FRP筋在酸堿侵蝕下的耐久性能

張云峰 趙德望 韓 雙

(1.東北石油大學,大慶 163318;2.哈爾濱四通建設集團有限責任公司,哈爾濱 150100)

FRP筋在酸堿侵蝕下的耐久性能

張云峰1趙德望1韓 雙2

(1.東北石油大學,大慶 163318;2.哈爾濱四通建設集團有限責任公司,哈爾濱 150100)

由于酸堿鹽、潮濕、紫外線、溫度等環境條件對 FRP筋的長期性能具有一定的影響,致使國際上對 FRP筋長期性能的研究越來越關注,本文提出應用 BP神經網絡方法對 CFRP筋在酸堿侵蝕下的耐久性能研究,預測結果表明此方法可行,可以為CFRP筋耐久性設計提供理論依據。

CFRP筋;酸堿侵蝕;BP神經網絡;耐久性

1 引言

所周知,材料、能源和信息是現代文明的三大支柱。腐蝕是材料研究的重要組成部分。為解決因鋼筋銹蝕引起的鋼筋混凝土結構的使用性能,解決引起的耐久性問題,國內外學者經過近 50年的分析研究,普遍認為[1]采用新型的聚合物材料 FRP(F iberReinforced Polymer)筋替代鋼筋是一個較好的選擇。FRP筋[2]是由數以萬計的纖維和樹脂組合而成,纖維直徑在 6 μ m～ 15 μ m,目前用于土木工程結構中的 FRP筋主要有碳纖維筋(Carbon Fiber Reinforced Polymer,簡稱 CFRP筋)、玻璃纖維筋(GlassF iberReinforced Polym er,簡稱 GFRP筋 )和芳綸纖維筋 (Aram id Fiber Reinforced Polym er,簡稱AFRP筋)[3]。當 FRP筋受到外力荷載時,由于其力學性能,對其施加荷載時,纖維和樹脂將負載壓力轉移到鄰近纖維,達到共同承擔荷載的作用。與鋼材相比,FRP筋具有強度、質量比高、彈性模量小、疲勞性能好、應力松弛小、耐腐蝕性能好等特點。除上述優點外,FRP筋具有非磁性,大大降低了電化學環境的形成,為腐蝕環境下替代鋼筋、解決鋼筋銹蝕問題提供了很大的幫助。

雖然組成 FRP筋的纖維和樹脂基體一般情況下不易銹蝕,但近幾年的研究發現,酸堿鹽、潮濕、紫外線、溫度等環境條件對 FRP筋的長期性能還是有一定的影響,致使國際上對 FRP筋長期性能的研究越來越關注。迄今為止,土木工程結構中所使用的 FRP筋大多不超過 20年,已有不少國家對實際工程進行跟蹤研究工作,但相關成果的報告還很少。本文利用MATLAB神經網絡工具箱建立于BP經網絡模型對 CFRP筋在酸堿侵蝕下的質量變化進行預測,從而達到對預測 CFRP筋在溶液中腐蝕情況。

2 基于 L-M算法的 BP神經網絡

多層前向 BP網絡是目前應用最多的一種神經網絡,其模型包括:輸入層、隱含層、輸出層,層與層之間通過權值連接。網絡學習過程包括信號的前向傳播和誤差的反向傳播,其核心是通過向后傳播誤差及修正誤差的方向來不斷調整網絡參數(權、閥值),逼近所期望的輸入輸出映射關系。

傳統的 BP算法具有收斂速度慢、局部級值等缺陷,在實際應用中很難勝任,因此提出了很多改進的算法,由于 L-M算法具有收斂快﹑精度高等優點,所以本文利用 L-M算法來訓練 BP神經網絡。其迭代公式為

式中:I為單位陣;η為一個非負值。依賴于 η的幅值,該方法光滑地在兩種極端情況之間變化:即Guass-New ton法 η→ 0和標準梯度下降法 η→∞,可作為BP神經網絡的學習訓練方法。

并以此不斷來調整訓練網絡,直至達到目標要求。由式 (1)可知,L-M法實際上是 New ton法和標準梯度下降法的結合,它綜合了New ton法和標準梯度下降法兩者的優點。因此,以 L-M算法設計的 BP網絡有著更高的精度和更快的收斂速度[4]。L-M算法在MATLAB工具箱中提供的訓練函數為 train lm。

3 CFRP筋在酸堿侵蝕下質量變化的 BP神經網絡模型

根據研究需要,本文 BP神經網絡模型輸入為:溫度(T0)、濃度(C)、、時間 (T)和溶液的類型。輸出為CFRP筋的質量變化量。確定使用擁有一個隱含層的前饋神經網絡,結構為輸入層神經元的個數為 4個,隱含層神經元的個數為 8個,輸出層神經元個數為 1個。如圖 1所示。

4 訓練樣本采集

制作 CFRP筋試件共 18個,采用分析天平稱量其原始質量,并裝入濃度為 0.05/0.1/0.2 mol/L,NaOH溶液和 HCI溶液 6個容量瓶(1L)中,依次編號 1-6在室溫條件下,分別在 30d、60d、90d、120d、150d和 180d后取出稱量干燥前質量,采用 DHG-9240A型電熱恒溫鼓風干燥箱對材料進行烘干 2h,烘干 2次,直至恒重,記錄恒重質量,測定其質量的變化,進而得出 CFRP筋腐蝕的速率。具體數據如表 1,其中 1代表酸溶液,2代表NaOH溶液。

5 模型的建立與訓練

取表 1的 36個樣本來訓練網絡,網絡的輸入向量 P=[P1,……,P36],輸出為 T=[T1,……,T36]。取表 2樣本做為預測樣本 Ptest= [Ptest1,……,Ptest10],預測樣本如表 2。

本文采用MATLAB人工神經網絡工具箱中的new ff函數來建立BP神經網絡,new ff函數的格式為:

圖 1 BP神經網絡模型

表 1 訓練樣本數據

表 2 預測樣本

其中 PR為輸入失量的最大值與最小值,[S1,S2……Sn]中的各元素分別表示各層神經元的數目;{TF1TF2……TFn}中各元素分別表示各層神經元采用的傳遞函數;BTF表示神經網絡訓練時所使用的訓練函數;本文網絡模型中 PR為m inmax(P),隱含層和輸出層的神經元個數分別為 8和 1,隱含層與輸出層神經元傳遞函數分別為 tansig函數與 purelin函數,因為應用 L-M算法訓練 BP網絡,所以 BP網絡的訓練函數為 train lm;訓練要求精度 ne.t trainparam.goal=0.001,由于輸入數據的大小差別較大,為了保證網絡的訓練速度與精度先對 P歸一化處理,處理方法為調用工具箱里的 premn mx函數把數據歸一化到-1～1之間。網絡建立完畢后調用函數 train訓練 BP神經網絡,網絡訓練過程曲線如圖2所示。

圖 2 網絡訓練過程曲線

調用神經網絡工具箱中函數 s im對樣本 Ptest的結構型式預測

其中 Ptestn為 Ptest的歸一化形式,具體結果,如表 2。

6 神經網絡預測與結果分析

通過對CFRP筋在堿溶液中腐蝕模型的可靠性驗證得知,模型預測結果和真實質量誤差小。最大誤差也只有 18.1%,所以應用BP神經網絡對 CFRP筋耐久性的預測是可行的,本文認為引起誤差的原因可能有兩種:

(1)因訓練樣本過少而導致預測結果存在誤差,當然神經網絡的預測能力也不是百分之百準確,所以存在一定的誤差。

(2)試驗過程當中由量具、工具、夾具等引起的誤差,同時操作者的操作所引起的(或外界因素所引起的)偶然誤差也不可避免。

7 結論

采用 CFRP這種新型的耐腐蝕材料來代替鋼筋,提高結構的耐久性能。解決鋼筋銹蝕嚴重的問題,可以有效地延長工程的使用年限,進而節約資源。本文利用了神經網絡存貯專家的設計經驗和具有漸進的學習功能來對 CFRP筋的耐久性進行預測。該方法可為 CFRP筋耐久性設計提供理論參考,從而可得出較為合理的結構耐久理論和設計方案,更好地消除其薄弱環節,為提高 CFRP筋在惡劣條件下的工作效率提供理論指導。

[1]NANNIA.FRP reinforcement for concrete structures[M].Elsevier Science Publishers,1993.

[2]薛偉辰,康清梁.纖維塑料筋 FRP在混凝土結構中的應用[J].工業建筑,1999,29(2):19-21.

[3]劉志勇,吳桂芹,等.FRP筋及其增強砼的耐久性與壽命預測[J].煙臺大學學報 (自然科學與工程版 ),2005(01):66-73.

[4]閆濱,高真偉,強麗峰.基于 L-M算法的 BP神經網絡在大壩安全監控預報中的應用[J].沈陽農業大學學報,2009:506-509.

Study on the FRP's Durability in the of Acid-base Erosion

Zhang Yunfeng1,Zhao Dewang1,Han Shuang2

(1.Northeast Petroleum University,Daqing163318,China;
2.Harbin Si Tong Construction Group Co.,Ltd.,Harbin150100,China)

As the acid-base sal,t moisture,UV ligh,t te mperature and other environ m ental conditions has some influence on the FRP bars,whichmakes the international long-ter m performance of FRP international study bemore and more concerned.This paper proposes the study ofCFRP's durability in the of acid-base erosion using BP neural ne tworkm ethod CFRP's.The results show that thism ethod is possible and it can provide theoretical basis for the durability design.

CFRP;Acid-base Erosion;BP NeuralNetwork;Durability

TU53;TP183

A

1674-7461(2011)02-0033-04

黑龍江省自然科學基金重點項目(ZD200805);黑龍江省教育廳科學技術研究面上項目(11541002)

張云峰(1966-),男,教授,博士。主要從事土木工程方面的研究。