[01210455]基于人工神经网络的混凝土强度无损检测试验研究

本文在试验研究的基础上，对试验数据进行了成功的训练，建立了以为无损检测物理参量（回弹值、超声声速值）作为输入变量，以混凝土抗压强度为输出变量的人工神经网络模型。探索并应用了神经网络的一些改进算法，其中包括附加冲量法，自适应学习算法及S型函数输出限幅算法等，使建立的神经网络模型的快速有效，解决了网络可能陷入局部极小或进入误差曲面平坦区、自适应学习速率低以及网络的收敛速度慢的问题。利用建立的回弹—超声综合法人工神经网络模型对检验样本和实际工程进行混凝土强度推测，推测的混凝土抗压强度的最大相对误差是5.42 ﹪，平均相对误差为3.42﹪；与确定性预测模型相比，基于统计模型的多元回归方法相比，人工神经网络方法能够明显提高混凝土强度的推测精度。这说明利用人工神经网络模型来推测分析混凝土抗压强度是成功的，能够满足工程实际中检测精度的要求。综上，本课题的研究为混凝土工程质量检测和鉴定提供了推测精度较高的人工神经网模型，为无损测强技术在该地区的推广应用提供了重要的理论与实践依据。张家口地区由于一直没有研制出自己的混凝土无损检测技术规程，所以多年来在执行国家统一的测强规程时显现出许多问题，例如：测试精度低、几种测试方法评定结果相互矛盾、检测数据处理繁琐且精度低等，造成了大量的人力、物力、财力的浪费，更加严重的可能导致工程事故的发生。通过对混凝土进行回弹和超声无损检测和破损测强获取相关参数的试验数据，应用人工智能技术建立混凝土强度评定模型，对混凝土强度进行定量分析和计算，并根据已有数据对实际工程的混凝土强度进行定量预测，这对新建混凝土和已有混凝土强度的定量预测都十分有意义，该方法改变了目前规范提供的仅靠单一的回归分析方法进行强度评定的模式，为提高混凝土无损检测技术的精度提供了一个新的发展方向。具有良好的推广应用前景。