[发明专利]一种基于支持向量机的钢筋锈蚀参数预测方法

说明书

本发明涉及钢筋混凝土、机器学习技术、大数据技术领域，具体而言，涉及一种基于支持向量机的钢筋锈蚀参数预测方法。基于支持向量机的钢筋锈蚀参数预测方法，其包括如下步骤：步骤一：制作锈蚀钢筋的试件；步骤二：对试件进行3D扫描，生成3D图像模型；步骤三：根据3D图像模型，计算试件的截面的特定特征参数，以及与截面的特定特征参数所对应的钢筋锈蚀率；步骤四：设定截面的特定特征参数以及与之对应的钢筋锈蚀率，作为一组基础数据，将多组基础数据输入支持向量机中进行学习训练，得到预测模型，用于预测待测钢筋的锈蚀率。本发明只需要知道锈蚀钢筋的特定特征参数，即可实现对钢筋锈蚀率的预测，且准确度高，使用方便。

技术领域

本发明涉及钢筋混凝土、机器学习技术、大数据技术领域，具体而言，涉及一种基于支持向量机的钢筋锈蚀参数预测方法。

背景技术

混凝土中钢筋发生锈蚀之后，表观形貌变得不均匀，钢筋本身的力学性能也会因为截面减小而降低，同时也降低了钢筋的强度和延展性。从而影响了混凝土的承载力和耐久性。

为了对钢筋发生锈蚀之后的形态、承载力和耐久性进行评价，反映钢筋的真实腐蚀状况，学者们对定量评价钢筋的腐蚀状况进行了相关研究。质量锈蚀率是学者们经常采用的一个参量，学者们经常使用的是称重法、游标卡尺法、排水法等。但是这些分析方法仍然有一些欠缺，在数据测量上存在一定的误差，而且很难对锈蚀钢筋的截面形状特征做出准确的分析。

随着技术的进步，学者采用X-ray transmission computed tomography(XCT)、3D扫描等方法对锈蚀钢筋的形态进行测定，这些测试方法可以精确的反映钢筋的锈蚀情况。

以上检测方法是非常准确的，可以提取锈蚀钢筋的截面形状，并且可以数字化，从而实现对锈蚀钢筋数据精确提取，但是需要指出的是，数据提取之后的分析方法上仍有一些不足，例如，在准确得到钢筋锈蚀形态后，只是对钢筋锈蚀情况分布进行了初步的分析，而没有钢筋锈蚀形态与钢筋锈蚀率之间的关系。

也就是说，只能在钢筋锈蚀后，对钢筋的锈蚀率机械能测量，但是在钢筋没有被进行拆卸下来时，不能做到准确预测钢筋的锈蚀率，使得在一些场合，尤其是建筑领域中，必须拆下来才知道钢筋的锈蚀情况，而拆卸钢筋会对建筑体产生影响，进而较为不方便。

发明内容

本发明的目的在于提供一种基于支持向量机的钢筋锈蚀参数预测方法，其能够较为准确的得到钢筋锈蚀形态与钢筋锈蚀率之间的关系，进而能够实现对钢筋锈蚀率进行预测。

本发明的实施例是这样实现的：

一种基于支持向量机的钢筋锈蚀参数预测方法，其包括如下步骤：

步骤一：制作锈蚀钢筋的试件；

步骤二：对所述试件进行3D扫描，生成3D图像模型；

步骤三：根据3D图像模型，计算所述试件的截面的特定特征参数，以及与所述截面的特定特征参数所对应的钢筋锈蚀率；

步骤四：设定所述截面的特定特征参数以及与之对应的钢筋锈蚀率，作为一组基础数据，将多组所述基础数据输入支持向量机中进行学习训练，得到预测模型，用于预测待测钢筋的锈蚀率；

所述试件的截面的特定特征参数包括：

最小内接圆半径与拟合圆半径比值η、最大外接圆半径与拟合圆半径比值δ、最小内接圆半径与最大外接圆半径比值υ、偏心率e、拟合椭圆短边与拟合椭圆长边比值ε、圆度χ和截面粗糙度γ。

优选的，在步骤一中，采用通电的方法制作锈蚀钢筋试件。

优选的，对所述试件进行3D扫描之前，先对所述试件进行清洁处理，用于去除锈蚀的部分。

优选的，所述特定特征参数的计算公式分别为：