神经网络技术在混凝土超声波探伤中的研究应用

1、神经网络技术在混凝土超声波探伤中的研究应用 * * 大 学 毕 业 论 文 第一章 绪论 第一节 引言 混凝土是当今世界上用量最大用途最广的工程材料。在土木、水利与建筑工程，海洋及港湾建设工程，交通运输与铁路工程，甚至航空航天工程，都有混凝土应用的实例。作为一种重要的工程材料，混凝土在现代建筑工程中得到广泛的应用。我国是世界上混凝土生产和应用最多的国家。到2004年，我国水泥的产量达到9.4亿吨，混凝土的产量约20亿m3。在我国，建造了大量的高层与超高层建筑，钢筋混凝土铁路桥、公路桥、跨海大桥，海港码头及航空港等。 各种工程结构中经常存在着表面的某种破损或缺陷，如梁板的裂缝，墙皮开裂，火灾后混

2、凝土的过火等，这些肉眼可见的破损容易引起人们的重视，而旧有建筑材料由于初始缺陷的存在及荷载和环境的共同作用，使结构在经历了一段较长时间或受到某种自然灾害后，往往受到不同程度的损伤，或由于结构的病害引起性能变化，导致突发事故或建筑物倒塌现象的发生，这类危险是肉眼看不见的内在缺陷、损伤所造成的。 第二节 混凝土损伤研究意义 从混凝土的组成来看，是一种非均匀的多相颗粒复合材料，由硬化水泥浆、细骨料（砂）和粗骨料（石子）混合而成，并含有各种形状的孔隙，其中粗骨料、细骨料、水泥浆体的组成、分布及结合状态都具有高度的随机性，而且骨料、水泥浆基体及混凝土的力学性能也各不相同，其力学性能指标如强度、弹性模量等

3、也只是在统计意义上才具有相对稳定的数值。从细观角度看，混凝土材料的力学特性是由其内部的细观结构及其变化决定的。 作为一种典型的非均质材料，混凝土在多种尺度下都表现出了非均质性。根据复合材料的观点，将混凝土结构分为三级。 第一级，即混凝土。可将砂浆视为基相，骨料视为分散相。骨料和砂浆的结合面为薄弱面，该处常因各种原因产生结合缝。混凝土的破坏首先从这里开始。 第二级，即砂浆。可将水泥视为基相，砂视为分散相。砂和水泥的结合面也是薄弱面，也产生结合缝，但其尺寸比砂浆和骨料之间的结合缝至少小一个量级。 第三级，即硬化水泥浆。硬化水泥浆也不是匀质材料，其中包裹着一些未被水化的水泥颗粒及孔隙，他们就是缺陷。

4、因此可将硬化水泥浆胶体视为基相，将这些缺陷视为分散相。水泥浆体的破坏可能从这些缺陷开始，裂纹由于克服硬化水泥浆分子间的引力而扩展。未被水化的水泥颗粒尺寸通常比砂和水泥浆的结合缝至少小几个量级。 从损伤力学的观点来看，我们称上述混凝土的缺陷为损伤1。这时如果混凝土体受到外界因素的作用，则混凝土体中原有损伤将会有所发展并会导致出现新的损 1 * * 大 学 毕 业 论 文 伤，当损伤积累到一定程度时，混凝土体中将会出现宏观裂缝，而宏观裂缝的端部又将会发生新的损伤及产生新的损伤区，再经积累而引起裂缝的扩展，直至混凝土体的破坏，由此可见，混凝土的破坏过程实际上是损伤、损伤积累、宏观裂纹出现、宏观裂纹扩

5、展交织发生的过程。如图1-1混凝土损伤裂缝发展过程。 图1-1 混凝土损伤机理 在上述混凝土的损伤机制下，一般来说，混凝土的裂纹扩展存在四个阶段: 1）预存微裂纹阶段。即在混凝土成形过程中，由于水泥浆硬化干缩，水分蒸发留下裂隙等原因，使构件中预存原始微裂纹。它们大都为界面裂纹，极少量为砂浆裂纹，这些裂纹是稳定的。这些裂纹的存在是混凝土具有初始损伤的原因之一。 2）裂纹的起裂和稳定扩展阶段。在较低的工作应力下，构件内部的某些点会产生拉应力集中，致使相应的预存微裂纹延伸或扩展，应力集中则随之缓解，如果荷载不再增加，将不会产生新裂纹，卸荷时少量裂纹还会闭合，这一阶段的应力-应变关系是线性的。当预存裂

6、纹起裂后，如果继续加载，并使荷载维持在一个应力水平下，即长期破坏的临界应力（一般低于材料强度的70%80%）,裂纹将继续扩展，有的深入砂浆。有的互相结合形成大裂纹，同时又有新裂纹形成，如停止加载裂纹扩展将趋于停止，这一阶段的应力-应变关系是非线性的，通常也称这一阶段为连续损伤阶段。 3）裂纹的不稳定扩展阶段。当荷载超过临界值时，裂纹将继续扩展，聚合砂浆裂纹急剧增多，即使荷载维持不变，裂纹也将失稳扩展，造成破坏。 4）完全破坏阶段。混凝土的缺陷和损伤严重降低了结构的安全性、适用性和耐久性，特别是我国现在许多建筑物已经接近或达到规定的基准使用期，其中部分建筑物仍存在使用价值，因此迫切需要对他们进行

7、无损探伤的诊断，从而对他们进行加固、维修、管理和使用。因而如何通过一定的检测手段与方法来判断结构是否存在缺陷与损伤，并对损伤进行定位及评估成为当前国内学术界、工程界极为关注研究活跃的领域之一。 2 * * 大 学 毕 业 论 文 第三节 人工神经网络的基本概念及其发展过程 人脑约由1010个神经细胞组成，数量之庞大，近似茫茫宇宙中星星的数目。细胞之间相互连结，形成纵横交错的网络式结构。每个脑细胞约有104条途径与其它细胞相连，构成一个非常复杂的信息处理网络。仿此，人工神经网络（Artificial Neural Networks，缩写ANN）也是由众多十分简单的人工神经元按一定规律有机地联结起

8、来而构成的。网络中信息的传播、存储方式都与生物神经网络相似，是并行式的“集体”工作方式。它没有大家熟悉的传统数字计算机的运算器、存储器和控制器这类“专职”部件，有的只是众多相同的简单神经元的组合。信息存储在各神经元之间的连结权上。从结构到工作原理均与传统计算机有本质的区别。由于这种信息处理系统是人工的模仿人脑神经网络而建立的，故称人工神经网络。为简便起见，也常省略“人工”两字。 关于人工神经网络的定义，1988年美国国防高级研究计划局的解释是2：人工神经网络是一个由许多简单的并行工作的处理单元组成的系统，其功能取决于网络的结构、连结强度以及各单元的处理方式。根据Haykin S 1994年所著

9、神经网络的定义3，神经网络是一个大规模并行的分布式处理器它具有存储并利用经验知识的能力。在以下两方面很像人脑： 1）网络通过学习获得知识； 2）知识存储在用以描述神经元之间连结强度的权值中。因此人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。 人工神经网络不仅在形式上模拟了生物神经系统，它也具有大脑的一些基本特征。从系统构成的形式上看，从神经元本身到联接模式，基本上都是以与生物神经系统相似的方式工作的。从表现特征上来看，它力求模拟生物神经系统的基本运行方式。例如，可以通过相应的学习训练算法，将隐含在一个较大数据集中的数据联系抽象出来，就像人们可以不断地摸索规律、总结经验一样，可以从先

10、前得到的例子按要求产生出新的实例，在一定程度上实现“举一反三”的功能。 一般认为，最早用数学模型对神经系统中的神经元进行理论建模的是美国心理学家麦卡洛克（W.McCulloch）和数学家皮茨（W.Pitts）。他们于1943年建立了MP神经元模型。MP神经元模型首次简单的数学模型模仿出生物神经元活动功能，并揭示了通过神经元的相互连接和简单的数学计算，可以进行相当复杂的逻辑运算这一令人兴奋的事实。 1957年，美国计算机学家罗森布拉特（F.Rosenblatt）提出了著名的感知器（Perceptron）模型。它是一个具有连续可调权值矢量的MP神经网络模型，经过训练可达到对一定输入矢量模式进行识别

11、的目的。 1959年，当时的另外两位美国工程师威德罗（B.Widrow）和霍夫（M.Hoff）提出了自适应线性元件（Adaptive linear element,简称Adaline）。它是感知器的变化形式，尤其在权失量的算法上进行了改进，提高了训练收敛速度和精度。成为第一个用于解决实际问题的人工神经网络。 3 * * 大 学 毕 业 论 文 美国学者霍普菲尔德（J.Hopfield）对人工神经网络研究的复苏起到了关键性的作用。1982年，他提出了霍普菲尔德网络模型，将能量函数引入到对称反馈网络中，使网络稳定性有了明显的判据，并利用提出的网络的神经计算能力来解决条件优化问题。另一个突破性的研究

12、成果是儒默哈特（D.E.Rumelhart）等人在1986年提出的解决多层神经网络权值修正的算法误差反向传播法，简称BP算法，找到了解决明斯基和帕伯特提出的问题的办法，从而给人工神经网络增添了活力。 我国的神经网络研究开始1988年，在基础理论与应用领域都取得了一系列重要成果。1989年在广州召开了全国神经网络信号处理会议，1990年我国8个一级学会联合召开了首届全国神经网络学术会议，并决定以后每年召开一次。特别是1992年神经网络学会和IEEE神经网络委员会联合学术会议在北京召开，极大推动了神经网络在我国的发展与研究。 迄今为止的神经网络研究，大致可分为理论研究和应用研究两大方面。理论研究可

13、以分为两类： 利用神经生理与认知科学研究人类思维和智能机理； 利用神经基础理论的研究成果，用数理方法探索功能更加完善、性能更加优越的神经网络模型，深入研究网络算法和性能，开发新的网络数理理论。应用研究也可以分为两类： 神经网络的软件模拟和硬件实现的研究； 神经网络在各个领域中应用的研究。随着神经网络理论本身以及相关理论、相关技术的不断发展 ,神经网络的应用将更加深入和广泛。作为一项新生事物，它已迅速进入了许多应用领域，如图像处理、自动控制、信号处理、视觉系统、医学工程、农业、水利、机械系统和信贷评估等。 第四节 神经网络技术在混凝土损伤中的应用和发展情况 对工程结构进行健康诊断与损伤检测的研究

14、5开始于20世纪40年代，大致分为三个阶段： 1）探索阶段。该阶段为20世纪4050年代，注重分析、研究结构产生缺陷的原因和修补方法，检测工作以外观的目测方法为主。 2）发展阶段。该阶段为20世纪6080年代中期，注重对工程结构检测技术和评估方法的研究，提出破损检测、无损检测、物理检测等几十种现代检测技术和分项评价、综合评价、模糊评价等多种评价方法。由于历史发展等原因和自然灾害造成的惨痛教训，我国在20世纪70年代中期开始该项研究，虽然起步比较晚，但引起了国家许多部门和单位的重视，开发研究了许多符合我国国情的诊断方法和技术。 3）完美阶段。该阶段为20世纪80年代后期至今，该阶段制定了一系列的

15、规范和标准，强调综合评价，引入知识工程，将有限元分析等数值计算方法与结构损伤检测方面的专家经验结合起来，使结构损伤检测与可靠性评估工作朝着智能化的方向发展和迈进。 自Adeli和Yeh5于1989年将没有隐含层的感知机第一次用于简支梁的设计以来，越来越多的土木工程专家、学者将研究方向转移到该领域上来，现在已有许多 4 * * 大 学 毕 业 论 文 神经网络模型用于结构分析及优化设计、结构的损伤检测与评估、结构控制、多目标综合决策及预报、施工管理与规划、岩土与交通工程及材料的本构关系等许多方面。 土木工程中的许多问题是非线性问题，变量之间的关系十分复杂，很多工程实际问题很难用确切的数学、力学模

16、型来描述。工程现场实测数据的代表性预测点的位置、范围和手段有关，有时很难满足传统统计方法所要求的统计条件和规律，加之工程项目多位单体生产，可统计性差，且影响因素多，所依靠的信息许多是不确定的，因此运用神经网络方法实现土木工程问题的求解是非常合适的。 混凝土损伤识别的神经网络方法具有许多优越性： 1）神经网络具有并行分布式存储信息、自组织学习的特点，通过对训练样本的学习就能够很好的模拟声学特征参数，（输入）与混凝土损伤程度（输出）的非线性映射关系，能够实现混凝土损伤的定量化和智能化。 2）神经网络对输入具有很强的容错性，识别的误判率很低，神经网络对样本训练能够快速收敛到足够精度。 3）神经网络不

17、依赖于输入参数的统计特性，可以对不同混凝土试块、不同超声实验条件下检测的参数统一学习，因此网络具有较强的学习和适用能力，尤其应用于工程复杂的非重复环境条件下具有很强的应用价值和意义。 第五节 本文的主要工作 本文提出了一种基于神经网络的混凝土损伤声学检测方法，这一方法的基本思路是从超声检测中提取三向波速变化的声学特征参数，利用神经网络并行处理、自学习能力和容错性低等优点，通过对训练样本的学习模拟特征参数与损伤的非线性模糊映射关系，从而实现混凝土损伤识别的定量化和智能化。 第一章 绪论介绍了混凝土损伤和神经网络的研究意义，以及发展现状，概述本文的主要工作。 第二章 将重点介绍混凝土的损伤和超声波

18、无损检测技术，概述损伤力学的基本知识，损伤力学的分析方法，混凝土损伤机理，以及超声波技术在混凝土无损检测中的应用和发展。 第三章 将介绍人工神经网络技术。简要说明了人工神经网络的基本原理，包括人工神经元的模型、人工神经元的激活函数、学习方法、学习规则、网络模型等内容。然后介绍了RBF神经网络和BP网络模型，RBF神经网络的组成与学习过程。最后介绍了基于Matlab神经网络工具箱的模型分析和处理方法。 第四章 介绍本文引用的实验方法及损伤定义。 第五章 基于神经网络方法对混凝土损伤进行特性研究，利用Matlab语言设计的BP和RBF神经网络模型来具体分析神经网络在混凝土损伤中的应用。 5 * *

19、 大 学 毕 业 论 文 第二章 损伤理论研究方法综述 第一节 损伤力学的基本知识 损伤就是指在单调加载或重复加载下材料的微缺陷（如微裂纹和孔隙）发展而导致其内粘聚力的进展性减弱，材料性能逐渐劣化并导致体积单元破坏的现象6。材料的缺陷可根据其几何形态分成点缺陷（空位，杂质原子等）、线缺陷（位错）、面缺陷（滑移平面和裂纹）以及体缺陷（孔隙和空洞）等。 描述损伤的变量有微观基准量和宏观基准量两类7。微观基准量指的是损伤材料中缺陷的数目、形状、长度、面积、体积以及其分布规律等；宏观基准量指的是损伤材料的弹性模量、屈服应力、拉伸强度、延伸率、密度、电阻、超声波速度和声发射响应等。第一类基准量不能直接与

20、宏观的力学量建立物性关系，采用它来定义损伤变量的时候需要对其作出一定的宏观尺度下的统计处理（如平均、求和等）；对于第二类基准量来说，则总是选用那些对所研究材料的损伤过程比较敏感，在实验室容易测定的量来作为定义损伤变量的依据。在损伤力学中，损伤变量从某种意义上来说是起着一种“劣化算子”的作用。 损伤力学是研究含损伤介质的材料性质，以及材料在变形过程中损伤的演化发展直到破坏的力学过程的学科。它是固体力学的一个分支学科，是材料与结构的变形与破坏理论的重要组成部分8。1958年Kachanov在研究金属蠕变断裂的过程中，首次提出了用连续度的概念来描述材料性能的逐渐衰变，使得材料中复杂的、离散的衰坏过程

21、可以用一个连续变量来描述，成为损伤研究的里程碑；1963年Rabotnov引入了损伤因子的概念来描述材料受损程度；但作为一个理论体系，损伤力学是从70年代才开始建立并得到逐步的发展。1977年Janson和Hult等人提出了损伤力学（damagemeehanies）的新名词；1956年Kaehanov写成了损伤力学方面的第一本专著“连续损伤力学导论”；Hultl、Lemaitre、Kxajcinovic、和Sidoroff等学者的研究工作也为损伤力学的形成和发展做出了重要贡献9。 在我国，1982年李颧教授和黄克智教授在第二届全国断裂力学会上首次引入损伤力学；随后李颧教授又在1982年中国力学

22、学会第二届理事会上做了“损伤力学的进展”的报告；1985年5月召开了全国第一次损伤力学会议，己取得了初步成果。所有的这些都推动了我国损伤力学的研究与发展5。 第二节 混凝土损伤破坏机理 混凝土是由粗骨料、细骨料、水泥水化产物、未水化水泥颗粒、含有空气或水份的孔隙及裂纹等组成的复合材料。混凝土的开裂过程目前还不十分了解。水泥和集料的，?曲线与破坏点近乎一条直线。而对混凝土本身，?曲线则是非线性的。其部分原因是由于水泥浆和集料之间的结合很不好，当增加荷载时，有大量扩展的微裂纹出现。因此，从混凝土的结构来看，混凝土的破坏实际上是一个非常 6 * * 大 学 毕 业 论 文 复杂的结构变化过程。 根据

23、混凝土组成材料颗粒的大小，破坏可以分为三级:硬化水泥浆体、砂浆和混凝土的破坏。硬化水泥浆和砂浆也不是均质的，其中包裹一些未水化的水泥颗粒及孔隙，它们就是缺陷。水泥浆体的破坏可能就是从这些缺陷开始。对于砂浆来说，可视水泥浆体为母体，砂为填料。砂和水泥浆的结合面为薄弱面，该处常产生结合缝。对于混凝土，可视砂浆为母体，粗骨料为填料。粗骨料和砂浆母体的结合缝又比砂和水泥浆的结合缝大一个数量级。在同样应力状态下，粗骨料和砂浆的结合面必先起裂。这是因为浆体集料界面区是混凝土最薄弱的区域。 从微观上分析10，Langton和Roy的研究得出结论：在非活性集料和水泥浆体间界面处发现一个双层的晶带。这种界面是由

24、一薄层C-S-H组层，而C-S-H颗粒似乎再从这一薄层上生长，此外，大的Ca（OH）2结晶将界面区连到内部浆体。根据靠近浆体根据靠近浆体集料边界处Ca（OH）2择优定向排列的测定和研究，发现界面带的厚度约为50?m，它取决于集料性质和水灰比。在界面带内浆体比内部水泥浆更具有多孔性，这也许是因为它的水灰比较大扩定向排列的Ca（OH）2晶体，其颗粒可能很大，致使界面处形成很细的裂纹，这可能是加荷时容易在界面处发生开裂的原因。 目前，对混凝土在荷载下的损伤已建立了两个主要的损伤机理： 1）骨料与水泥浆体之间的界面脱粘。 2）基体中的微开裂。 损伤过程可以描述如下：首先，在界面上的微裂纹作为“脱粘”裂

25、纹开始进展；如果在较高的荷载水平下，界面的微裂纹开始分叉进入砂浆中，然后砂浆中的裂纹垂直于主应变方向发展，在砂浆中连成孔隙，形成新裂纹；最后，不同裂纹之间“跨接”，引起材料的“破坏”，而骨料起着“阻裂”的作用。 第三节 混凝土损伤的描述 混凝土作为土木工程中常用的工程材料，在自然状态下属于明显的多孔介质材料，混凝土受到一定的外力作用后，它的内部往往会在骨料界面附近产生许多微裂纹（损伤），其开裂面大体上同最大拉应力或者最大拉应变方向垂直，裂纹主要沿骨料界面发展，使混凝土的应力应变关系曲线出现“应变软化”效应（如图2-1所示）。应变的软化引起材料内部结构的局部应力重新分布。例如，在非均匀应力场中，

26、高应力区裂缝的产生会对低应力区产生卸载效应，同时这种应变的软化还将引起混凝土泊松比的下降和体积应变的改变。 7 * * 大 学 毕 业 论 文 图2-1混凝土单轴应力应变关系曲线 （x表示当前应变与峰值应变之比，y表示当前应力与峰值应力之比） 如果将应力张量分解为应力球量和应力偏量，相应的应变也分解为应变球量和应变偏量，对混凝土进行损伤力学分析。混凝土材料在非均匀压缩下，则呈现出偏量空间的宏观应变软化和球量空间的体积致密强化；在非均匀拉伸下，混凝土则表现为偏量空间和球量空间都呈现为应变软化1。 由连续损伤介质构成的集合体在热力学中称为一个系统。一个热力学系统中的状态变量是一种可以直接或者间接测

27、量的物理量。如果一个状态变量不是以前所发现的那些状态变量的函数，它就被称为基本状态变量。例如，应变是可测量的，它反映了系统的畸变状态的程度，通过应变的变化可以改变物体的内能，因此人们认为应变张量是描述固体介质热力学状态的基本状态量。当应变保持为常值时，一个纯加热的热力学过程也可以改变固体的内能，因而温度也是热力学系统中的一个基本状态变量。通常温度、应变这种基本状态变量又被称为外部状态变量。内部状态变量是一种不一定能够被直接测定，但实际上又可以像外部状态变量一样处理、与基本状态变量独立的热力学变量。它们与基本状态变量一起唯一地决定一个不可逆系统的状态。 损伤变量便是一种用于描述材料内部损伤状态变

28、化发展及其对此材料力学作用影响的内部状态变量。在外部因素的作用下，材料内部将形成一定的微观缺陷，这些缺陷扩展、汇合将造成材料逐渐劣化甚至破坏。从本质上讲，这些微缺陷是离散的，但作为一种简单的近似，在连续损伤力学中，所有的微缺陷被连续化，它们对材料的影响用一个或几个连续的内部场变量来表示，这种变量被称为损伤变量。 损伤变量的定义和量化是损伤力学中两个重要的概念。针对不同的问题，对损伤变量的定义也不相同。如果不考虑损伤的各向异性，损伤变量是一个标量，即在各个方向的损伤变量的数值都相同，没有方向性。如果考虑到损伤的各向异性，损伤变量是一个矢量或者二阶张量甚至是更高阶的张量。为了便于建立较合适的损伤

29、8 * * 大 学 毕 业 论 文 模型来描述受损材料的力学效应，因此也可以根据材料的损伤将会引起其微观结构和某些宏观物理性能变化的特点，从微观和宏观两方面来选择度量损伤的基准。例如：从微观方面，可以选用孔隙的数目、长度、面积、体积或者裂隙的张开、滑移、闭合等缺陷；从宏观方面，可以选用弹性模量、泊松比、屈服应力、拉伸强度、伸长率、密度、电阻、超声波速和声辐射等。下面介绍一下关于损伤变量的两种定义。 一、基于缺陷面积定义的损伤变量 材料的一个代表性体积单元，设其在垂直于n方向的总截面面积为A，加载后由于微裂纹、微孔洞的存在，微应力集中及缺陷的相互作用，导致实际的有效承载面积减小为An。假设微裂纹

30、和微孔洞在空间各方向上均匀分布，即在各向同性的情 况下，定义损伤变量1为缺陷面积（An）与总面积（A）之比： D?ADA?An?2-1 AA 式中D?0对应于无损状态，D?1对应于材料的完全损伤，An为有效面积。在此损伤变量的定义下，有效应力?可以定义为: ?A An?1?D2-2 其中?为名义应力（外加荷载F与无损状态的横截面积A之比）。 由此可见，这种损伤变量的定义隐含了一个假设，即认为所有缺陷对拉伸和压缩的影响是相同的。这使得其应用受到了一定的限制。 二、基于弹性模量定义的损伤变量 材料损伤通常导致材料中弹性刚度的降低，弹性模量在材料损伤阶段亦随之降低。于是损伤可以用弹性模量的变化来描述

31、1。设E为无损材料的弹性模量，E*为有损材料的弹性模量，?*为有损材料的弹性应变。 ?*? E*?(1?D)E2-3 E*?(1?D)E2-4 E* D?1?2-5 E 即可用弹性刚度下降定义损伤。 9 * * 大 学 毕 业 论 文 第四节 超声波法无损检测基本原理 超声波法是利用应力波在固体介质中传播是否受到干扰来诊断材料、结构（构件）是否受到损伤。该法把发射探头（电-声换能器）和接收探头（声-电换能器）放在结构（构件）表面，接收探头接受由发射探头发射的超声波，根据超声波的波速、频率、相位、振幅等声学参数进行诊断。当超声波用来检测结构的内部损伤时可以分为透射法和反射法，前者通过测定透射结构

32、超声波的传播速度来诊断是否存在损伤及损伤的位置，后者则通过测定的反射波到达接收探头的传播时间来对结构进行损伤检测与诊断。 超声波检测砼缺陷的基本概念砼缺陷系指破坏砼的连续性和完整性,并在一定程度上降低砼的强度和耐久性的不密实区、空洞、裂缝或夹杂等。所谓不密实区,系指砼因漏振、离析或石子架空而形成的蜂窝状、或因缺少水泥而形成的松散状、或受意外损伤而造成的酥松状的区域。 在混凝土中，超声波的传播速度取决于混凝土密度和弹性，因此，通过检测超声波在混凝土材料的传播速度来检测混凝土的质量。混凝土由不同密度的材料组成，高频脉冲通过混凝土时会产生大量的衰减，因此，用于砼缺陷检测的超声波，往往一般采用低频（2

33、0kHz250kHz）超声脉冲波,且通过测量它在砼中传播的速度、首波幅度和接收信号主频率等声学参数，并以这些参数及其相对变化来判断砼的缺陷（即主要采用透射法）。超声波探测仪就是产生电磁脉冲并可准确测量在受测混凝土中通过距离（即路径）的传输时间的仪器，混凝土超声波探测仪的工作原理为：由脉冲发器发射超声波脉冲，通过发射和接收传感器，测量脉传输时间，脉冲速度的计算公式为： ?l/t2-6 式中?为脉冲速度；l为路径；t为传输时间。 低频超声脉冲不能直接通过脉冲路径上的孔隙。因此，通过混凝土超声波探测仪显示的最快路径绕所用的时间可以确定孔隙的位置，根据超声波的这一特性，可以判定混凝土内部的状态和裂缝情

34、况，超声波用于混凝土结构检测的优点是检测迅速、操作简便，便于在现场使用,对系统不改变运行状态；另外，研制成的仪器设备比较便宜、可用性好、寿命长、携带方便，所以应用非常广泛。 超声波检测砼缺陷基本原理11： 1）超声波在遇到尺寸比其波长小的缺陷时会产生绕射，从而使声程增大、传播时间延长。可根据声时（或声速）的变化判断和计算缺陷的大小。 2）超声波在遇到蜂窝、空洞、裂缝等缺陷时，大部分脉冲波会在缺陷界面被散射和反射，到达接收换能器的声波能量（波幅）显著减小，可根据波幅变化判断缺陷的性质和大小。 3）超声波通过缺陷时，各种频率成份的脉冲波在缺陷界面衰减程度不同，其中频率越高的脉冲波，衰减越大。因此,

35、超声脉冲波在通过有缺陷的砼时，接收信号的 10 * * 大 学 毕 业 论 文 主频率明显降低。可根据接收信号主频率或频率谱的变化来分析判断缺陷情况。 4）超声波通过缺陷时，部分脉冲波因绕射或多次反射而产生路径和相位变化，不同路径或不同相位的超声波叠加后，造成接收波形畸变，可根据波形畸变分析判断缺陷情况。 目前在混凝土检测中所常用的声学参数为声速、振幅、频率以及波形。声速即超声波在混凝土中的传播速度。它是混凝土超声检测中的一个重要参数。混凝土的声速与混凝土的弹性性质有关，也与混凝土内部结构（孔隙、材料组成）有关。不同组成的混凝土，其声速各不相同。一般来说，弹性模量越高，内部越致密，其声速越高。

36、而混凝土的强度也与它的弹性模量、孔隙率有密切关系。因此，对于同种材料与混合比的混凝土，强度越高，声速也越高。若混凝土内部有缺陷，则该处混凝土的声速比正常部位低。 根据上述原理，可以利用混凝土的声学参数测量值，通过分析处理，推断其缺陷位置和程度，建立某种模型，找出声学参数与混凝土缺陷之间的联系。 第五节 超声波法在混凝土无损检测中的应用 对工程结构进行健康诊断与损伤检测的研究已经有60多年的历史5，出现了许多不同类型的损伤检测方法与技术。如基于振动的损伤检测、其他无损伤检测，无损伤与有损伤相结合的检测。其中无损检测方法有目测法、光谱法、超声波法、声发射法、雷达法、激光全息检测法、涡流法、微波法和

37、热力法等。 对于混凝土的损伤断裂过程研究5，Kaplan曾用缝端着色技术研究缓慢裂缝生长的范围。试验表明，缓慢裂缝生长的范围不仅受试件尺寸、加荷速度的影响，而且也受混凝土配合比、骨料粒径和养护条件的影响；国内也做了大量的试验研究和数值研究，来探讨和模拟混凝土梁裂缝扩展这一损伤过程，得出了很多有益的结论。其中，大连理工大学的徐世娘等人作了大量的工作，并用激光散斑法和光弹贴片法对裂缝发展过程进行了观测，但由于当时试验条件的限制，未能全过程监测梁的损伤断裂，只是对应力峰前混凝土中裂缝扩展规律进行了研究。后来，他用光弹贴片法对紧凑拉伸试件的裂缝扩展全过程进行了观测；东北大学的唐春安等人应用MFPAZD

38、软件并结合声发射技术对混凝土梁的损伤断裂过程进行了数值模拟等。所有的这些，都为混凝土损伤断裂模型的建立提供了试验基础。 以往的研究大多集中在研究混凝土梁断裂过程中是否存在亚临界、裂纹扩展长度和材料断裂韧度的尺寸效应，并用观测到的亚临界裂纹扩展长度对棍凝土的断裂韧度进行修正，而很少对试验方法本身进行研究，对起裂荷载的确定也非常困难。Ohtsu和Landis对近年来声发射在混凝土及其结构中的应用进行了较全面的分析，认为声发射是研究混凝土损伤和断裂极为有效的手段。对于声发射而言，超声波在混凝土损伤断裂研究中的应用比较贫乏，但从超声波在混凝土中的传播特性可以看出，超声波测试技术是研究混凝土损伤的一种有

39、效测试手段，能够反映混凝土梁中裂纹扩展的损伤过程。 11 * * 大 学 毕 业 论 文 目前，对超声波声速与混凝土强度的关系研究比较多，相对成熟。有些地区也已建立起了专用的地区测强曲线，都是在未加载条件下得出的声速-强度关系曲线。而实际混凝土结构始终处于受荷状态和带裂缝工作，并且与加载历史（包括荷载大小、形式）有关，因此，测强曲线虽然有一定的参考价值，但存在明显的局限性。利用超声波研究混凝土损伤特性并没有建立一个完整混凝土声学特性理论模型，而对混凝土声学特性随混凝土损伤演化的规律还处在探索阶段，并且利用的声学参数也非常有限，通常都是用声速的变化作为“劣化因子”来表征混凝土内部的损伤状况，而很

40、少也很难综合利用声学参数（包括声速、波幅、频率）的变化来定量描述混凝土的损伤演变过程。因此，有必要探讨受荷时混凝土中声学参数与应力强度变化之间的关系，为建立合理的理论模型提供试验依据。 12 * * 大 学 毕 业 论 文 第三章 人工神经网络 第一节 人工神经网络模型 人工神经网络以其具有信息的分布存储、并行处理以及自学习能力等优点,已经在模式识别、信号处理、智能控制及系统建模等领域得到越来越广泛的应用。 人工神经网络是近年来发展起来的一门交叉学科，它是一种以物理上可以实现的器件、系统或现有的计算机来模拟人脑的结构和功能的人工系统。神经元的数学模型12如图2所示。图中x1,x2xnT为输入向

41、量，y为输出，f(*)为激发函数，?为阀值。其中输入输出关系为： S?Wixi?3-1 i?1n y?f(S)3-2 图3-1神经元数学模型 输出激发函数f(*)又称为变换函数，它决定神经元（节点）的输出。该输出为 1 或 0，取决于其输入之和大于或小于内部阈值?。f(*) 函数一般具有非线性特性。下图为几种常见的激发函数图。 1）阈值型函数（见图3-2（a）、（b） 当yi取0或1时，f(x)为图3-2（a）所示的阶跃函数： ?1,f(x)?0,x?0 3-3 x?0 当yi取-1或1时，f(x)为图3-2（b）所示的sgn函数（符号函数）： ?1,sgn(x)?f(x)?1,x?03-4

42、x?0 13 * * 大 学 毕 业 论 文 图3-2 神经网络激发函数f（*） 2）饱和型函数（见图3-2（c）： ?1?f(x)?kx ?1?x?1/k?1/k?x?1/k3-5 x?1/k 3）双曲函数（见图3-2（d）： f(x)?tanh(x)3-6 4）S型函数（见图3-2（e）： 神经元的状态与输入作用之间的关系是在（0、1）内连续取值的单调可微函数，称为Sigmoid函数，简称S型函数。 当?趋于无穷时，S型曲线趋于阶跃函数，通常情况下，?取值为1。 f(x)?1 1?exp(?x)?03-7 5）高斯函数（见图3-2（f）： 在径向基函数（Radial Basis Funct

43、ion，RBF）构成的神经网络中神经元的结构可用高斯函数描述如下： f(x)?e?x2/?2 3-8 由多个神经元相互连接就构成神经网络。按照不同的连接方式，神经网络可分 14 * * 大 学 毕 业 论 文 为感知器模型、多层感知机模型、前向多层神经网络（BP）、Hpfield神经网络、动态反馈网络、自组织神经网络、径向基（RBF）神经网络、自适应线性元件、波尔兹曼机模型以及双向记忆网络等。 目前多采用多层感知机模型，网络不仅有输入和输出层节点，而且有隐层节点。隐层可以是一层，也可以是多层。当信号输入时，首先传到隐结点，经过作用函数后，在把隐结点的输出信号传播到输出层结点，经过处理输出结果。

44、 本文将采用BP和RBF两种神经网络模型对砼损伤与超声波速劣化关系进行数值拟和，以便比较二者的区别并可检测结果的精确程度。 第二节 BP神经网络模型 BP网络是一种多层前馈神经网络13，由输入层、隐层和输出层组成。BP网络模型结构见图3-3。网络同层节点没有任何连接，隐层节点可以由一个或多个。 图3-3 BP网络模型 BP网络的特点： 1）输入和输出是并行的模拟量； 2）网络的输入输出关系是各层连接的权因子决定，没有固定的算法； 3）权因子是通过学习信号调节的，这样学习越多，网络越聪明； 4）隐含层越多，网络输出精度越高，且个别权因子的损坏不会对网络输出产生大的影响。 网络的学习过程由正向和反

45、向传播两部分组成。在正向传播中，输入信号从输入层节点经隐层节点逐层传向输出层节点。每一层神经元的状态只影响到下一层神经元网络，如输出层不能得到期望的输出，那么转入误差反向传播过程，将误差信号沿原来的连接通路返回，通过修改各层神经元的权值，逐次地向输入层传播去进行计算，再经正向传播过程，这两个过程反复运用，使得误差信号最小或达到人们所期望的要求时，学习过程结束。 15 * * 大 学 毕 业 论 文 图3-4 BP训练学习过程 BP网络的设计及训练，根据具体的问题给出的输入矢量P与目标矢量T，并选定所要设计的神经网络的结构，其中包括以下内容： 1） 网络的层数 理论上已经证明：具有偏差和至少一个

46、S型隐含层加上一个线性输出层的网络，能够逼近任何有理函数。这实际上已经给了我们一个基本内的设计BP网络的原则。增加层数主要可以更进一步的降低误差，提高精度，但同时也使网络复杂化，从而增加了网络权值的训练时间。而误差精度的提高实际上也可以通过增加隐含层中的神经元数目来获得，其训练效果也比增加层数更容易观察和调整。所以一般情况下，应优先考虑增加隐含层的神经元数。 2） 隐含层的神经元数 网络训练精度的提高，可以通过采用一个隐含层，而增加其神经元数的方法来获得。究竟选取多少个隐含层节点才合适在理论上并没有一个明确的规定。在具体设计时，比较实际的做法是通过对不同神经元数进行训练对比，然后适当地加上一点

47、余量。 3） 初始权值的选取 由于系统是非线性的，初始值对于学习是否达到局部最小、是否能够收敛以及训练时间的长短的关系很大。如果初始权值太大，使得加权后的输入和n落在了S型激活函数的饱和区，从而导致其倒数f(s)非常小，而在计算权值修正公式中，因为?f(n),当f(n)?0时，则有?0。这使得?Wij?0，从而使得调节过程几乎停顿下来。所以，一般总是希望经过初始加权后的每个神经元的输入值都接近于零，这样可以保证每个神经元的权值都能够在它们的S型激活函数变化最大之处进行调节。所以，一般取初始权值在（-1,1）之间的随机数。 4）学习速率 学习速率决定每一次循环训练中所产生的权值变化量。大的学习效

48、率可能导致系统的不稳定；但小的学习效率导致较长的训练时间，可能收敛很慢，不过能保证网络的误差值不跳出误差表面的低谷而最终趋于最小误差值。所以在一般情况下，倾向于选取较小的学习速率以保证系统的稳定性。学习速率的选取范围在0.010.8之间。 BP模型计算公式14汇总： （1）输出节点的输出Ol计算公式： 1）输入节点的输入：xj 16 * * 大 学 毕 业 论 文 2）隐节点的输出： yi?f(?wijXj?i) 3-9 j 其中连接权值wij，节点阀值?i。 3）输出节点输出： Ol?f(?Tijyi?l)3-10 i 其中连接权值Tij，节点阀值?l。 （2）输出层（隐节点到输出节点间）的

49、修正公式： 1）输出节点的期望输出：tl 2）误差控制。 所有样本误差： E?ek? 3-11 k?1P 其中一个样本误差： ek?tl(k)?Ol(k)3-12 l?1n 其中P为样本数，n为输出节点数。 3）误差公式： ?l?(tl?Ol)Ol(1?Ol)3-13 4）权修正值： Tli(k?1)?Tli(k)?lyi3-14 其中k为迭代次数。 5）阀值修正： ?l(k?1)?l(k)?n?l3-15 （3）隐节点层（输入节点到隐节点数）的修正公式： 1）误差公式：?i?yi(1?yi)?l 3-16 l 2）权值修正： wij(k?1)?wij(k)?ixj 3-17 17 * * 大

50、 学 毕 业 论 文 3）阀值修正：?k(k?1)?i(k)?i 3-18 BP网络主要用于： 1）函数逼近：用输入矢量和相应的输出矢量训练一个网络逼近一个函数。 2）模式识别：用一个特定的输出矢量将它与输入矢量联系起来。 3）分类：把输入矢量以所定义的合适方式进行分类。 4）数据压缩：减少输出矢量维数以便于传输或存储。 BP网络的主要优点是：1）只要有足够多的隐层和隐节点，BP网络可以逼近任意的非线性映射； 2） BP网络的学习算法属于全局逼近的方法，因而它具有较好的泛化能力。 BP网络的主要缺点是：1） 收敛速度慢；2）局部极值； 3）难以确定隐层和隐节点的个数。 第三节 RBF神经网络模

51、型 RBF网络是前馈神经网络中一类特殊三层神经网络15。其输入层单元只是传递输入信息到隐含层单元，隐含层单元的传递函数采用非线性的径向基函数，以对输出层的激励产生局部化影响，即仅当输入落在输入空间某一特定的小范围内时隐含层单元才会做出有意义的非零响应。输出单元则对隐含层单元的输出进行线性组合。这种网络具有局部逼近能力，所以径向基函数网络也称为局部感知网络。 作为基函数的形式，有以下几种： f(x)?exp f(x)?(x/?)2 3-19 1(?2?x2)?0 3-20 f(x)?(?2?x2)?1 3-21 2上面这些函数都是径向对称的，但最常用的是高斯函数： ?x?ciRi(x)?exp?

52、22?i?i?1,2,，m 3-22 其中x是n维输入向量；ci是第i个基函数的中心，与x具有相同维数的向量， ，它决定了该基函数围绕中心点的?i是第i个感知的变量 （可以自由选择的参数） 宽度；m是感知单元的个数。x?ci是向量x ?ci的范数，它通常表示x和ci之间的距离，Ri(x)在ci处有一个唯一的最大值，随着x?ci的增大，Ri(x)迅速衰减到 18 * * 大 学 毕 业 论 文 零。对于给定的输入x?Rn，只有一小部分靠近的x中心被激活。 图3-5 RBF神经网络模型 从图3-5可以看出，输入层实现从x?Ri(x)的非线性映射，输出层实现从Ri(x)到yk的线性映射，即 yi?i

53、kRi(x) i?1mk?1,2,，p 3-23 其中P是输出节点数。 其连接权的学习修正仍可采用BP算法。由于Ri(x)为高斯函数，因而对于任意x均有Ri(x)>0，从而失去局部调整权值的优点，而事实上，当x远离ci时，Ri(x)已非常小，因此可以作为0对待。因此实际上只当Ri(x)大于某一数值时才对相应的权值?ik进行近似处理，可在一定程度上克服高斯基函数不具备紧密性的缺点。 上述采用的高斯函数，具备如下优点： 1）表示形式简单，即使对于多变量输入也不增加太多的复杂性。 2）径向对称。 3）光滑性好，任意阶导数均存在。 4）由于该基函数表示简单且解析性好，因而便于进行理论分析。 RBF网络的学习过程分为两个阶段。第一阶段，根据所有的输入样本决定隐含层各节点的高斯核函数的中心值Cj和标准化常数?j。第二阶段，在决定好隐层的参数后，根据样本利用最小二乘原则，求出输出层权值Wi。有时在完成第二阶段的学习后，再根据样本信号，同时校正隐层和输出层的参数，以进一步提高网络的精度。 第四节 基于Matlab的神经网络模型分析处理 一、Matlab仿真软件简介 MATLAB仿真软件自1984年由