大体积混凝土结构被广泛应用于土木、水利等领域的重大工程中,而混凝土抗拉强度低的力学特性决定了其易产生裂纹,因此,发展高效的检测方法,识别大体积混凝土结构中的裂纹信息十分必要.论文提出了一种新的方法,通过提取响应信号频谱中特...大体积混凝土结构被广泛应用于土木、水利等领域的重大工程中,而混凝土抗拉强度低的力学特性决定了其易产生裂纹,因此,发展高效的检测方法,识别大体积混凝土结构中的裂纹信息十分必要.论文提出了一种新的方法,通过提取响应信号频谱中特定频率的幅值特征,基于BP人工神经网络建立幅值特征与裂纹信息间的映射关系,从而有效识别出裂纹信息.首先采用扩展有限元法(eXtended Finite Element Methods, XFEM)和人工吸收边界模型,分别模拟了单裂纹和双裂纹情形下,大量不同裂纹信息下特定位置传感器的响应,分析其频谱曲线并提取特征,建立频谱特征—裂尖位置数据集,以训练人工神经网络,测试集的反演效果显示,该方法具有较好的准确度,可有效识别出裂纹信息.展开更多
裂缝是混凝土结构的主要病害,查明裂缝的深度能够为结构的耐久性和安全性评价提供可靠的信息,但同时也是混凝土结构检测的难点之一。提出了一种基于数据驱动的学习算法,通过考察波经过带缝结构传播的信号预测裂缝深度,采用扩展有限元法(...裂缝是混凝土结构的主要病害,查明裂缝的深度能够为结构的耐久性和安全性评价提供可靠的信息,但同时也是混凝土结构检测的难点之一。提出了一种基于数据驱动的学习算法,通过考察波经过带缝结构传播的信号预测裂缝深度,采用扩展有限元法(Extended finite element methods,XFEM)和边界吸收层模型模拟了带缝大体积混凝土结构中的波传播过程,将接收点的观测信号和裂缝信息配对。基于人工神经网络的机器学习模型建立了基于XFEM数据集的裂缝深度预测模型。对于含未知裂缝信息的混凝土结构,通过测得的观测点信号,利用建立的机器学习模型实现裂缝深度的实时预测。通过2个数值算例验证了该算法的性能,结果表明所提出的数据驱动算法能够准确预测裂缝深度。展开更多
文摘大体积混凝土结构被广泛应用于土木、水利等领域的重大工程中,而混凝土抗拉强度低的力学特性决定了其易产生裂纹,因此,发展高效的检测方法,识别大体积混凝土结构中的裂纹信息十分必要.论文提出了一种新的方法,通过提取响应信号频谱中特定频率的幅值特征,基于BP人工神经网络建立幅值特征与裂纹信息间的映射关系,从而有效识别出裂纹信息.首先采用扩展有限元法(eXtended Finite Element Methods, XFEM)和人工吸收边界模型,分别模拟了单裂纹和双裂纹情形下,大量不同裂纹信息下特定位置传感器的响应,分析其频谱曲线并提取特征,建立频谱特征—裂尖位置数据集,以训练人工神经网络,测试集的反演效果显示,该方法具有较好的准确度,可有效识别出裂纹信息.
文摘裂缝是混凝土结构的主要病害,查明裂缝的深度能够为结构的耐久性和安全性评价提供可靠的信息,但同时也是混凝土结构检测的难点之一。提出了一种基于数据驱动的学习算法,通过考察波经过带缝结构传播的信号预测裂缝深度,采用扩展有限元法(Extended finite element methods,XFEM)和边界吸收层模型模拟了带缝大体积混凝土结构中的波传播过程,将接收点的观测信号和裂缝信息配对。基于人工神经网络的机器学习模型建立了基于XFEM数据集的裂缝深度预测模型。对于含未知裂缝信息的混凝土结构,通过测得的观测点信号,利用建立的机器学习模型实现裂缝深度的实时预测。通过2个数值算例验证了该算法的性能,结果表明所提出的数据驱动算法能够准确预测裂缝深度。
