1.一种基于深度学习理论的叠合梁火灾后损伤识别方法,所述的叠合梁为装配式叠合梁,包括简支梁和多跨连续梁;其特征为:所述的简支梁的损伤识别方法包括如下步骤:步骤一A、基于Abaqus有限元分析软件构建简支梁火灾后损伤模型,然后,选择Frequency分析步,使用Lanczos特征值求解器进行模态分析,进而获得火灾损伤后的模态参数;步骤二A、根据有限元模拟结果及实测的受损伤构件的振动信息采集结果,构建第一损伤识别样本,采用频率与振型的组合参数作为损伤识别算法的输入,以相应的受火时间、承载力、刚度为输出;步骤三A、构建第一堆栈降噪自动编码器(SDAE);步骤四A、将第一损伤识别样本输入到第一堆栈降噪自动编码器中进行训练,并得到简支梁损伤程度识别结果;
所述的多跨连续梁的损伤识别方法包括如下步骤:步骤一B、基于Abaqus有限元分析软件构建连续梁火灾后损伤模型,然后,选择Frequency分析步,使用Lanczos特征值求解器进行模态分析,进而获得火灾损伤后的模态参数;步骤二B、将连续梁划分为多个子结构;步骤三B、构建第二损伤识别样本,用于识别损伤子结构;步骤四B、构建用于识别损伤子结构的第二堆栈降噪自动编码器;步骤五B、将步骤三B中的第二损伤识别样本输入到第二堆栈降噪自动编码器中,获得受损子结构序号;步骤六B、构建第三损伤识别样本,用于识别步骤五B中的子结构中的具体受损梁跨,根据有限元模拟结果及实测的受损伤构件的振动信息采集结果,构建第三损伤识别样本,采用频率与振型的组合参数作为损伤识别算法的输入,此时输出参数为的梁跨序号;步骤七B、构建用于识别受损梁跨的第三堆栈降噪自动编码器;步骤八B、将第三损伤识别样本输入到第三堆栈降噪自动编码器中,获得子结构中的具体受损梁跨序号;步骤九B、构建第四损伤识别样本,用于识别步骤八B中具体受损梁跨损伤程度,根据有限元模拟结果及实测的受损伤构件的振动信息采集结果,构建第四损伤识别样本,采用频率与振型的组合参数作为损伤识别算法的输入,此时输出参数为受损梁跨的受火时间、残余承载力及残余刚度;步骤十B、构建用于识别子结构中受损梁跨具体损伤程度的第四堆栈降噪自动编码器;步骤十一B、将第四损伤识别样本输入到第四堆栈降噪自动编码器中,获得受损梁跨的损伤程度。
2.如权利要求1所述的一种基于深度学习理论的叠合梁火灾后损伤识别方法,其特征为:所述的步骤一A中,根据受损伤的简支梁进行建模,在建模的基础上,基于温度场数值模拟结果,参考其他学者关于高温后混凝土和钢筋的质量密度、弹性模量、泊松比的研究成果,构建简支梁火灾后损伤模型;在简支梁火灾后损伤模型中,叠合面的建立采用SPRING2弹簧单元,钢筋单元节点与混凝土单元节点在垂直方向与水平方向的弹簧单元刚度取极大值。
3.如权利要求2所述的一种基于深度学习理论的叠合梁火灾后损伤识别方法,其特征为:所述的步骤一A中,针对简支梁火灾后损伤模型,选择静力通用分析步,获得预制装配式叠合梁火灾后的残余承载力以及进行残余刚度计算。
4.如权利要求3所述的一种基于深度学习理论的叠合梁火灾后损伤识别方法,其特征为:所述的步骤二A中,
输入参数如下:
A={FR1,FR2,···,FRm;MO1,MO2,···,MOn}式中:
m:频率的阶数;
n:振型的阶数;
FRi:结构的i阶频率;
为i阶模态下q个自由度的归一化振型向量,计算式为:i阶模态下第j个自由度的振型分量;
构造组合参数A时,需注意以下原则:考虑到实际工程,结构动力响应测试数据具有随机性强、幅值较小、容易被噪声污染的特点,为保证测试有效性,m≤4,n≤4;
输出参数如下:
考虑到火灾损伤识别的目的是为火灾后结构的损伤评估及加固修复提供理论支撑,损伤识别算法的输出参数分为间接损伤指标和直接损伤指标,所述的间接损伤指标为受火时间,所述的直接损伤指标为承载力及刚度;
Q={T}
C={M,B}
式中,Q为间接损伤指标,C为直接损伤指标,T为受火时间,M为承载力,B为刚度。
5.如权利要求4所述的一种基于深度学习理论的叠合梁火灾后损伤识别方法,其特征为:所述的步骤三A中,构建第一堆栈降噪自动编码器的步骤如下:①确定堆栈降噪自动编码器的层数为4层;
②选择Tanh函数作为激活函数,MSE为损失函数;
③选择高斯噪声为样本添加噪声;
④选择支持向量回归机作为分类器;
⑤第一堆栈降噪自动编码器构建完毕。
6.如权利要求1‑5任一所述的一种基于深度学习理论的叠合梁火灾后损伤识别方法,其特征为:所述的步骤一B中,根据受损的连续梁进行模型,在建模的基础上,基于温度场数值模拟结果,参考其他学者关于高温后混凝土和钢筋的质量密度、弹性模量、泊松比的研究成果,建立连续梁火灾后损伤模型,在连续梁火灾后损伤模型中,叠合面的建立采用SPRING2弹簧单元,钢筋单元节点与混凝土单元节点在垂直方向与水平方向的弹簧单元刚度取极大值。
7.如权利要求6所述的一种基于深度学习理论的叠合梁火灾后损伤识别方法,其特征为:所述的步骤一B中,针对连续梁火灾后损伤模型,选择静力通用分析步,获得预制装配式叠合梁火灾后的残余承载力以及进行残余刚度计算。
8.如权利要求5所述的一种基于深度学习理论的叠合梁火灾后损伤识别方法,其特征为:第四堆栈降噪自动编码器的构建步骤与第一堆栈降噪自动编码器的构建步骤相同;第二堆栈降噪自动编码器、第三堆栈降噪自动编码器的构建步骤如下:①确定堆栈降噪自动编码器的层数为4层;
②选择Tanh函数作为激活函数,MSE为损失函数;
③选择高斯噪声为样本添加噪声;
④选择支持向量分类机作为分类器;
⑤堆栈降噪自动编码器构建完毕。