3.5.3 BP网络设计要点
• 3.5.4 BP网络的缺陷
• 3.5.5 BP网络的改进
• 3.6 MATLAB神经网络工具箱
• 第四章 典型建筑物的现场检测
• 4.1 检测方法
• 4.1.1 裂缝检测
• 4.1.2 保护层厚度检测
• 4.1.3 混凝土碳化深度检测
• 4.1.4 混凝土强度检测
• 4.1.5 氯离子侵蚀深度检测
• 4.1.6 钢筋锈蚀量检测
• 4.2 检测结果
• 第五章 模型的建立与工程验证
• 5.1 混凝土碳化深度计算
• 5.1.1 仅考虑使用年限的混凝土结构碳化深度预测模型及与工程结果对比
• 5.1.2 多因素影响下的混凝土结构碳化深度预测模型及与工程结果对比
• 5.2 氯离子侵蚀深度计算
• 5.2.1 仅考虑使用年限的混凝土结构氯离子侵蚀深度预测模型及与工程结果对比.
• 5.2.2 多因素影响下的混凝土结构氯离子侵蚀深度预测模型及与工程结果对比
• 5.3 混凝土结构钢筋锈蚀率预测模型及与工程结果对比
• 5.4 MATLA87.0 程序
• 5.4.1 L-M学习算法MATLA87.0 程序
• 5.4.2 动量法学习率自适应调整算法MATLA87.0 程序
• 第六章 钢筋混凝土结构修复与防腐蚀设计
• 6.1 混凝土碳化引起破坏的修复
• 6.2 氯离子侵蚀引起破坏的修复
• 6.3 钢筋混凝土结构防锈蚀设计方法
• 结论与展望
• 参考文献
• 致谢