[发明专利]一种锈蚀梁模型修正与损伤识别方法

说明书

一种锈蚀梁模型修正与损伤识别方法，涉及安全风险评估技术领域，包括：步骤1、建立有限元模型，对待修正参数进行灵敏度分析，并根据灵敏度分析的结果确定最终的修正参数；步骤2、依据基于麻雀搜索算法改进的极限学习机算法对有限元模型分步修正；步骤3、依据修正后的有限元模型，依据基于麻雀搜索算法改进的极限学习机算法对锈蚀梁进行损伤识别。本发明采用基于麻雀搜索算法改进的极限学习机算法对锈蚀前模型进行模型修正和锈蚀后模型损伤识别，极大的提高了有限元模型修正输出参数及损伤识别结果的准确性。

技术领域

本发明涉及安全风险评估技术领域，具体涉及一种锈蚀梁模型修正与损伤识别方法。

背景技术

目前混凝土结构失效的最主要原因是钢筋锈蚀。外部环境中的氯离子严重威胁其结构的耐久性，使结构容易受损破坏，严重者甚至发生坍塌，成为生命和财产安全重大隐患。随着我国跨海大桥和沿海建筑等建筑结构的不断发展，诸多桥梁以及沿海建筑长期处于海洋环境之中，同时氯盐作为我国常用的除冰剂广泛在我国严寒地区的冬季道路上使用，故国内存在大量因氯离子侵蚀导致的钢筋锈蚀现象。

锈蚀前模型修正及锈蚀后损伤评估方法为解决锈蚀前后混凝土梁的损伤提供较为客观、可行的评价方法，为损伤后的加固与修复提供更精确的加固方式，对节约成本，提高承载力都有所改善。对于混凝土锈蚀的研究，国内外有很多成果，同时也进行了大量试验及理论分析，得出了较为合理的理论及应对方案。但是对于锈蚀后构件的损伤识别的研究相对较少。

申请号为：CN201810609331.3的发明专利公开了一种基于频率-信息熵的钢筋混凝土锈蚀疲劳损伤评价方法，其技术要点为：压电传感器监测得到声发射信号；信号过滤及放大设备对声发射信号进行去噪、放大处理；数据采集设备将处理过的声发射信号进行采样并转化为数字信号存储；将数据采集设备采集到的声发射信号的时域波形转化为基于频率-信息熵的钢筋混凝土构件锈蚀疲劳损伤识别图，并根据该图的特征点判断钢筋混凝土构件是否已发生锈蚀疲劳损伤。该发明需将传感器随施工埋入待测钢筋混凝土构件内部，可对不同的钢筋混凝土建筑物的锈蚀疲劳损伤信息进行长期全面的监测，同时监测不受人工操作和环境影响。

上述专利文献存在如下缺陷：

1、该技术方案的过程比较繁琐，对试验设备有较高的要求，对于锈蚀疲劳损伤识别图特征点的判断还需要一定的学习成本，且传感器需要随施工一同埋入待测构件的内部，对于现有无内置传感器构件的监测方法并不适用。

2、对于锈蚀前模型修正，通常是将全部待修正参数同时进行修正，忽略了参数之间灵敏度的差异，可能导致修正结果背离真实的数值；锈蚀后损伤评价建议准则是通过对灾后承载能力的折减程度确定损伤等级，此时确定结果较准确，可信度较高，可是由于灾后承载力的获取难免会对构件有一定的损伤甚至是破坏，且仅靠一个指标来确定会有一定的偶然性。

3、虽然文献也通过锈蚀后的承载力、刚度和锈蚀率等客观参数给出了一套简单的各因素折减评价体系，但没有具体的求解方法，对于指标的确定具有一定的复杂度。

发明内容

为了解决上述问题，本发明提出了一种锈蚀梁模型修正与损伤识别方法，该识别方法采用SSA(麻雀搜索算法)对ELM(极限学习机)进行寻优改进，SSA将ELM初始权值和阈值最优解作为输出，然后将最优解代入ELM进行计算，有效避免了算法的盲目性，极大地提高了ELM收敛速度，解决了ELM随机生成权值和阈值的盲目性问题，使结果可靠度更高。

为了达到上述目的，本发明的技术方案为：

一种锈蚀梁模型修正与损伤识别方法，包括：步骤1、建立有限元模型，对待修正参数进行灵敏度分析，并根据灵敏度分析的结果确定最终的修正参数；步骤2、依据基于麻雀搜索算法改进的极限学习机算法对有限元模型分步修正；步骤3、依据修正后的有限元模型，依据基于麻雀搜索算法改进的极限学习机算法对锈蚀梁进行损伤识别。