基于神经网络的混凝土梁中钢筋损伤快速定位方法技术

本发明专利技术公开了基于神经网络的混凝土梁中钢筋损伤快速定位方法，包括步骤1、构建钢筋混凝土损伤模型；步骤2、构建位移云图与三维损伤信息的样本集；步骤3、样本集分类；步骤4、构建神经网络模型：输入位移云图，输出三维损伤信息；步骤5、训练神经网络模型；步骤6、测试与验证神经网络模型；步骤7、钢筋损伤定位。本发明专利技术能对Abaqus生成的位移云图进行学习，从而实现钢筋混凝土内部钢筋损伤的位置定位，能实现钢筋混凝土内部钢筋损伤的定位以及钢筋损伤的尺寸检测，能广泛地应用于装配式结构构件的病害与损伤分析中，开创性地利用结构表面的二维位移信息实现结构内部问题的三维定位，大大提高结构检测的效率、降低检测成本。降低检测成本。降低检测成本。

【技术实现步骤摘要】
基于神经网络的混凝土梁中钢筋损伤快速定位方法


[0001]本专利技术涉及土木工程与人工智能交互
，特别是一种基于神经网络的混凝土梁中钢筋损伤快速定位方法。

技术介绍

[0002]传统的结构检测手段难以检测钢筋混凝土结构内部出现的钢筋断裂、锈胀等内部损伤。现有基于深度学习的结构损伤检测大多停留于结构表面的裂缝、孔洞、异物等结构表观的损伤识别与分类。若钢筋断裂、锈胀等内部缺陷长期得不到检测而缺乏养护，会导致结构病害加重。例如，因钢筋锈蚀的结构病害加重主要体现在：钢筋随着锈蚀的加深在前期表现为表面局部锈蚀出现锈斑、锈片等；在中期变现为整个表面锈蚀，并产生膨胀，与保护层脱离，发生层裂；在后期表现为钢筋铁锈进一步膨胀，导致混凝土本身发生破坏，出现顺筋胀裂，导致保护层混凝土脱离，最后随着钢筋不断锈蚀，有效截面不断减小，结构承载力不断下降，钢筋混凝土构件丧失基本承载能力。最终可能引发严重的事故。
[0003]因此，随着对结构、构件健康需求的不断提高，利用神经网络的方法对结构内部存在的问题进行整体或局部的分析成为了新的发展方向。
[0004]针对结构检测方面，有限元和人工智能的发展成为了解决结构检测方法的有效手段。当结构发生损坏时，通过在结构上施加一定的荷载，其结构表面位移会随之发生变化，其变化与正常未受损构件的变化不同，最终体现在其位移云图中，因而可通过相应的手段提取结构的表面位移云图等可用于神经网络进行学习的信息，利用计算机视觉技术以及深度学习技术对采集到的结构图像进行损伤分析。
[0005]当前，结构健康检测领域的技术人员对深度学习相关的技术与理论在结构健康检测领域中的普及与应用还有待进步。该专利技术的核心在于结构的损伤最终都会反映到其表观位移之中，通过有限元以及有关的图像技术手段提取这种异常位移云图，并利用神经网络优异的图像处理能力对这种异常的位移云图进行特定的损伤定位学习，从而实现了结构的内部损伤检测。
[0006]该检测方法的思路主要是通过abaqus二次开发功能进行大规模的钢筋不同损伤位置和损伤程度的随机模拟，并提取其位移云图至神经网络中进行学习，再利用相关图像技术手段提取具有真实钢筋损伤的梁构件在弹性加载下的位移云图，将真实位移云图输入到神经网络中，从而实现了损伤检测。因此，该方法可以为特定的结构或构件及其特定的损伤模式制定对应的伺服损伤检测系统，这是常规结构健康检测难以做到的。

技术实现思路

[0007]本专利技术要解决的技术问题是针对上述现有技术的不足，而提供一种基于神经网络的混凝土梁中钢筋损伤快速定位方法，该基于神经网络的混凝土梁中钢筋损伤快速定位方法能对Abaqus生成的钢筋混凝土结构表面位移云图进行学习与处理，从而实现钢筋混凝土内部钢筋损伤的位置定位，效率高、成本低，借助该方法可实现钢筋混凝土内部钢筋损伤的
定位以及钢筋损伤的尺寸检测，可以广泛的应用于装配式结构构件的病害与损伤分析中，本研究利用经过三维优化的目标检测神经网络，开创性地利用结构表面的二维位移信息实现了结构内部问题三维的定位，大大提高了结构检测的效率、减轻了检测成本。
[0008]为解决上述技术问题，本专利技术采用的技术方案是：
[0009]一种基于神经网络的混凝土梁中钢筋损伤快速定位方法，包括如下步骤。
[0010]步骤1、构建钢筋混凝土损伤模型：利用有限元软件搭建存在内部结构损伤不良的混凝土梁结构模型；其中，内部结构损伤不良类型为钢筋断裂、钢筋锈蚀或钢筋弱化；针对每种类型的内部结构损伤不良，分别将损伤位置每次按照设定位移量进行移动，从而得到不同损伤位置的混凝土梁结构模型；设内部结构损伤不良的类型为N种，每种内部结构损伤不良均具有M个不同损伤位置；
[0011]步骤2、构建位移云图与三维损伤信息的样本集：针对每种类型内部结构损伤不良以及每种损伤位置的混凝土梁结构模型，均对其顶面施加设定荷载，进而得到N*M张位移云图；其中，每种位移云图的长宽比与步骤1中混凝土梁结构模型沿长度方向纵截面的长宽比相一致；同时，记录每张位移云图所对应的三维损伤信息；其中，三维损伤信息包括损伤类型、损伤中心的三维坐标信息、损伤钢筋直径信息和损伤长度信息；
[0012]步骤3、样本集分类：将步骤2得到的样本集按照设定比例分为训练集、测试集和验证集；
[0013]步骤4、构建神经网络模型：神经网络模型的输入为位移云图，神经网络模型的输出为三维损伤信息；
[0014]步骤5、训练神经网络模型：采用步骤3中的训练集对步骤4构建的神经网络模型进行训练，得到神经网络模型的各个连接权重值；
[0015]步骤6、测试与验证神经网络模型：采用步骤3的测试集和验证集，分别对步骤5训练后的神经网络模型进行测试与验证，从而得到符合设定学习率要求的神经网络模型；
[0016]步骤7、钢筋损伤定位：在待检测混凝土梁的顶面施加设定荷载，利用有限元软件得到待检测混凝土梁的实际位移云图，将实际位移云图作为步骤6构建的神经网络模型中，神经网络模型将输出待检测混凝土梁的实际三维损伤信息，进而使钢筋损伤得到定位。
[0017]步骤5中，神经网络模型的训练过程，包括如下步骤：
[0018]步骤51、获取初始训练后的三维损伤信息：将训练集中的位移云图A输入步骤4构建的神经网络模型，得到初始训练后的三维损伤信息A
′
；
[0019]步骤52、构建混凝土梁结构训练模型：根据步骤51得到的三维损伤信息A
′
，构建混凝土梁结构训练模型；
[0020]步骤53、采用IOU算法，将步骤52构建的混凝土梁结构训练模型，与训练集中位移云图A所对应的钢筋混凝土损伤模型，进行比较判断，从而判断神经网络模型是否收敛。
[0021]步骤53中，采用IOU算法判断神经网络模型收敛的方法，包括如下步骤。
[0022]步骤53A、判断模型相交：判断步骤52构建的混凝土梁结构训练模型与位移云图A所对应的钢筋混凝土损伤模型，是否存在相交；
[0023]步骤53B、计算平面相交比例：当步骤53判断模型相交时，计算混凝土梁结构训练模型与位移云图A所对应的钢筋混凝土损伤模型在平面的相交比例；否则，返回步骤51；
[0024]步骤53C、计算长度相交比例：当步骤53判断模型相交时，计算混凝土梁结构训练
模型与位移云图A所对应的钢筋混凝土损伤模型在钢筋长度方向上的相交比例；否则，返回步骤51；
[0025]步骤53D、计算模型重合比例：计算混凝土梁结构训练模型与位移云图A所对应的钢筋混凝土损伤模型的重合比例IOU；
[0026]步骤53E、神经网络模型收敛：设神经网络模型收敛函数为步骤53D中的重合比例IOU达到最大为目标的目标函数；当神经网络模型收敛函数得到最优解时，所对应的三维损伤信息A
′
，即为神经网络模型的最佳训练后的三维损伤信息A
′
。
[0027]步骤1中，钢筋断裂是指钢筋断裂不连续；钢筋锈蚀本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的混凝土梁中钢筋损伤快速定位方法，其特征在于：包括如下步骤：步骤1、构建钢筋混凝土损伤模型：利用有限元软件搭建存在内部结构损伤不良的混凝土梁结构模型；其中，内部结构损伤不良类型为钢筋断裂、钢筋锈蚀或钢筋弱化；针对每种类型的内部结构损伤不良，分别将损伤位置每次按照设定位移量进行移动，从而得到不同损伤位置的混凝土梁结构模型；设内部结构损伤不良的类型为N种，每种内部结构损伤不良均具有M个不同损伤位置；步骤2、构建位移云图与三维损伤信息的样本集：针对每种类型内部结构损伤不良以及每种损伤位置的混凝土梁结构模型，均对其顶面施加设定荷载，进而得到N*M张位移云图；其中，每种位移云图的长宽比与步骤1中混凝土梁结构模型沿长度方向纵截面的长宽比相一致；同时，记录每张位移云图所对应的三维损伤信息；其中，三维损伤信息包括损伤类型、损伤中心的三维坐标信息、损伤钢筋直径信息和损伤长度信息；步骤3、样本集分类：将步骤2得到的样本集按照设定比例分为训练集、测试集和验证集；步骤4、构建神经网络模型：神经网络模型的输入为位移云图，神经网络模型的输出为三维损伤信息；步骤5、训练神经网络模型：采用步骤3中的训练集对步骤4构建的神经网络模型进行训练，得到神经网络模型的各个连接权重值；步骤6、测试与验证神经网络模型：采用步骤3的测试集和验证集，分别对步骤5训练后的神经网络模型进行测试与验证，从而得到符合设定学习率要求的神经网络模型；步骤7、钢筋损伤定位：在待检测混凝土梁的顶面施加设定荷载，利用有限元软件得到待检测混凝土梁的实际位移云图，将实际位移云图作为步骤6构建的神经网络模型中，神经网络模型将输出待检测混凝土梁的实际三维损伤信息，进而使钢筋损伤得到定位。2.根据权利要求1所述的基于神经网络的混凝土梁中钢筋损伤快速定位方法，其特征在于：步骤5中，神经网络模型的训练过程，包括如下步骤：步骤51、获取初始训练后的三维损伤信息：将训练集中的位移云图A输入步骤4构建的神经网络模型，得到初始训练后的三维损伤信息A
′
；步骤52、构建混凝土梁结构训练模型：根据步骤51得到的三维损伤信息A
′
，构建混凝土梁结构训练模型；步骤53、采用IOU算法，将步骤52构建的混凝土梁结构训练模型，与训练集中位移云图A所对应的钢筋混凝土损伤模型，进行比较判断，从而判断神经网络模型是否收敛。3.根据权利要求2所述的基于神经网络的混凝土梁中钢筋损伤快速定位方法，其特征在于：步骤53中，采用IOU算法判断神经网络模型收敛的方法，包括如下步骤：步骤53A、判断模型相交：判断步骤52构建的混凝土梁结构训练模型与位移云图A所对应的钢筋混凝土损伤模型，是否存在相交；步骤53B、计算平面相交比例：当步骤53判断模型相交时，计算混凝土梁结构训练模型与位移云图A所对应的钢筋混凝土损伤模型在平面的相交比例；否则，返回步骤51；步骤53C、计算长度相交比例：当步骤53判断模型相交时，计算混凝土梁结构训练模型与位移云图A所对应的钢筋混凝土损伤模型在钢筋长度方向上的相交比例；否则，返回步骤
51；步骤53D、计算模型重合比例：计算混凝土梁结构训练模型与位移云图A所对应的钢筋混凝土损伤模型的重合比例IOU；步骤53E、神经网络模型收敛：设神经网络模型收敛函数为步骤...

【专利技术属性】
技术研发人员：高康，张皓炜，冯锦鹏，侯士通，吴永魁，吴刚，
申请(专利权)人：东南大学，
类型：发明
国别省市：