基於BP神經網路的鋼筋混凝土環片力學特性之微變形規律研究

RESEARCH ON MECHANICAL PROPERTIES AND MICRO-DEFORMATION LAW OF REINFORCED CONCRETE SEGMENTS BASED ON BP NEURAL NETWORK

10.6652/JoCICHE.202311_35(7).0001

趙立財(Li-Cai Zhao)；陳希舜(Shi-Shuenn Chen)

鋼筋混凝土環片 ； 裂縫 ； 神經網路 ； 相對重要指數 ； reinforced concrete segment ； crack ； neural network ； relative importance index

中國土木水利工程學刊

35卷7期（2023 / 11 / 01）

625 - 632

繁體中文;英文

鋼筋混凝土環片作為潛盾法施工中的承重主體，其變形的大小影響著潛盾隧道支護安全與穩定。為研究不同工況下鋼筋混凝土環片力學特徵及變形規律，分別從不同混凝土強度等級、施加荷載、用水量、粗骨料含量4類參數角度出發設計出14組抗彎性力學能試驗。根據抗彎力學性能試驗結果，判定不同參數變化下的鋼筋混凝土環片裂縫發育程度，並通過BP神經網路訓練和預測該4類參數對鋼筋混凝土環片裂縫等變形的相互關係。研究表明：鋼筋混凝土環片第二條出現的裂縫延伸長度和寬度都普遍要大於第一條出現的裂縫；同時隨著混凝土強度等級的減小、荷載的提高、用水量的增加以及粗骨料用量的減少，都會促進鋼筋混凝土環片表面裂縫的發育。通過BP神經網路對於不同參數變化與鋼筋混凝土環片變形裂縫之間的規律進行訓練和預測後，得出訓練結果和實際結果的差值在可接受範圍內，能夠較好的滿足鋼筋混凝土環片裂紋預測要求，為該類似鋼筋混凝土環片在不同受力條件或參數屬性條件方面提供評價依據。

As the load-bearing body in the construction of the shield tunnel method, the deformation of the reinforced concrete segment affects the safety and stability of the shield tunnel support. In order to study the mechanical characteristics and deformation law of concrete segment under different working conditions, 14 groups of laboratory tests were designed from the Angle of concrete strength grade, axial force, segment outer diameter, water consumption and coarse aggregate content. According to the results of the Bending mechanical properties test under different parameters determine the reinforced concrete segment fracture development degree, and by the BP neural network training and predicting the four kinds of parameters on the crack deformation of reinforced concrete segment. Research show that the reinforced concrete segment appeared the second crack extension length and width are generally the cracks appear than the first; At the same time with the decrease of the reinforced concrete strength grade, load increase, the increase of water consumption and reduce the dosage of coarse aggregate, will promote the development of surface cracks in reinforced concrete segment. By the BP neural network for different parameters change with the laws between the reinforced concrete segment deformation crack after training and forecasting, training results and actual results of difference within the acceptable range, can better meet the requirement of reinforced concrete segment crack prediction, for the similar reinforced concrete segment in different stress conditions or attribute parameters provide evaluation basis.

1. Avanaki, M. J.,Hoseini, A.,Vahdani, S.,de la Fuente, A.(2018).Numerical-aided design of fiber reinforced concrete tunnel segment joints subjected to seismic loads.Construction and Building Materials,170,40-54.
2. Kim, J. J.,Kim, A. R.,Lee, S. W.(2020).Artificial neural network-based automated crack detection and analysis for the inspection of concrete structures.Applied Sciences,10(22),8105.
3. Liu, Q.,Sun, P.,Fu, X.,Zhang, J.,Yang, H.,Gao, H.,Li, Y.(2020).Comparative analysis of BP neural network and RBF neural network in seismic performance evaluation of pier columns.Mechanical Systems and Signal Processing,141,106707.
4. Lyu, Z.,Yu, Y.,Samali, B.,Rashidi, M.,Mohammadi, M.,Nguyen, T. N.,Nguyen, A.(2022).Back-propagation neural network optimized by K-fold cross-validation for prediction of torsional strength of reinforced Concrete beam.Materials,15(4),1477.
5. Malikov, A. K.,Kim, Y. H.,Yi, J. H.,Kim, J.,Zhang, J.,Cho, Y.(2022).Neural-network-based ultrasonic inspection of offshore coated concrete specimens.Coatings,12(6),773.
6. Tian, L.-G.,Hu, Z.-Q.,Chen, J.(2021).Experimental and numerical research on defective shield segment under cyclic loading.Shock and Vibration
7. 中華人民共和國住房和城鄉建設部(2011).盾構法隧道施工及驗收規範,盾構隧道管片品質檢測技術標準：CJJ/T-164-2011.北京:中國建築工業出版社.
8. 中華人民共和國住房和城鄉建設部(2017).盾構法隧道施工及驗收規範：GB50446-2017.北京:中國建築工業出版社.
9. 朱阿祥,高培偉,徐少雲,黃田子,張麗芳(2017)。盾構混凝土管片抗彎性能模擬試驗研究。結構工程師，33(3)，139-146。
10. 吳賢國,曾鐵梅,張立茂,宋若昕(2013)。地鐵施工鄰近管線安全風險管理研究。鐵道工程學報，127-132。
11. 李守巨,王志雲,杜洪澤(2020)。混凝土管片接頭極限承載力特性的實驗研究。黑龍江科技大學學報，30(2)，219-224。
12. 李明(2021)。基於改進 BP 神經網路的大壩安全監測預報模型。水利科技與經濟，27(3)，85-90。
13. 張力,封坤,肖明清,苟超,龔彥峰,唐曌(2019)。大斷面盾構隧道管片接頭抗彎剛度取值研究。隧道建設（中英文），39(4)，619-625。
14. 張平平,楊偉超,尹榮申,鄧鍔(2019)。盾構管片接頭破壞類型及參數敏感性分析。鐵道科學與工程學報，16(2)，450-456。
15. 張帆,廖霖,趙健,劉冠志,張昌鎖(2021)。鋼纖維混凝土管片設計及試驗研究。建築結構，51(9)，63-69。
16. 張建剛,孟慶明,李圍,何川(2019)。不同接觸並存的管片接頭力學分析。隧道建設（中英文），39(10)，1594-1600。
17. 陳帥,黃騰,高大龍(2022)。改進 BP 神經網路模型在索塔變形預測中的應用。地理空間資訊，20(2)，27-32。
18. 趙紫龍(2020)。基於小波分解的差分灰色神經網路─AR 模型及其在地鐵隧道沉降預測中應用研究。測繪通報，2020(S1)，99-103。
19. 盧浩,施燁輝,戎曉力(2013)。水下隧道盾構法施工安全風險評估探討。中國工程科學，91-96。