一般大气环境下钢筋锈蚀深度的RBF神经网络预测模型研究

作     者：王胜利 刘华 郑山锁 董淑卿 黄瑜 WANG Shengli;LIU Hua;ZHENG Shansuo;DONG Shuqing;HUANG Yu

作者机构：中国能源建设集团陕西省电力设计院有限公司陕西西安710054 西安建筑科技大学土木工程学院陕西西安710055 

出 版 物：《地震工程学报》 (China Earthquake Engineering Journal)

年 卷 期：2024年第46卷第2期

页      面：269-277页

核心收录：

学科分类：08[工学] 081402[工学-结构工程] 081304[工学-建筑技术科学] 0813[工学-建筑学] 0814[工学-土木工程] 

基　　金：国家重点研发计划资助项目(2019YFC1509302) 国家自然基金(52278530) 陕西省重点研发计划资助项目(2021ZDLSF06-10) 

主　　题：钢筋混凝土 钢筋锈蚀 RBF神经网络 锈蚀深度预测 敏感性分析 

摘      要：钢筋锈蚀深度预测是评估在役RC结构服役性能的基础。为建立一般大气环境RC构件中钢筋锈蚀深度预测模型,通过收集实测数据,分析影响钢筋锈蚀深度的主要参数及其影响规律,继而基于实测数据建立数值模型和RBF神经网络预测模型,并进行参数敏感性分析。研究结果表明:与数值模型相比,RBF神经网络对钢筋锈蚀深度预测效率与精度更高,能够有效映射各影响参数与钢筋锈蚀深度之间复杂的非线性关系。参数敏感性分析结果显示,钢筋混凝土表面锈胀裂缝宽度对钢筋锈蚀深度影响最大,钢筋直径、保护层厚度与钢筋直径之比和混凝土抗压强度等其他因素影响次之。所得模型可用于工程检测中钢筋锈蚀程度预测与RC构筑物剩余服役寿命评估。