根据HPFL加固层和加固混凝土构件之间的243个正拉粘结强度试验测试和24个剪切粘结强度试验测试,将影响二者粘结强度的主要因素,如抹灰龄期、加固界面粗糙度、混凝土和砂浆强度、修补方位等作为特征参数,建立了预测HPFL加固层与混凝土粘结强度的BP人工神经网络模型.采用训练好的BP神经网络对HPFL加固层与混凝土粘结强度进行了预测,并与实测值进行了对比.正拉粘结强度预测值与试验值之比的平均值为1.056,标准差为0.057;剪切粘结强度预测值与试验值之比的平均值为0.988,标准差为0.127.结果表明:预测值与试验值符合良好,利用BP神经网络对HPFL加固层与混凝土粘结强度进行预测是可行的.
参考文献
| [1] | 黄华,刘伯权,邢国华,刘彦顺,李铁强.高强不锈钢绞线网-渗透性聚合砂浆加固的T型梁桥试验[J].中国公路学报,2007(04):83-90. |
| [2] | 聂建国,王寒冰,张天申,蔡奇,秦凯.高强不锈钢绞线网-渗透性聚合砂浆抗弯加固的试验研究[J].建筑结构学报,2005(02):1-9. |
| [3] | 周梅,白金婷,张晓帆.橡胶粉掺量及粗细度对混凝土强度影响的数学分析[J].工业建筑,2011(09):76-80. |
| [4] | 黄华,刘伯权,刘卫铎.高强钢绞线网-聚合物砂浆加固层与RC结构黏结面性能试验[J].中国公路学报,2009(03):70-75. |
| [5] | 赵军,米贵东,冯建建,朱江林,赵琥,冯克满,阎培渝.人工神经元网络在高密度水泥浆配合比预测中的应用[J].硅酸盐通报,2013(09):1905-1909. |
| [6] | 张良 .地震多参数神经网络目标预测应用研究[D].长安大学,2003. |
| [7] | Zhu JH.;Anderson SA.;Zaman MM. .Modeling of soil behavior with a recurrent neural network[J].Canadian Geotechnical Journal,1998(5):858-872. |
| [8] | 王希伟,杨勇新.基于BP神经网络预测高强钢筋与高强混凝土的粘结锚固强度[J].广东土木与建筑,2010(09):37-39,42. |
| [9] | 白建方 .基于神经网络的钢筋混凝土框架异型节点抗震性能研究[D].西安建筑科技大学,2004. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%