基于GA-BP神经网络的钢筋与混凝土搭接-滑移力学模型

作     者：盛昊 郭进 孙昭彭 

作者机构：石家庄铁道大学土木工程学院 石家庄铁道大学道路与铁道工程安全保障省部共建教育部重点实验室 

出 版 物：《哈尔滨工程大学学报》 (Journal of Harbin Engineering University)

年 卷 期：2024年

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：国家自然科学基金资助项目(52178493) 河北省省级科技计划资助(21375402D,216Z6101G) 河北省自然科学基金资助项目(E2022210028) 

主　　题：搭接-滑移模型 遗传算法 BP神经网络 搭接间距 敏感性分析 拉拔试验 预测模型 泛化能力 

摘      要：钢筋和混凝土的搭接-滑移力学模型是混凝土中搭接钢筋传力性能的综合反映，是进行钢筋混凝土搭接构件精细化力学计算的一个重要前提。传统的粘结滑移力学模型大部分是根据拉拔试验或者梁式试验数据得到的半经验半理论公式，并没有考虑钢筋搭接间距的影响，不能准确反映混凝土中钢筋的传力特性。本文采用基于遗传算法的反向传播神经网络，建立了能够考虑钢筋间距的钢筋混凝土搭接-滑移非线性力学模型，是对当前钢筋混凝土粘结-滑移力学模型的重要改进。通过使用随机选取的非训练试验数据以及不同类型混凝土与钢筋的搭接试验数据对模型的泛用性进行了验证。结果表明：搭接间距是钢筋与混凝土搭接-滑移力学模型的重要影响因素，基于遗传算法和反向传播神经网络建立的钢筋混凝土搭接性能预测模型具有较高的精度和泛化能力，能够高效、准确的预测出钢筋混凝土搭接-滑移曲线。