FRP筋在酸碱侵蚀下的耐久性能

张云峰 赵德望 韩 双

(1.东北石油大学,大庆 163318;2.哈尔滨四通建设集团有限责任公司,哈尔滨 150100)

FRP筋在酸碱侵蚀下的耐久性能

张云峰1赵德望1韩 双2

(1.东北石油大学,大庆 163318;2.哈尔滨四通建设集团有限责任公司,哈尔滨 150100)

由于酸碱盐、潮湿、紫外线、温度等环境条件对 FRP筋的长期性能具有一定的影响,致使国际上对 FRP筋长期性能的研究越来越关注,本文提出应用 BP神经网络方法对 CFRP筋在酸碱侵蚀下的耐久性能研究,预测结果表明此方法可行,可以为CFRP筋耐久性设计提供理论依据。

CFRP筋;酸碱侵蚀;BP神经网络;耐久性

1 引言

所周知,材料、能源和信息是现代文明的三大支柱。腐蚀是材料研究的重要组成部分。为解决因钢筋锈蚀引起的钢筋混凝土结构的使用性能,解决引起的耐久性问题,国内外学者经过近 50年的分析研究,普遍认为[1]采用新型的聚合物材料 FRP(F iberReinforced Polymer)筋替代钢筋是一个较好的选择。FRP筋[2]是由数以万计的纤维和树脂组合而成,纤维直径在 6 μ m～ 15 μ m,目前用于土木工程结构中的 FRP筋主要有碳纤维筋(Carbon Fiber Reinforced Polymer,简称 CFRP筋)、玻璃纤维筋(GlassF iberReinforced Polym er,简称 GFRP筋 )和芳纶纤维筋 (Aram id Fiber Reinforced Polym er,简称AFRP筋)[3]。当 FRP筋受到外力荷载时,由于其力学性能,对其施加荷载时,纤维和树脂将负载压力转移到邻近纤维,达到共同承担荷载的作用。与钢材相比,FRP筋具有强度、质量比高、弹性模量小、疲劳性能好、应力松弛小、耐腐蚀性能好等特点。除上述优点外,FRP筋具有非磁性,大大降低了电化学环境的形成,为腐蚀环境下替代钢筋、解决钢筋锈蚀问题提供了很大的帮助。

虽然组成 FRP筋的纤维和树脂基体一般情况下不易锈蚀,但近几年的研究发现,酸碱盐、潮湿、紫外线、温度等环境条件对 FRP筋的长期性能还是有一定的影响,致使国际上对 FRP筋长期性能的研究越来越关注。迄今为止,土木工程结构中所使用的 FRP筋大多不超过 20年,已有不少国家对实际工程进行跟踪研究工作,但相关成果的报告还很少。本文利用MATLAB神经网络工具箱建立于BP经网络模型对 CFRP筋在酸碱侵蚀下的质量变化进行预测,从而达到对预测 CFRP筋在溶液中腐蚀情况。

2 基于 L-M算法的 BP神经网络

多层前向 BP网络是目前应用最多的一种神经网络,其模型包括:输入层、隐含层、输出层,层与层之间通过权值连接。网络学习过程包括信号的前向传播和误差的反向传播,其核心是通过向后传播误差及修正误差的方向来不断调整网络参数(权、阀值),逼近所期望的输入输出映射关系。

传统的 BP算法具有收敛速度慢、局部级值等缺陷,在实际应用中很难胜任,因此提出了很多改进的算法,由于 L-M算法具有收敛快﹑精度高等优点,所以本文利用 L-M算法来训练 BP神经网络。其迭代公式为

式中:I为单位阵;η为一个非负值。依赖于 η的幅值,该方法光滑地在两种极端情况之间变化:即Guass-New ton法 η→ 0和标准梯度下降法 η→∞,可作为BP神经网络的学习训练方法。

并以此不断来调整训练网络,直至达到目标要求。由式 (1)可知,L-M法实际上是 New ton法和标准梯度下降法的结合,它综合了New ton法和标准梯度下降法两者的优点。因此,以 L-M算法设计的 BP网络有着更高的精度和更快的收敛速度[4]。L-M算法在MATLAB工具箱中提供的训练函数为 train lm。

3 CFRP筋在酸碱侵蚀下质量变化的 BP神经网络模型

根据研究需要,本文 BP神经网络模型输入为:温度(T0)、浓度(C)、、时间 (T)和溶液的类型。输出为CFRP筋的质量变化量。确定使用拥有一个隐含层的前馈神经网络,结构为输入层神经元的个数为 4个,隐含层神经元的个数为 8个,输出层神经元个数为 1个。如图 1所示。

4 训练样本采集

制作 CFRP筋试件共 18个,采用分析天平称量其原始质量,并装入浓度为 0.05/0.1/0.2 mol/L,NaOH溶液和 HCI溶液 6个容量瓶(1L)中,依次编号 1-6在室温条件下,分别在 30d、60d、90d、120d、150d和 180d后取出称量干燥前质量,采用 DHG-9240A型电热恒温鼓风干燥箱对材料进行烘干 2h,烘干 2次,直至恒重,记录恒重质量,测定其质量的变化,进而得出 CFRP筋腐蚀的速率。具体数据如表 1,其中 1代表酸溶液,2代表NaOH溶液。

5 模型的建立与训练

取表 1的 36个样本来训练网络,网络的输入向量 P=[P1,……,P36],输出为 T=[T1,……,T36]。取表 2样本做为预测样本 Ptest= [Ptest1,……,Ptest10],预测样本如表 2。

本文采用MATLAB人工神经网络工具箱中的new ff函数来建立BP神经网络,new ff函数的格式为:

图 1 BP神经网络模型

表 1 训练样本数据

表 2 预测样本

其中 PR为输入失量的最大值与最小值,[S1,S2……Sn]中的各元素分别表示各层神经元的数目;{TF1TF2……TFn}中各元素分别表示各层神经元采用的传递函数;BTF表示神经网络训练时所使用的训练函数;本文网络模型中 PR为m inmax(P),隐含层和输出层的神经元个数分别为 8和 1,隐含层与输出层神经元传递函数分别为 tansig函数与 purelin函数,因为应用 L-M算法训练 BP网络,所以 BP网络的训练函数为 train lm;训练要求精度 ne.t trainparam.goal=0.001,由于输入数据的大小差别较大,为了保证网络的训练速度与精度先对 P归一化处理,处理方法为调用工具箱里的 premn mx函数把数据归一化到-1～1之间。网络建立完毕后调用函数 train训练 BP神经网络,网络训练过程曲线如图2所示。

图 2 网络训练过程曲线

调用神经网络工具箱中函数 s im对样本 Ptest的结构型式预测

其中 Ptestn为 Ptest的归一化形式,具体结果,如表 2。

6 神经网络预测与结果分析

通过对CFRP筋在碱溶液中腐蚀模型的可靠性验证得知,模型预测结果和真实质量误差小。最大误差也只有 18.1%,所以应用BP神经网络对 CFRP筋耐久性的预测是可行的,本文认为引起误差的原因可能有两种:

(1)因训练样本过少而导致预测结果存在误差,当然神经网络的预测能力也不是百分之百准确,所以存在一定的误差。

(2)试验过程当中由量具、工具、夹具等引起的误差,同时操作者的操作所引起的(或外界因素所引起的)偶然误差也不可避免。

7 结论

采用 CFRP这种新型的耐腐蚀材料来代替钢筋,提高结构的耐久性能。解决钢筋锈蚀严重的问题,可以有效地延长工程的使用年限,进而节约资源。本文利用了神经网络存贮专家的设计经验和具有渐进的学习功能来对 CFRP筋的耐久性进行预测。该方法可为 CFRP筋耐久性设计提供理论参考,从而可得出较为合理的结构耐久理论和设计方案,更好地消除其薄弱环节,为提高 CFRP筋在恶劣条件下的工作效率提供理论指导。

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

[2]薛伟辰,康清梁.纤维塑料筋 FRP在混凝土结构中的应用[J].工业建筑,1999,29(2):19-21.

[3]刘志勇,吴桂芹,等.FRP筋及其增强砼的耐久性与寿命预测[J].烟台大学学报 (自然科学与工程版 ),2005(01):66-73.

[4]闫滨,高真伟,强丽峰.基于 L-M算法的 BP神经网络在大坝安全监控预报中的应用[J].沈阳农业大学学报,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

黑龙江省自然科学基金重点项目(ZD200805);黑龙江省教育厅科学技术研究面上项目(11541002)

张云峰(1966-),男,教授,博士。主要从事土木工程方面的研究。