[发明专利]一种基于声发射参数与遗传算法优化BP神经网络的钢筋混凝土梁损伤状态识别方法

说明书

一种基于声发射参数与遗传算法优化BP神经网络的钢筋混凝土梁损伤状态识别方法，钢筋混凝土梁作为实验对象，采集构件在四点弯曲分级加载作用下的声发射信号，直至混凝土材料碎裂；计算b_a值，根据b_a值与能量的变化，将钢筋混凝土梁损伤破坏阶段分为四个阶段；对声发射事件参数进行人工分类，作为BP神经网络的输入样本；对输入样本归一化处理；选择BP神经网络中隐含层层数、隐含层节点数、激励函数、学习速率；BP神经网络的输出层节点数为4，采用二进制编码表示；遗传算法参数初始化，选择最大进化代数、种群规模、交叉概率、变异概率，计算适应度值；将遗传算法迭代求解出最佳的初始阈值和权值赋予BP神经网络，进行BP神经网络训练。

技术领域

本发明涉及一种基于声发射参数与遗传算法优化BP神经网络的钢筋混凝土梁损伤状态识别方法，属于混凝土材料损伤检测技术领域。

背景技术

声发射技术(AcousticEmission)是一项无损检测技术，声发射的现象是因材料内部快速释放应变能而产生的瞬时弹性波。运用声发射检测技术接收到的信号常常源于材料内部的形变或损伤，声发射信号参数(如幅度、持续时间、上升时间、振铃计数、能量等)能够较为直观的反映材料内部损伤的萌发、发展状况，具有实时、灵敏度高的优势。

钢筋混凝土作为一种强度高、刚度大、造价低的材料，广泛应用于重要结构如桥梁、水闸、高层建筑的建设中。在这些建筑物正常运行过程中，会受到外界荷载、化学腐蚀的作用导致钢筋混凝土构件强度的降低。为了保证结构安全、稳定的运行，需要及时、准确的监测、识别其损伤状态。钢筋混凝土构件受到外界荷载时，处于不同损伤阶段声发射信号特征参数会呈现不同的变化趋势。然而钢筋混凝土构件由于材料的多样性、复杂性，产生的声发射源往往存在不可分的情况。若简单的设置单阈值或只分析某一声发射特征参数难以将钢筋混凝土构件产生的声发射事件按照不同损伤程度进行分类识别。

为解决上述问题，需要采用非线性映射的分类器，而BP(BackPropagation)神经网络是一种按误差逆传播算法训练的多层前馈网络，具有非线性映射、自组织性、自学习性等特点，在众多领域得到广泛使用。遗传算法优化BP神经网络包含BP神经网络结构确定、遗传算法优化和BP神经网络预测，使用遗传算法优化BP神经网络的权值和阈值。因此，基于声发射参数与遗传算法优化BP神经网络的钢筋混凝土梁损伤状态识别方法是可行的。

发明内容

为了解决现有技术方法的缺陷，本发明的目的在于提供一种基于声发射参数与遗传算法优化BP神经网络的钢筋混凝土梁损伤状态识别方法，对钢筋混凝土构件处于不同损伤状态时的声发射信号特征参数进行分类识别，意义明确、针对性强，准确度高、可操作性强，为评估钢筋混凝土构件在荷载作用下的内部损伤状况提供一种新的方法。

为达到上述目的，本发明通过以下技术方案实现：

一种基于声发射参数与遗传算法优化BP神经网络的钢筋混凝土梁损伤状态识别方法，其特征在于，包括以下步骤：

步骤1，将钢筋混凝土梁作为实验对象，采集构件在四点弯曲分级加载作用下的声发射信号，直至混凝土材料碎裂；

步骤2，根据声发射参数中的幅值计算出b_a值(b_a值为改进优化的声发射b值)；

步骤3，根据b_a值与能量的变化，将钢筋混凝土梁损伤破坏阶段分为四个阶段，分别为原始孔隙压密阶段、微裂纹萌发阶段、宏观裂纹产生阶段、最终破坏阶段；