（1.东北石油大学 黑龙江大庆 163318；2.天津大学；3.大庆油田有限责任公司第八采油厂）
摘要：利用RC框架的有限元模型可以有效地对于混凝土模型中存在的损伤以及模态情况进行有效地识别，对于传统的方案来说可以显著地提升识别精度，同时，对于弹性模量的变化进行分析可以发现，其在混凝土结构损伤的识别当中是可行的，本文对其展开探讨。
关键词：RC框架；有限元模型；损伤识别
1引言
随着科技的发展，有限元模型分析技术已经逐渐走进了我们的生活，损伤识别是有限元模型分析领域的一个重要发展方向，主要是采用机器来代替人进行观察和判断。目前提出的有限元模型修正方法主要有基于灵敏度分析的参数修正、矩阵优化修正、特征结构分配算法以及利用神经网络原理的修正方法等，这些模型修正技术已经在多种结构体系上得到了应用和验证。基于灵敏度分析的参数型修正方法易于在通用大型有限元软件实现，且修正参数的物理意义明确，便于工程人员理解和接受，因而得到了更多的应用。对其进行监测与纠错是极为关键的，这一技术的核心工作为图像的检测与处理，图像处理可以有效地对混凝土建模过程中出现的问题进行监测与纠错，使其探测更加地规范化。
2RC框架有限元模型修正分析
有限元模型与实际结构之间的偏差主要有模型结构误差、模型阶次误差和模型参数误差。模型参数包括模型几何参数（ 长 、宽 、面积和惯性矩等） 和材料参数 （ 弹性模量 、密度等 ） 。现假定模型参数误差是引起有限元误差的主要因素。由于该框架模型实际几何参数与设计基本一致，这里假定模型参数的误差主要由各构件弹性模量及密度的不精确所引起 。本文采用一阶方法进行优化。一阶方法使用因变量对设计变量的偏导数，在每次迭代过程中，梯度计算确定搜索方向，并用线性搜索法对非约束问题进行最小化。一阶方法基于目标函数对设计变量的敏感程度，因此更加适合于精确的优化分析。模型最终经过八次迭代收敛到较小的误差范围之内。通过计算强度折减系数的主要影响因素分析，指出影响承载力折减系数的主要因素有：（1）原混凝土初始应变组件。初始应变越小，容量越大换算系数；（2）新界面材料强度比率。新材料强度比越大，容量换算系数小；（3）新的截面配筋率。在传力机理和破坏形式上钢筋混凝土基材与素混凝土基材上的化学植筋存在明显的差异，不宜将素混凝土上的化学植筋结果用在钢筋混凝土上；（2）在静荷载作用下，植筋加固段钢筋应力从内向外随植筋深度减小，钢筋应力逐步增大，粘结剪应力的最大值出现在钢筋进入屈服时。研究结果表明低配筋率的加固梁比高配筋率抗弯承载力提高更为明显且低配筋率的加固梁具有较好的延性；随着新截面配筋率的上升，降低承载力的因素将减少。通过扩大截面上轴压柱的强度折减系数值进一步分析。指出影响承载力折减系数的主要因素包括：轴向压缩比的增加，原柱的配筋率和原柱混凝土强度水平。
3RC框架有限元模型损伤识别方案
3.1 概述
模型损伤识别是人工智能领域的一个重要的分支，模型损伤识别技术可以分为两大部分，第一类是基于机器学习的，第二类是基于统计方法的，根据实现的原理可以划分为基于几何特征、基于模型、基于统计方法、基于神经网络等。
期刊文章分类查询,尽在期刊图书馆模型损伤识别算法，采用主流的深度学习方法来进行特征值提取，通过卷积神经网络对图像进行识别，通过多层特征的融合来使得运算量降低，识别速度加快，通过基本的特征信息，从而反映出高级别的属性特征，同时可以对不清晰的图像、动态的图像进行较为精确的识别，其识别准确度较高，抗干扰性较强。基于深度学习的特征提取算法，通过较大规模的图像库进行训练，使得模型损伤识别模型的准确度非常高，同时时间减小，可以达到万分之一秒。
3.2 主流模型损伤识别方法
3.2.1 基于几何特征
基于几何特征的方法，主要是在图像中寻找特征，将特征点之间的距离和比例进行归纳，通过临近的方法来识别图像，这样的方法比较快，内存占用少，但是对于光照变化来说不敏感，同时对于动态变化的图像，它将无法识别。
3.2.2 基于模型
基于模型的方法，主要采用马尔科夫模型，这种模型的方法，主要是通过数学的统计性的问题。以人脸图像的监测识别为例，马尔可夫的状态包括前额、眉毛、眼睛、鼻子、嘴和下巴，这些状态以相同的顺序从上到下出现，表现为隐马尔可夫模型的特性状态。这种方法对于样本的要求较高，需要建立较为可靠的模型。
3.2.3 基于统计
基于统计学的方法，主要是通过提取图像中光照、位置等特征向量，来进行图像的重构，来判断这些特征所表现的否是被识别的物体，优点在于识别速度较快，缺点在于对于动态的模型损伤识别较差。
3.2.4 基于神经网络
基于神经网络的模型损伤识别方法，主要是采用机器学习的方案，就是通过多张图像进行模型的训练，然后对其参数进行调整，然后对所要识别的图像进行分类，来判断它是否是被识别的图像，这样的算法识别成功率较高，但是运算时间较长。
3.2.5 基于深度学习
深度学习也是一种复杂的神经网络，主要是采用一些低层的特征来进行高层特征的表示，它对于计算性能要求较高，可以利用空间的相对关系来进行降维，使得训练性能提升，结合实际情况下的深度学习，效率非常高。
4总结
随着计算速度和准确率的不断提升，建模损伤识别处理的应用越来越普遍，同时推动了相应识别技术的发展速度，有限元模型处理虽然有很多无法克服的缺点，但是借助这一重要的科技发展趋势，也在一步一步推动各行业蓬勃发展，让生活更加智能化。它可以使得混凝土的建模更加地规范化，使其成品更加标准。损伤识别处理大大的减少了人力的成本，提升了工作的效率，这是重要的技术基础，它在工业生产领域有着深远的影响。
参考文献：
[1]李万润. 基于模型修正与时序分析的结构损伤识别方法研究[D].兰州理工大学，2013.
[2]方圣恩. 基于有限元模型修正的结构损伤识别方法研究[D].中南大学，2010.
[3]梁文广. 框架结构模型修正与损伤识别研究[D].重庆大学，2009.
论文作者:高天驰,赵婧一,王晴彤
论文发表刊物:《电力设备》2017年第30期
论文发表时间:2018/3/9
标签：模型论文; 损伤论文; 方法论文; 图像论文; 特征论文; 有限元论文; 参数论文; 《电力设备》2017年第30期论文;