[发明专利]一种锈蚀钢筋混凝土梁火灾后损伤识别方法

说明书

一种锈蚀钢筋混凝土梁火灾后损伤识别方法，涉及安全风险评估技术领域，该识别方法是依据粒子群优化支持向量机法和残差修正的组合算法进行损伤指标的识别，包括：步骤1、使用ABAQUS有限元分析软件，构建火灾后锈蚀钢筋混凝土梁损伤模型；步骤2、根据频率与振型计算构造组合参数A，并将构造组合参数A作为组合算法的输入参数；步骤3、选定间接损伤指标和直接损伤指标作为组合算法的输出参数；步骤4、选取径向基核函数作为核函数，将低维空间的原始数据映射到高维空间中；步骤5、选用均方误差和拟合优度衡量预测精度；步骤6、依据组合算法计算。本发明对损伤预测的算法优势明显，计算更加精准，耗时更短，结果可靠性更高。

技术领域

本发明涉及安全风险评估技术领域，具体涉及一种锈蚀钢筋混凝土梁火灾后损伤识别方法。

背景技术

火灾是导致结构损坏、倒塌以及造成人员伤亡的原因之一，更是造成直接和间接经济损失的主要原因。结构损伤识别和健康监测技术可以探测出结构损伤的存在、位置，并预测结构剩余寿命，同时也为火灾后结构的损伤评估及加固修复提供理论基础。因此，建立结构的损伤识别算法进而快速准确地识别出损伤的存在、位置及程度具有重大的工程意义。受火灾过程复杂、试验仪器昂贵、高温对设备的损坏效应等诸多条件的限制，目前对火灾后结构的振动特性试验进行的较少。

传统的损伤检测方法往往过于依赖技术人员的经验，或者在检测过程中对结构造成不同程度的损伤。基于振动测试的损伤识别方法，大多以单一的频率作为输入指标，忽略了对损伤更为敏感的振型指标。基于支持向量机(Support Vector Machine，SVM)的损伤识别方法在惩罚参数c和核函数参数g的选取上存在一定困难，收敛效果不明显，容易出现维数灾难。基于粒子群优化支持向量机(PSO-SVM)的损伤识别算法，粒子群优化算法在参数寻优的过程中，当例子发现一个当前最优位置时，其他例子迅速靠拢，很容易陷入局部最优的情况，无法寻找到全局最优解。

目前，尤其是针对锈蚀钢筋混凝土梁的火灾损伤识别研究较少，且大多集中在常温下的损伤识别，其中，大部分基于SVM进行振动测量的损伤识别方法都没有很好的解决惩罚参数c和核函数参数g的选取问题，导致依靠经验选取参数时存在的误差大和寻优费时等弊端，而传统算法(SVM、BP神经网络等)在损伤识别应用的过程中，模型误差、测量误差及环境因素导致的数据误差会使其在预测精度和稳定性方面存在不足，容错性和鲁棒性并不理想。

发明内容

为解决现有技术的问题，本发明提供了一种锈蚀钢筋混凝土梁火灾后损伤识别方法，该方法在PSO-SVM算法的基础上叠加残差修正的组合算法，可以有效解决上述问题，且算法优势明显，计算更加精准，耗时更短，结果可靠性更高。

为解决上述问题，本发明技术方案为：

一种锈蚀钢筋混凝土梁火灾后损伤识别方法，该识别方法是依据粒子群优化支持向量机法和残差修正的组合算法进行损伤指标的识别，包括：步骤1、使用ABAQUS有限元分析软件，构建火灾后锈蚀钢筋混凝土梁损伤模型，选择Frequency分析步，使用Lanczos特征值求解器进行模态分析，进而获得火灾损伤后的模态参数；同时选择静力通用分析步，获得锈蚀钢筋混凝土梁火灾后的残余承载力，并进行残余刚度计算；步骤2、根据步骤1计算所得的频率与振型作为组合参数，计算构造组合参数A，并将构造组合参数A作为组合算法的输入参数；步骤3、选定间接损伤指标和直接损伤指标作为组合算法的输出参数；步骤4、在组合算法的SVM中，选取径向基核函数作为核函数，将低维空间的原始数据映射到高维空间中；步骤5、在组合算法中，选用均方误差和拟合优度为精度评价指标，用以衡量损伤指标的预测精度；步骤6、依据粒子群优化支持向量机法和残差修正的组合算法，对锈蚀钢筋混凝土火灾后的损伤指标进行计算。

优选的，所述的步骤1中，是在建模基础上，基于温度场数值模拟结果，选取关于高温后混凝土和锈蚀钢筋的质量密度、弹性模量、泊松比的文献数值为参数，构建火灾后锈蚀钢筋混凝土梁损伤模型。