基于感知信息的混凝土桥梁耐久性智能诊断方法

摘要：

混凝土桥梁结构于其生命周期中常因自然环境因素的影响而产生劣化与腐蚀,造成耐久性降低及使用年限减少,一般大气环境下桥梁结构混凝土碳化现象是造成混凝土桥梁耐久性下降的重要原因之一.结合桥梁结构混凝土材料的特点分析了碳化现象的原理及主要影响因素,提出了用于碳化深度预测的自回归时间序列模型(BP-AR),并利用依托工程中采集的感知数据对结构实际发生的碳化深度进行了预测.开展室内试验并将试验结果与模型测算结果进行比较,验证了 BP-AR预测算法的预测精度和可靠性.结果表明:混凝土碳化深度的影响因素复杂多变且交叉耦合,在感知信息数据有限的条件下,利用BP-AR模型由于在回归过程中考虑了碳化现象的时效性,因而能够获得比一般神经网络模型(BP)更准确的预测结果,具有较高的预测精度;建立的模型充分考虑了时间依赖性来实现碳化深度的神经网络预测,即把碳化反应随时间的变化与其他影响因素统筹考虑,形成一种BP-AR融合算法,保证了对碳化深度的预测和修正,达到了提高模型预测精度的目的,揭示了结构混凝土碳化机制.

关键词：桥梁工程、碳化深度、神经网络、混凝土桥梁、人工智能

所属期刊栏目：39

分类号：U448.27(桥涵工程)

资助基金：交通运输部公路科学研究院交通强国试点项目QG2021-1-3-2

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：70-75