一种钢结构梁火灾后损伤的识别方法技术

本发明专利技术涉及钢结构工程的技术领域，特别是涉及一种钢结构梁火灾后损伤的识别方法，其基于自振频率测量与反向传播神经网络技术识别钢结构梁在火灾后的损伤，操作简单，所需检测设备少；通过CCD相机结合检测软件对钢结构进行初步外观损伤识别，采集所述外观损伤不确定的火灾后钢结构梁的自振主峰频率信号，获得特征值一，征值输入到反向传播神经网络的输入层，输出层输出特征值二，特征值二与无损钢结构梁的数学模型M1对比，得到输出值X，特征值二与受损的数学模型M3对比，得到输出值Y，对比X和Y，得到Z，判定火灾后钢结构是否合格，对判定为不确定的火灾后钢结构进一步确定检测。为不确定的火灾后钢结构进一步确定检测。为不确定的火灾后钢结构进一步确定检测。

【技术实现步骤摘要】
一种钢结构梁火灾后损伤的识别方法


[0001]本专利技术涉及钢结构工程的
，特别是涉及一种钢结构梁火灾后损伤的识别方法。

技术介绍

[0002]钢结构在经过火灾后其结构强度会受到损伤，由于火灾的性质的不同钢结构的损伤程度不同，因此需要对火灾后的钢结构进行损伤的识别。现有技术中专利号为“ZL201410662841.9”的中国专利提出的基于移动无线技术的火灾后钢结构损伤评估系统，能够通过定量分析与定性分析，对各级指标进行逐级递推运算，自动确定火灾后钢结构损伤、安全等级，形成火灾后钢结构损伤、安全评估结果；现有技术中公开号为“CN114324584A”的中国专利申请提出的一种基于智能算法和超声相控阵技术的钢结构检测方法，该方法通过融合智能算法定位预测技术和超声相控阵检测技术，有利于解决了传统检测方法定位损伤位置困难的问题。
[0003]由于钢结构的热传导性能高，造成火灾后的钢结构的损伤面积大，因此无需对钢结构的损伤位置进行精确定位，又由于火灾后的钢结构的损伤面积大，因此需要进行火灾损伤识别的钢结构的部件很多，工作量大，而现有技术大多具有输入指标参数多和需要检测设备较多的问题，不利于对火灾后受损的钢结构进行快速识别，因此需要一种操作简单、所需检测设备少的一种钢结构梁火灾后损伤的识别方法来提高工作效率。

技术实现思路

[0004]为解决上述技术问题，本专利技术提供一种基于自振频率测量与反向传播神经网络技术识别钢结构梁在火灾后的损伤，操作简单，所需检测设备少的钢结构梁火灾后损伤的识别方法。
>[0005]本专利技术的一种钢结构梁火灾后损伤的识别方法，包括：
[0006]步骤一，通过CCD相机结合检测软件对钢结构梁进行外观损伤识别，外观损伤不合格则判定火灾后钢结构不合格，外观损伤不确定的火灾后钢结构梁进行后续损伤识别判定；
[0007]步骤二，采集所述外观损伤不确定的火灾后钢结构梁的自振主峰频率信号，获得波形图一的特征值一；
[0008]步骤三，波形图一的特征值输入到反向传播神经网络的输入层，反向传播神经网络的输出层输出特征值二；
[0009]步骤四，特征值二与通过反向传播神经网络训练得到的无损钢结构梁的数学模型M1对比，得到输出值X，
‑
1＜X≤0，特征值二与通过反向传播神经网络训练得到的受损的数学模型M3对比，得到输出值Y，0≤Y＜1；
[0010]步骤五，对比X和Y，得到Z；
[0011]步骤六，当
‑
1＜Z＜
‑
0.5时判定火灾后钢结构梁为不合格，当
‑
0.5≤Z≤0.5时判定
火灾后钢结构梁为不确定，当0.5＜Z＜1时判定火灾后钢结构梁为合格；
[0012]步骤七，对判定为不确定的火灾后钢结构进一步确定检测。
[0013]优选的，使用CCD相机对火灾后钢结构的关键节点处拍照，利用图形检测软件测量分析火灾后的钢结构的外观变形量，变形量大于阈值判定火灾后钢结构为不合格，变形量小于阈值判定火灾后钢结构为不确定，对于判定为不确定的钢结构进行自振频率测量和反向传播神经网络的损伤识别。
[0014]优选的，钢结构自振频率测量的具体方法为：
[0015]一、对钢结构梁样品施以频率变化的激励信号发生自振，
[0016]二、使用检测设备测量钢结构关键节点的自振频率和振幅，三、过滤杂波并提取多个主峰频率信号生成波形图一的特征值。
[0017]优选的，检测设备为激光多普勒振动计；无需接触测量，操作方便。
[0018]优选的，反向传播神经网络的训练方式为：
[0019]1、将合格品波形图库中钢结构梁样品A1的多个关键节点自振波形图的特征值入到反向传播神经网络的输入层，进行训练建立无损钢结构梁的数学模型M1，
[0020]2、将不合格品波形图库中钢结构梁样品A2的多个关键节点自振波形图的特征值输入到输出层，进行训练建立火灾后受损钢结构梁的数学模型M2，
[0021]3、钢结构梁样品A3的检测结果验证火灾后受损钢结构梁的数学模型的准确性，
[0022]4、迭代训练优化受损钢结构梁的数学模型M3。
[0023]优选的，合格样品波形图库和不合格品波形库的建立方法为：
[0024]S1、制作同样规格材质的钢结构梁样品A1、A2和A3，
[0025]S2、钢结构梁样品A1进入合格品库，测量钢结构梁A1的多个关键节点的波形图，并将得到的波形图录入合格波形品库，
[0026]S3、钢结构梁样品A2和A2进行模拟火灾处理，使钢结构梁样品A2和A2损伤失效，
[0027]S4、钢结构梁样品A2进入不合格品库，测量钢结构梁样品A2波形，录入不合格品波形图库，
[0028]S5、钢结构梁样品A3进行拉伸、剪切、弯曲、金相检测，确定火灾后损伤等级。
[0029]优选的，反向传播神经网络设置有输入层、隐层一、隐层二和输出层，输入层设置n个神经元、隐层一设置m个隐藏神经元、隐层二设置p个隐藏神经元和输出层设置1个神经元。
[0030]与现有技术相比本专利技术的有益效果为：
[0031]1、采用CCD拍照和相应检测软件进行初步外观识别，有利于提高工作效率；
[0032]2、通过同规格的样品验证并优化神经元网络训练得到的数学模型，提高识别准确度；
[0033]3、采用无接触测量，操作简单，需要的设备少。
附图说明
[0034]图1是本专利技术的检测识别流程示意图；
[0035]图2是本专利技术的CCD外观损伤识别流程示意图；
[0036]图3是本专利技术的反向传播(BP)神经网络训练和验证流程示意图；
[0037]图4是专利技术的训练用样品库的建立流程示意图；
[0038]图5是专利技术的反向传播神经网络的结构示意图；
具体实施方式
[0039]为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更全面的描述。本专利技术可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本专利技术的公开内容更加透彻全面。
[0040]实施例
[0041]如图1至图5所示，建立合格样品波形图库和不合格品波形库：制作同样规格材质的钢结构梁样品A1、A2和A3，钢结构梁样品A1进入合格品库，测量钢结构梁A1的多个关键节点的波形图，并将得到的波形图录入合格波形品库，钢结构梁样品A2和A2进行模拟火灾处理，使钢结构梁样品A2和A2损伤失效，钢结构梁样品A2进入不合格品库，测量钢结构梁样品A2波形，录入不合格品波形图库，钢结构梁样品A3进行拉伸、剪切、弯曲、金相检测，确定火灾后损伤等级。
[0042]反向传播神经网络的训练建立数学模型：将合格品波形图库中钢结构梁样品A1的多个关键节点自振波形图的特征值入到反向传播神经网络的输入层，进行训练建立无损钢结构梁的数学模型M1，将不合格品波形图库中钢结构梁样品A2的多个关键节点自振本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钢结构梁火灾后损伤的识别方法，其特征在于，包括：步骤一，通过CCD相机结合检测软件对钢结构梁进行外观损伤识别，外观损伤不合格则判定火灾后钢结构不合格，外观损伤不确定的火灾后钢结构梁进行后续损伤识别判定；步骤二，采集所述外观损伤不确定的火灾后钢结构梁的自振主峰频率信号，获得波形图一的特征值一；步骤三，波形图一的特征值输入到反向传播神经网络的输入层，反向传播神经网络的输出层输出特征值二；步骤四，特征值二与通过反向传播神经网络训练得到的无损钢结构梁的数学模型M1对比，得到输出值X，
‑
1＜X≤0，特征值二与通过反向传播神经网络训练得到的受损的数学模型M3对比，得到输出值Y，0≤Y＜1；步骤五，对比X和Y，得到Z；步骤六，当
‑
1＜Z＜
‑
0.5时判定火灾后钢结构梁为不合格，当
‑
0.5≤Z≤0.5时判定火灾后钢结构梁为不确定，当0.5＜Z＜1时判定火灾后钢结构梁为合格；步骤七，对判定为不确定的火灾后钢结构进一步确定检测。2.如权利要求1所述的一种钢结构梁火灾后损伤的识别方法，其特征在于，使用CCD相机对火灾后钢结构的关键节点处拍照，利用图形检测软件测量分析火灾后的钢结构的外观变形量，变形量大于阈值判定火灾后钢结构为不合格，变形量小于阈值判定火灾后钢结构为不确定，对于判定为不确定的钢结构进行自振频率测量和反向传播神经网络的损伤识别。3.如权利要求1所述的一种钢结构梁火灾后损伤的识别方法，其特征在于，钢结构自振频率测量的具体方法为：一、对钢结构梁样品施以频率变化的激励信号发生自振，二、使用检测设备测量钢结构关...

【专利技术属性】
技术研发人员：孙天佐，陈嘉，韩冠军，高星，王鹏，金守多，杨立森，周正捷，吕含，李世海，史广文，苑帅，崔家豪，石超，苏健，
申请(专利权)人：中铁九局集团有限公司，
类型：发明
国别省市：