[发明专利]一种基于深度神经网络的钢筋混凝土矩形柱破坏模式预测方法

说明书

本发明公开了一种基于深度神经网络的钢筋混凝土矩形柱破坏模式预测方法。钢筋混凝土柱破坏模式的预测是土木工程领域的难点问题。本发明包括针对低周往复载荷下的钢筋混凝土矩形截面柱，创建并应用网络爬虫方法，构建试验数据库；根据试验数据库中设计参数之间相关性，通过无量纲化处理，确定用于预测的输入变量及对应输出变量；读取试验数据库，进行数据预处理，搭建并训练深度神经网络模型；基于测试集数据，通过已训练的深度神经网络模型，预测钢筋混凝土矩形柱的破坏模式。本发明借助机器学习强大的自学习、自适应能力，精准预测钢筋混凝土矩形柱的破坏模式，为震后结构的维修加固与损伤评估提供依据。

技术领域

本发明属于建筑结构技术领域，具体涉及一种基于深度神经网络的钢筋混凝土矩形柱破坏模式预测方法。

背景技术

钢筋混凝土柱是提供结构竖向承载力和横向抗侧刚度的关键构件，例如铁路桥梁的墩柱、站房结构的框架柱等。因此，震后钢筋混凝土柱的破坏模式对抗震救灾起着重要作用。根据构件截面属性、配筋构造、材料属性、约束条件等细节的不同，钢筋混凝土柱表现出三种破坏模式：弯曲破坏、剪切破坏、弯曲-剪切破坏。弯曲破坏的钢筋混凝土柱具有较大的变形能力，柱的轴向承载能力无显著损失，整体呈延性失效；剪切破坏的钢筋混凝土柱是一种脆性破坏形态，其表现为在弯曲屈服之前或之后轴向承载能力的突然丧失；而弯-剪破坏则是介于二者之间，即在剪切破坏之前，由弯曲及轴向荷载导致弯曲屈服或混凝土压碎。

钢筋混凝土柱破坏模式的预测是土木工程领域的难点问题，特别是剪切破坏模式与弯-剪破坏模式的区分。同时，有效识别钢筋混凝土柱的破坏模式对结构的震后损伤评估及修复策略的制定至关重要。实际分析时，常应用构件跨高比、延性位移、经验公式等进行破坏模式的预测。然而，既有研究表明，上述钢筋混凝土柱的破坏模式识别方法存在下述不足之处：

1)以跨高比为依据的判别方式误差较大，特别是对于剪切破坏和弯-剪破坏；

2)后两者方法均以延性位移为基础，建立关联横向剪切荷载与延性位移的剪切强度模型，以判断其破坏模式；此方法依赖于准确获取构件的力-位移曲线，但有限的实际数据易使抗剪强度的计算偏差较大，影响预测结果；此外，对于实际构件，其力-位移曲线的获取难度往往较大；

3)完全依赖试验数据集中的所有设计参数，虽然可以对钢筋混凝土柱的破坏模式进行初步判断，但容易出现模型过拟合而导致预测结果失准。

发明内容

为了弥补现有技术的不足，本发明提供一种基于深度神经网络的钢筋混凝土矩形柱破坏模式预测方法，借助机器学习强大的自学习、自适应能力，精准预测钢筋混凝土矩形柱的破坏模式，为震后结构的维修加固与损伤评估提供依据。

为了实现上述目的，本发明所采用的技术方案为：

一种基于深度神经网络的钢筋混凝土矩形柱破坏模式预测方法，其特征在于：包括如下步骤：

步骤一：针对低周往复载荷下的钢筋混凝土矩形截面柱，创建并应用网络爬虫方法，构建试验数据库；

步骤二：根据试验数据库中设计参数之间相关性，通过无量纲化处理，确定用于破坏模式预测的输入变量及对应输出变量；

步骤三：读取试验数据库，进行数据预处理，搭建并训练深度神经网络模型；

步骤四：基于测试集数据，通过已训练的深度神经网络模型，预测钢筋混凝土矩形柱的破坏模式。

进一步，所述步骤一中，网络爬虫方法具体包括：

步骤1.1：获取太平洋地震工程研究中心结构信息数据库的网址ID编号；

步骤1.2：定义初始网址页面的统一资源定位符URL，根据网址ID编号，拼接生成新的URL地址；

步骤1.3：构建用户代理池，重构请求头，创建请求对象，发送请求，获取响应对象，提取响应信息；