申请/专利权人：湖南农业大学

申请日：2023-12-21

公开（公告）日：2024-03-26

公开（公告）号：CN117763675A

主分类号：G06F30/13

分类号：G06F30/13;G06F30/27;G06F18/214;G06F18/241;G06N3/0499;G06F119/08;G06F119/14

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明公开了一种基于BP神经网络的钢筋锈蚀渡槽状态评价方法和系统，包括：数据行采集。将保护层厚度、钢筋直径、水灰比、环境温度、环境相对湿度、氯离子含量和锈蚀持续时间作为BP神经网络的输入神经元，将钢筋锈蚀速率作为输出神经元，然后构建BP神经网络。通过识别渡槽失效模式，选择对应的时变功能函数，以及对结构时变可靠度进行分析，从而评价其安全可靠性。本发明的优点是：能够简单、准确且快速地预测钢筋的锈蚀速率，为渡槽结构的运行管理、实时安全评价及加固修复奠定提供理论依据。

主权项：1.一种基于BP神经网络的钢筋锈蚀渡槽状态评价方法，其特征在于，包括以下步骤：一、选择输水渡槽服役期间的测点位置，布置传感器，对输水渡槽服役期间的测点位置的数据进行采集；二、构建BP神经网络，子步骤如下：S1、传感器获取能够反应渡槽状态的必需数据；S2、确定网络拓扑结构：选择构建单隐层BP神经网络模型；S3、确定层间节点数目：选取保护层厚度、钢筋直径、水灰比、环境温度、环境相对湿度、氯离子含量和锈蚀持续时间作为网络的输入神经元，选取钢筋锈蚀速率作为输出神经元，设置隐含层神经元个数，确定隐含层神经元个数；S4、准备数据集：将数据集划分为训练集、验证集和测试集；S5、对收集的数据进行归一化处理S6、设置网络主要参数，包括：最大学习迭代次数、目标控制精度和学习因子；选择激活函数和训练算法；S7、网络模型框架确定：利用准备好的训练集对网络模型进行训练，并使用验证集进行验证和调参，以获得最佳的网络模型；三、利用构建好的BP神经网络，通过识别渡槽失效模式，建立对应的结构时变功能函数，利用标准空间一维减维7点估计法，分别计算渡槽结构构件承载能力极限状态下交通桥抗弯、拉杆抗拉、拉杆抗剪、侧墙抗拉、底板抗拉、槽身抗弯六种失效模式下时变功能函数前四阶统计矩信息，再代入基于立方正态分布简化四阶矩可靠指标公式判断是否合格，若不合格发送警报信息并输出评估报告，若合格则直接输出评估报告；所述结构时变功能函数，包括交通桥抗弯、拉杆抗拉、拉杆抗剪、侧墙抗拉、底板抗拉和槽身抗弯。

全文数据：

权利要求：

百度查询： 湖南农业大学 基于BP神经网络的钢筋锈蚀渡槽状态评价方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD