[发明专利]基于深度机器学习的建筑地震损伤和剩余能力评价方法

说明书

本发明公开了一种基于深度机器学习的建筑地震损伤和剩余能力评价方法，主要步骤如下：将RC构件震损照片作为输入，应用构件可视损伤识别模型自动识别可视地震损伤；RC构件力学性能退化评价模型基于可视震损识别结果，预测RC构件力学性能退化指标；调整RC构件力学模型参数并更新原建筑的有限元模型，得到震损建筑有限元模型；采用静力弹塑性分析方法评价震损建筑的剩余抗震能力。本发明评价方法能够由震损建筑图像自动识别可视地震损伤，采用物理意义明确的构件力学性能退化指标，并利用试验数据标定取值，定义明确、取值合理；直接根据构件的可视震损现象评估构件剩余力学性能，评估精度高，有利于提高震损建筑剩余抗震能力评价的准确性和合理性。

技术领域

本发明属于震损建筑剩余能力评价技术领域，尤其涉及一种基于深度机器学习的建筑地震损伤和剩余能力评价方法。

背景技术

建筑震后剩余能力评价是指在破坏性地震发生后，及时有效地评估震损建筑的地震损伤和剩余抗震能力，为震后灾民安置和震损建筑修复加固或拆除重建提供决策依据。如附图1所示，目前，中国、美国、日本等国家和地区的建筑震后剩余能力评价(参见[1]中华人民共和国住房和城乡建设部.建筑震后应急评估和修复技术规程:JGJ/T415-2017[M].北京；中国建筑工业出版社.2017；[2]FEMA.FEMA 306.Evaluation of earthquake damagedconcrete and masonry wall buildings:Basic procedures manual[S].California:Applied Technology Council,1998；[3]一般財団法人日本建築防災協会.震災建築物の被災度区分判定基準および復旧技術指針[M].东京.2015.)，都是由结构工程专业人员赴地震现场展开实地调查，记录整理震损建筑内各构件的可视震损现象；之后，基于可视震损现象、依据各国震损建筑评价标准或规范，确定构件损伤等级和相应的力学性能退化指标；最后，整合震损建筑中各构件的力学性能退化情况，通过计算分析评价震损建筑抗震能力。

其中，各国标准或规范基于钢筋混凝土(RC)构件的典型可视震损现象，主要包括裂缝、混凝土剥落和压碎、钢筋露出、屈曲或断裂等，一般将构件损伤划分为五个损伤等级，并针对各损伤等级给定构件力学性能退化指标的取值。构件力学性能退化指标，主要包括刚度折减系数、承载力折减系数、变形能力折减系数以及滞回耗能折减系数；美国(参见[2]FEMA.FEMA 306.Evaluation of earthquake damaged concrete and masonry wallbuildings:Basic procedures manual[S].California:Applied Technology Council,1998；)采用刚度、承载力和变形能力三分项折减系数，日本(参见[3]一般財団法人日本建築防災協会.震災建築物の被災度区分判定基準および復旧技術指針[M].东京.2015.)则采用单一的滞回耗能折减系数。

现有的震损建筑剩余能力评价方法存在以下缺点：

(1)现行方法依赖专业人员现场调查，评估耗时长、工作强度大、且具有一定主观性，难以满足现代城市在破坏性地震发生后快速准确评价建筑震损的需要；

(2)各国标准或规范中采用的构件力学性能退化指标的定义不明确或不合理，且各损伤等级下的取值由主观经验确定，缺少基础试验数据和理论模型的支撑和验证；

(3)现行方法通过损伤等级将构件可视震损现象与力学性能退化相关联，由于损伤等级划分粒度粗糙，构件剩余力学性能评估精细度较低，导致震损建筑剩余抗震能力评价准确性不高，难以科学指导震损建筑修复加固或拆除决策。

此外，专利文献中的现有技术和存在的问题如下：