基于RBF神經(jīng)網(wǎng)絡(luò)的變電站混凝土立柱抗壓強度評定

熊 亮，趙俊鍇

（1.國網(wǎng)湖南省電力公司電力科學(xué)研究院，長沙 410007；2.中南大學(xué) 材料科學(xué)與工程學(xué)院，長沙 410075）

通常情況下，對混凝土架構(gòu)的抗壓強度（簡稱混凝土強度）的測試評估常用的檢測方法有回彈法、超聲法以及超聲回彈綜合法等［1－3］，其中超聲回彈綜合法較為普遍。但由于對于混凝土的架構(gòu)測試，無論是超聲法還是回彈法均存在一定的誤差，另外諸如外觀情況、碳化程度等對測試結(jié)果也有明顯影響。所以，測試數(shù)據(jù)處理一般采用經(jīng)驗公式加回歸分析的方法。但外觀情況、碳化程度等自變量法在公式中無法描述，給強度的綜合評定帶來影響。而神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、聯(lián)想、記憶及模式匹配的能力，能較好地解決輸入?yún)?shù)難以定量描述的問題［4－5］。

筆者提出了一種用超聲回彈綜合法進(jìn)行測試，并考慮不同外觀、碳化深度情況的變電站混凝土立柱抗壓強度的評定方法。同時，利用基于RBF神經(jīng)網(wǎng)絡(luò)（RBF－NN）方法對超聲回彈法的計算結(jié)果進(jìn)行修正和校核。

1 現(xiàn)場檢測試驗

對某變電站的混凝土立柱進(jìn)行了外觀檢查、碳化深度檢測和混凝土超聲回彈法綜合檢測。選10個測區(qū)進(jìn)行回彈檢測、超聲檢測，根據(jù)規(guī)范公式計算出平均回彈值和平均聲時值。

1.1 外觀檢測和碳化情況

由于混凝土立柱服役時間近30a，各混凝土立柱均有不同程度碳化，碳化平均深度在2.7～3.0mm，個別箍筋處碳化深度在10 mm 以上。箍筋混凝土保護(hù)層存在脫落現(xiàn)象，且不少鋼筋銹蝕嚴(yán)重，截面積減小。個別橫梁下翼緣受拉區(qū)混凝土剝離脫落嚴(yán)重，已影響正常使用。各測區(qū)外觀情況分別為：2，7，9，10測區(qū)出現(xiàn)淺裂紋，5測區(qū)出現(xiàn)深裂紋，其他測區(qū)未見裂紋。1～10 測區(qū)碳化深度分別為：2.3，4.0，3.0，2.5，2.5，3.0，2.5，3.5，3.2，3.1mm。

1.2 回彈法檢測數(shù)據(jù)

回彈法每個測區(qū)測量16個測點，16 個數(shù)據(jù)去掉3個最大值、3個最小值后，對余下的10個數(shù)據(jù)進(jìn)行平均得到平均回彈值。

1.3 超聲法檢測數(shù)據(jù)

考慮到超聲波對混凝土內(nèi)部結(jié)構(gòu)幾乎沒有影響，先對試樣進(jìn)行回彈試驗，再對同樣的試樣進(jìn)行超聲試驗。在試樣的一對非澆注面各布置3個測點，且發(fā)射和接收換能器的軸線在同一軸線上。耦合劑為醫(yī)用凡士林，測試后清理表面。根據(jù)測得的平均聲時值計算測區(qū)聲速v，1～10 測區(qū)的聲速分別為3 990，3 640，4 290，4 150，3 880，4 030，3 930，4 060，3 720，3 900m·s－1。v按下式計算：

式中：v為測區(qū)聲速值，m·s－1；L為超聲測距，為150mm；tm為測區(qū)的平均聲時值，μs；t1、t2、t3分別為3個測點的聲時值，計算時距離和時間分別轉(zhuǎn)換成m 和s來進(jìn)行。

2 基于RBF－NN的評估模型

2.1 RBF－NN 基本原理

徑向基函數(shù)（Radial Basis Function）神經(jīng)網(wǎng)絡(luò)（RBF－NN）結(jié)構(gòu)如圖1所示，在此只考慮一個輸出變量，它很容易擴(kuò)展到多輸出節(jié)點的情形。RBF－NN 包括一個輸入層、一個隱含層和一個輸出層的最簡模式［6］。隱含層由一組徑向基函數(shù)構(gòu)成，與每個隱含層節(jié)點相關(guān)的參數(shù)向量為ci（即中心）和σi（即寬度）。徑向基函數(shù)有多種形式，一般取高斯函數(shù)。

式中：m為隱含層節(jié)點數(shù)；為歐幾里德范數(shù)；X，ci∈Rn；ωi為第i個基函數(shù)與輸出結(jié)點的連接權(quán)值（i＝1，2，…，nc）；ω0為調(diào)整輸出的偏移量。

圖1 RBF－NN 結(jié)構(gòu)示意

2.2 RBF－NN 評估模型實現(xiàn)

2.2.1 模型算法

RBF神經(jīng)網(wǎng)絡(luò)是一種性能良好的前向網(wǎng)絡(luò)，具有最佳逼近性能，在結(jié)構(gòu)上具有輸出—權(quán)值線性關(guān)系，訓(xùn)練方法快速易行，不存在局部最優(yōu)問題。該網(wǎng)絡(luò)的算法有很多種，筆者將帶遺忘因子的梯度下降法進(jìn)行隱層——輸出層連接權(quán)值矩陣、隱層中心值矩陣及隱層標(biāo)準(zhǔn)偏差矩陣等參數(shù)的調(diào)整。

2.2.2 網(wǎng)絡(luò)規(guī)模關(guān)鍵參數(shù)

2.1 中n、m為網(wǎng)絡(luò)規(guī)模關(guān)鍵參數(shù)。取n＝4，即有X1（外觀）、X2（碳化深度）、X3（超聲聲速）及X4（回彈值）4個輸入，其中，X1取離散值（0，1，2）分別表征無裂紋、淺裂紋及深裂紋，X2～X4連續(xù)取值。隱含層節(jié)點數(shù)m＝8。

3 試驗結(jié)果

取外觀、碳化深度、超聲聲速及回彈值取作為RBF的輸入，混凝土的抗壓強度作為輸出，分別用2中所提出的方法對其網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)進(jìn)行優(yōu)化。在Matlab環(huán)境下［7－8］，通過編寫程序，完成網(wǎng)絡(luò)的訓(xùn)練及評估。按式（3）計算的RBF神經(jīng)網(wǎng)絡(luò)評估值（Rg）如表1所示。

表1 RBF神經(jīng)網(wǎng)絡(luò)評估值評定結(jié)果

利用GB／T 50081－2002《普通混凝土力學(xué)性能試驗方法標(biāo)準(zhǔn)》計算的抗壓強度試驗值為Re，利用CECS：02 2005《超聲回彈綜合法檢測混凝土強度技術(shù)規(guī)程》中的回歸公式得到的抗壓強度計算值為Rz，RBF神經(jīng)網(wǎng)絡(luò)評估值Rg、試驗值Re及回歸公式計算值Rz之間的關(guān)系如表2所示。

表2 RBF神經(jīng)網(wǎng)絡(luò)評估值、試驗值及回歸公式計算值結(jié)果比較

可見，基于RBF神經(jīng)網(wǎng)絡(luò)評估法比超聲回彈綜合法的回歸公式計算得到的結(jié)果精度要高，其中Rg／Re的平均值為0.995，標(biāo)準(zhǔn)方差為0.142；Rz／Re的平均值為1.026，標(biāo)準(zhǔn)方差為0.224。

4 結(jié)語

在考慮不同外觀、碳化深度情況下，建立了基于RBF神經(jīng)網(wǎng)絡(luò)的變電站混凝土立柱抗壓強度評估模型，分析了基于帶遺忘因子的梯度下降法應(yīng)用于RBF－NN 參數(shù)優(yōu)化的算法，并將其應(yīng)用于超聲回彈綜合法評定變電站混凝土立柱抗壓強度。將變電站混凝土立柱抗壓強度RBF－NN 模型評估結(jié)果與傳統(tǒng)的回歸計算方法進(jìn)行比較分析，結(jié)果表明所提出的RBF－NN 模型評估方法比回歸計算結(jié)果具有更高的精度。

［1］朱瑪.火災(zāi)高溫后混凝土力學(xué)性能研究［D］.長沙：長沙鐵道學(xué)院，2000.

［2］李昀.基于混凝土構(gòu)件火災(zāi)損傷特性的智能超聲測試系統(tǒng)研究［D］.長沙：中南大學(xué)，2004.

［3］CHENG C C，YU C P.An investigation of the transfer function of the impact－echo response and its application［C］∥Proc of 15th WCNDT.Roma：［s.n］，2000：517－525.

［4］PAN Zheng－jun，KANG Li－shan，CHEN Ping.Evolutionary Computation［M］.Beijing：Tsinghua University Press，2001.

［5］HE Yu－bing，LI Xin－zhong.Neural Network Control，Technology and Its Application［M］.Beijing：Science Press，2001：28－29.

［6］YIN Guo－fu，LIU Dong，SHEN Xin－wei.Research on control method of bittern density based on fuzzy neural network in salt solution mining［J］.Acta Automatica Sinica，2000，26（4）：519－522.

［7］叢爽.面向MATLAB 工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用［M］.安徽：中國科學(xué)技術(shù)大學(xué)出版社，2003.

［8］雷英杰，張善文，李續(xù)武.MATLAB遺傳算法工具箱及應(yīng)用［M］.西安：西安電子科技大學(xué)出版社，2005.