华南理工大学学报(自然科学版)

作者：强旭红, 田伟潇, 姜旭, 等

单位：1.同济大学 土木工程学院，上海 200092；2.中国路桥工程有限责任公司，北京 100011；3.上海市建筑科学研究院有限公司，上海 200232

关键词：钢结构,局部点蚀损伤,损伤识别,卷积神经网络

基金：国家重点研发计划重点专项(2020YFD1100403);上海市科技计划项目(20DZ2253000);同济大学中央高校基本科研业务费专项资金资助项目(22120210577)

海洋等结构服役环境引起的点蚀会对钢结构的安全产生影响，而点蚀形式具有较强的多尺度多参数随机性。为在实际工程中对点蚀进行有效检测与损伤识别，基于卷积神经网络，结合试验研究、数值模拟、理论分析，对钢构件的局部随机点蚀进行系统研究。选用多参数局部随机点蚀数值模型，在遵循点蚀坑深度的分布模型、点蚀坑的直径时变模型的前提下，对点蚀坑的位置分布进行边界限制和交叉限制，利用Python实现点蚀坑在尺寸、位置和数量等方面的随机性，使Abaqus能够批量生成锈蚀位置和锈蚀率各不相同的钢板有限元模型，进行运算分析，得到各有限元模型的振型样本。之后，以有限元模型作为试验原型，将数值试验得到的大量前6阶振型样本作为数据集，用于建立、训练一种适用于损伤位置识别的卷积神经网络模型，并使用有限元数据集对模型的精度进行验证。最后，采用足尺试验的振型结果进一步验证卷积神经网络模型的精度。研究表明，该模型充分考虑了点蚀在形状参数和位置坐标等方面的随机性，参数合理，接近现实中的实际点蚀情况，识别准确率较高，在数值试验中点蚀损伤识别到真实区域及其相邻区域的准确率高达95.9%，在足尺试验中的准确率达到81.2%，能满足钢构件智能损伤识别实际应用的精度需求。

来源：2024年第11期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2024年第11期