基于神经网络的矩形钢管混凝土柱破坏模态及承载力研究

摘要

目前对矩形钢管混凝土柱的钢管和混凝土之间相互约束效应的预估各不相同，并且都存在一定的局限性。然而，神经网络的方法在不需要任何假定的条件下，即可通过对样本数据的学习、训练，找到输入与输出之间的非线性关系，并且能够对新的输入变量作出准确预测，这种性能特点很好的克服了现有研究方法中的局限。此外，神经网络这种高效、科学的计算方法适用于计算机仿真技术，从而能够实现构件受力变形破坏全过程的可视化，有助于解决实际工程问题。
　　通过总结已有文献，将矩形钢管混凝土柱轴压的破坏模态主要分为强度破坏和失稳两种，进一步将强度破坏根据最终破坏时的表现形式分为局部鼓曲破坏和整体弯曲破坏。只改变柱子长细比，利用有限元方法模拟矩形钢管混凝土柱的破坏模态。训练出可以预测此种组合柱破坏模态及两种破坏模态长细比临界值的神经网络模型，得出结论：截面长宽比（长／宽）越小，含钢率越大,约束效应系数越大,发生局部鼓曲破坏的柱子比重更大；混凝土强度越大，发生局部鼓曲破坏的柱子的长细比范围越大；钢管厚度越大,约束效应系数越大,会发生整体弯曲破坏的柱子的长细比范围越大；钢材强度越大,约束效应系数越大,会发生整体弯曲破坏的柱子的长细比范围越大。
　　建立了两种不同输入参数的神经网络模型，以文献数据和有限元模拟数据为学习、验证样本，通过比较，得到了可以准确预测轴压承载力的模型。控制单一变量，利用训练好的神经网络模型，预测不同长细比时的轴压承载力，进而得到轴压稳定性系数，同时应用规范GB50936-2014中的公式计算相同长细比时的轴压稳定性系数。最后将两种方法得到的长细比-稳定性系数曲线相比较，得出结论：在计算轴压稳定性系数方面，神经网络方法比规范更加偏于安全。
　　介绍了矩形钢管混凝土柱承载力的四种计算理论与规范公式。训练两组输入参数不同的神经网络模型，选择性能最优的一种模型对不同混凝土等级下的矩形钢管高强混凝土短柱轴压承载力进行了预测，同时应用规范GJB4142-2000、GB50936-2014、DBJ29-57-2003中的公式计算了相应混凝土等级下的轴压承载力。得出结论：在混凝土强度等级为C50~C80的范围内时，GJB4142-2000不适用于计算高强混凝土柱的轴压承载力；用规范GB50936-2014来计算高强混凝土柱的轴压承载力过于保守；由DBJ29-57-2003得到的承载力-混凝土强度曲线与神经网络方法得到的承载力-混凝土强度曲线吻合程度较高，即采用叠加理论的规范计算偏于安全，适用于计算矩形钢管高强混凝土柱的轴压承载力。

目录

声明

第1章 绪论

1.1矩形钢管混凝土柱

1.2 神经网络

1.3课题研究目的和意义

1.4本文主要研究内容

第2章 基于神经网络的矩形钢管混凝土柱破坏模态研究

2.1 矩形钢管混凝土破坏模态

2.2 有限元模拟

2.3 矩形钢管混凝土柱破坏模态的神经网络预测

2.4本章结论

第3章 基于神经网络的矩形钢管混凝土柱稳定性研究

3.1 矩形钢管混凝土柱轴压承载力数据

3.2 基于神经网络的矩形钢管混凝土柱轴压承载力预测

3.3 矩形钢管混凝土柱轴压稳定性系数计算

3.4 结论

第4章 矩形钢管高强混凝土短柱轴压承载力研究

4.1 矩形钢管高强混凝土短柱轴压承载力计算公式

4.2 基于神经网络预测矩形钢管高强混凝土短柱轴压承载力

4.3 神经网络方法与规范算法比较

4.4 结论

第5章 结论与展望

5.1 结论

5.2 展望

参考文献

发表论文和参加科研情况说明

致谢