基于模糊系统方法的混凝土强度评定模型研究
近年来建筑工程质量事故已经成为困扰土木工程界的一个世界性问题。混凝土是建筑工程中最主要的结构材料之一。工程质量事故的发生多与混凝土抗压强度未达到设计要求有密切的关系。因此，加强混凝土的质量检测与控制成为当今建筑工程技术中的重要课题。在我国，混凝土无损检测以其简单、易行、经济等优点被广泛应用于结构混凝土强度评定。根据多个被测物理量从不同角度对混凝土强度进行综合评定，比单一物理量的无损检测方法具有更高的准确性和可靠性，是目前混凝土强度无损检测技术的一个重要发展方向。但是同时考虑多个被测物理量并不能克服混凝土强度评定中的不确定性，混凝土强度评定受到如原材料、配合比、龄期、养护条件等多个因素的影响，具有一定的不确定性。模糊数学是解决不确定问题的有力工具，因此，本文提出了一种基于模糊系统方法的混凝土强度多参数综合评定模型。主要完成了以下工作：
(1)提出了一个针对混凝土强度评定问题的特殊的建模优化方案。整个过程并不是单向的，而是循环的。随着模型的不断使用，数据集中的数据将会不断增多，新的知识将被发现，已有的知识可能会被修正，知识的精度将会越来越高，蕴含在数据中的信息的价值将得到体现，大量的工程检测数据将得到有效利用。
(2)在青岛市建筑工程质量监督站的配合下，对青岛地区5市3区范围内混凝土常用原材料的基本情况进行了较细致的调查，包括：常用的水泥厂家、品种情况；常用的细骨料级配情况；常用的粗骨料品种、级配情况；常用的混凝土外加剂品种等。为后续的混凝土无损检测试验提供了可靠的依据。
(3)采用青岛地区具有代表性的混凝土原材料及成型养护条件，严格按照地区测强规程的要求，制作了一千两百多组标准试件。对这些试件进行非破损法检测和试压法测定抗压强度，经过两年系统的试验研究，建立了一个适合于青岛地区的混凝土强度评定原始数据集，其中每组数据均由超声值(km／s)、回弹值、碳化深度值(mm)、含水率(％)和混凝土抗压强度(MPa)，共计5个被测参数组成；提出了数据集中一些数据预处理的方法；确定了混凝土强度模糊评定模型的输入变量为：超声值、回弹值、碳化深度值、含水率，输出变量为：混凝土抗压强度值。
(4)通过独立编程，提出了适合于结构混凝土强度评定的模糊建模方法。将超声值、回弹值、碳化深度值和含水率四个被测参数作为模型输入，混凝土抗压强度值作为模型输出，通过对模型输入—输出数据对的训练，提取IF-THEN模糊规则，形成模糊规则库。为了建立一个完备的规则库，提出了一种在没有样本数据覆盖的区域形成外延规则的技术。采用单值模糊器、乘积推理机、中心平均解模糊器，建立混凝土强度模糊评定模型。实验表明：该模型可以有效地映射出被测参数与混凝土强度之间复杂的非线性关系，模型预测的平均相对误差为7.22％，相对标准差为9.51％，强度预测精度高于基于回归算法的模型的精度，符合混凝土无损检测规程关于地区混凝土强度评定精度的要求，可以为青岛地区结构的安全性鉴定提供可靠的依据。
(5)利用均值定理，研究了模糊模型的逼近精度，得出了误差边界及影响精度的三个主要因素，分别是：在输入变量定义域上所定义的模糊集合个数；输出变量模糊集合中心与样本值之间的偏差；欲逼近的未知函数的光滑程度。
(6)为了在保留尽量多的信息前提下，合理、高效地选择模型的最优输入变量或变量组合，以求在后续工作中实现高效率，提出了一种评定模型各输入变量重要性的方法。通过定义不同个数的模糊集合，根据模型预测精度的变化来评定各输入变量的重要性。其现实意义在于：可以帮助工程检测人员在现场检测条件有限的情况下，选择最佳的变量作为被测参数，实现模型的效率优化。实验得到混凝土强度模糊评定模型的各输入变量，按重要性排序为：回弹值、超声值、碳化深度值、含水率，其中回弹值最重要。
(7)研究了如何在整个输入变量空间合理地定义模糊集合的问题，提出了一种通过调整和删减模糊集合来实现模型优化的算法。实验结果表明：通过对模型的调整和修剪，提高了模型的精度。当然该算法只能获得局部最优模型，但是它给我们提供了一种在函数关系复杂度较高的区域设置更多模糊集合的方法。
(8)研究了混凝土强度模糊评定软件的设计和开发，该软件的主要功能包括：数据输入、数据建模、模型优化和模型校验。具有界面友好、操作简便、可移植性强的特点。
基于模糊系统的建模方法是近年来智能控制和智能自动化领域研究的热点。在混凝土无损检测技术方面的应用研究起步不久，目前尚未发现系统的研究报告。本文在这方面做了一些探索工作，提出了一种基于模糊系统方法的混凝土强度多参数综合评定模型，与现行规程提供的方法相比，具有以下特点：
①同时考虑了多因素对混凝土测强精度的影响，采用综合法对混凝土强度进行评定。可以较全面地反映混凝土的状态，提高了评定结果的可靠性。
②采用基于IF-THEN规则的模糊系统建模方法。既具有较高的预测精度又具有便于解释的优点。
③充分考虑到实际工作中应用的便利及现场检测条件的限制，只需改变对模型输入变量的定义，就可以选择具有不同输入变量的模型结构，具有一定的灵活性。
④随着样本数目的不断积累，该模型可以动态地在新取的样本基础上进行自学习，通过调整已有规则使模型的输出值更加接近新的真值，从而提高其预测精度和模型应用范围，是一个具有自学习能力的动态系统。
模糊建模;无损检测;强度评定;逼近精度
中国海洋大学
博士
物理海洋学
冯启民;孟庆春
2006
中文
TU528;TP273.4
105
2007-08-07（万方平台首次上网日期，不代表论文的发表时间）