高温下RC梁柱外连接节点FRP加固的数值分析及人工神经网络预测模型

摘要整理

本研究采用有限元法（FEM）对高温环境下钢筋混凝土（RC）梁柱外连接节点的纤维增强复合材料（FRP）加固进行数值分析，并建立人工神经网络（ANN）预测模型。研究涵盖室温至800°C的全温度范围，系统评估了碳纤维增强复合材料（CFRP）、玻纤增强复合材料（GFRP）和芳纶纤维增强复合材料（AFRP）三种加固方案对节点结构性能的增强效果。研究发现300°C为传统模型的有效温度阈值，在此温度下对近30个三种加固工艺模型进行了热机械耦合加载分析。结果表明：CFRP加固相比其他FRP材料可降低挠度15%，提高应力30%；ANN模型能准确预测挠度、主应力、弯矩和剪力等关键指标。训练、测试和验证阶段的R值分别为0.954、0.981、0.986、0.968、0.978和0.936，表明ANN模型具有优异的数据拟合能力和泛化性能。与其他常用预测模型相比，ANN模型因其与数值模型的强关联性而表现出更高的预测精度。本研究为识别加固区域的关键薄弱部位、确定三种层压材料中最优的包裹加固方案提供了科学依据。

相关论文