[发明专利]一种基于机器学习的钢筋混凝土构件抗撞性能预测方法

权利要求书

1.一种基于机器学习的钢筋混凝土构件抗撞性能预测方法，其特征在于，包括以下步骤：

(1)获得钢筋混凝土构件冲击试验数据，包括冲击试验参数和构件特征参数；

(2)将冲击试验参数和构件特征参数作为输入参数，冲击后剩余刚度和剩余承载力作为输出参数，构建数据集，同时将数据集随机分为训练集和预测集；

(3)确定人工神经网络拓扑结构，利用训练集对人工神经网络进行训练，获得训练后的残余性能预测模型；

(4)采用预测集检验已经训练完成模型的预测性能，若预测精度不满足要求，通过调整人工神经网络模型对预测模型进行修正，直至达到合适的预测精度；

(5)对于具体的钢筋混凝土构件，利用训练完成的残余性能预测模型进行不同冲击参数下的残余性能预测，获得其易损性曲面。

2.根据权利要求1所述的一种基于机器学习的钢筋混凝土构件抗撞性能预测方法，其特征在于：所述步骤(1)中冲击试验参数包括冲击质量和冲击速度；钢筋混凝土构件特征参数包括构件尺寸、混凝土强度、钢筋强度、配筋率、配箍率，所有数据集中的构件的边界约束条件相同。

3.根据权利要求1所述的一种基于机器学习的钢筋混凝土构件抗撞性能预测方法，其特征在于：所述步骤(2)所构建的数据集为θ＝[θ₁，θ₂，…，θ_N]＝[(X₁，Y₁，Z₁……)，(X₂，Y₂，Z₂……)，…，(X_N，Y_N，Z_N……)]，其中(X，Y，Z……)指每一组构件的输入参数集合，同时随机生成训练集和预测集。

4.根据权利要求1所述的一种基于机器学习的钢筋混凝土构件抗撞性能预测方法，其特征在于：所述步骤(3)中利用随机生成的训练集对人工神经网络进行训练，并得到所需的预测模型。

5.根据权利要求1所述的一种基于机器学习的钢筋混凝土构件抗撞性能预测方法，其特征在于：所述步骤(4)中采用测试集对预测模型进行测试，若误差满足要求，则利用预测集进行更多工况冲击后残余性能的预测；若不满足要求，则对模型进行调整，直至满足误差精度为止。

6.根据权利要求1所述的一种基于机器学习的钢筋混凝土构件抗撞性能预测方法，其特征在于：所述步骤(5)中以冲击速度和冲击质量为变量，绘制具体构件的残余刚度和残余承载力的易损性曲面。

7.根据权利要求6所述的一种基于机器学习的钢筋混凝土构件抗撞性能预测方法，其特征在于：通过数据分析软件，拟合得出残余性能关于冲击速度和冲击质量变量的函数关系式，关系式用于构件的快速抗冲击性能评价。