基于IBAS-BP算法的钢筋混凝土中钢筋腐蚀程度预测模型

针对钢筋混凝土内部环境复杂,影响钢筋腐蚀程度的因素较多,而导致钢筋腐蚀程度测量精度不高的问题,利用改进天牛须算法(BAS)收敛特性快和全局搜索能力强的优势来初始BP神经网络的权值和阈值。从钢筋腐蚀机理出发,选取混凝土内部温度、湿度、CO_(2)含量、pH、氯离子含量和腐蚀电位6个影响因素作为输入变量,钢筋腐蚀程度作为输出变量,建立了IBAS-BP预测模型,并利用实测输入数据进行仿真验证。结果表明:相较于BAS-BP、PSO-BP和GA-BP模型,IBAS-BP预测模型的收敛速率快,测试集的最大相对误差为0.025,决定系数为0.9433;IBAS-BP预测模型能更精确地预测钢筋混凝土中钢筋的腐蚀程度。

基于改进PSO-FNN算法的钢筋混凝土腐蚀检测研究

针对传统粒子群算法(PSO)在处理复杂搜索问题中容易产生早熟收敛,局部寻优能力较差等问题,提出PSO算法中惯性因子的自适应调整方法,将改进的PSO算法优化模糊神经网络(FNN),并将改进的PSO-FNN算法应用于多传感器信息融合的钢筋混凝土腐蚀检测中,检测系统包括pH值传感器、氯离子传感器和湿度传感器。通过改进的PSO算法得到优化的神经网络连接权值,提高算法的搜索速度和训练效率,避免模糊神经网络易陷入局部极小值的问题。利用改进PSO-FNN算法对钢筋腐蚀的样本数据进行训练及测试,结果表明,改进的PSO-FNN腐蚀检测模型算法性能优于PSO-FNN算法,收敛速度快,可有效提高钢筋混凝土腐蚀检测的精度。

关于结构混凝土耐久性无损检测技术研究

在进行工程项目的建设中,建筑的质量一直都是首要建设的目标,因此就需要对结构混凝土进行耐久性的试验分析,以此充分的掌握当下建筑的内部结构稳定性,针对出现的问题,进行针对性处理方案的制定,这样就可以十分有效的增强结构的稳定性。本文针对当下结构混凝土的耐久性无损检测技术进行分析,为相关领域的工作人员提供一定的技术性参考。