[发明专利]基于机器学习的钢筋混凝土柱地震损伤程度评估方法

权利要求书

1.基于机器学习的钢筋混凝土柱地震损伤程度评估方法，其特征在于：

所述方法包括以下步骤：

步骤一：提取钢筋混凝土柱地震损伤图像参数；根据钢筋混凝土柱构件拟静力试验全过程表观损伤图像，获得表观地震损伤参数和构件参数；

步骤二：建立钢筋混凝土柱地震损伤程度综合评价指标；根据钢筋混凝土柱构件拟静力试验滞回曲线数据，建立的综合评价指标存在固定上下限，能够准确反映构件在整体损伤发展过程的非线性加速累积现象；

在步骤二中，

建立钢筋混凝土柱地震损伤程度综合评价指标公式如下：

式中，D为地震损伤程度综合评价指标，取值范围为[0,1]；u_r为每次加载循环的残余位移，Δ_y为屈服位移，∫dE为每个加载循环的能量累积，F_y为屈服力，u_max为往复荷载作用下构件的最大位移幅值；

β为变形项和能量项组合系数，根据构件失效时的损伤指标D＝1确定；

根据构件的尺寸参数：截面宽度、截面高度和柱身长度；设计参数：剪跨比、轴压比、配筋率和配箍率；材料参数：混凝土强度和纵筋屈服强度，通过主成分分析选择累积贡献率大于90％的前六个主成分，给出了组合系数β的经验公式；

β＝0.121F1+0.0202×F2×F3+0.0491sin(F4)-0.0661sin(F5)+0.204sin(F6)+0.614

其中，F1-F6为主成分分析的前六阶主成分，λ为剪跨比，n₀为轴压比，ρ_t为配筋率，f_c为混凝土强度，ρ_w为配箍率，f_y为纵筋屈服强度，b为截面宽度，h为截面高度，l为柱身长度；

屈服力F_y和屈服位移Δ_y采用等效能量法确定，构件的屈服位移Δ_y与具有相同耗能能力的等效弹塑性系统的屈服位移相等；

根据最大荷载确定水平线位置，之后根据骨架曲线与两折线所包围的两段面积相等的方法确定等效屈服点，两折线折点的垂线与骨架曲线相交点的荷载值即为等效屈服点；

在往复循环荷载作用下，构件的屈服力F_y和屈服位移Δ_y取正向和负向加载的平均值：

步骤三：建立表观地震损伤参数及构件参数和地震损伤程度综合评价指标的深度神经网络模型；

步骤四：采用多参数网络搜索进行网络模型寻优，获得识别精度最高的深度神经网络模型，所述多参数包括网络结构参数和训练参数；将构件的表观损伤参数和尺寸信息输入至训练好的机器学习模型，直接预测其地震破坏程度，最终实现钢筋混凝土柱地震损伤程度的智能评估。

2.根据权利要求1所述方法，其特征在于：在步骤一中，

根据钢筋混凝土柱构件的拟静力试验破坏全过程图像，将损伤参数和构件参数作为特征指标；

采用混凝土裂缝、混凝土剥落和钢筋暴露三种类型的损伤参数，所述损伤参数包括裂缝横向长度、裂缝纵向长度、裂缝数量、混凝土剥落面积和钢筋裸露面积；

所述构件参数包括剪跨比、轴压比、配箍率、配筋率、纵筋屈服强度、混凝土抗压强度、截面尺寸和柱身尺寸。