基于机器学习的FRP加固钢筋混凝土梁弯曲受力板端剥离预测模型

摘要整理

纤维增强复合材料（FRP）加固的钢筋混凝土（RC）梁结构复杂，易发生板端（PE）剥离破坏。本研究针对板端剥离与各参数间极其复杂的非线性关系，建立了线性回归、岭回归、决策树、随机森林以及麻雀搜索算法改进的神经网络等多种机器学习算法模型，用于预测FRP加固RC梁的板端剥离。可靠性评估和参数分析结果表明：ACI、CNR、fib-1、fib-2和TR55-2规范预测值偏于保守；AS和TR55-1规范存在高估剪力的问题；本文开发的SSA-BP模型具有良好的精度和鲁棒性；箍筋配置对板端剥离的影响最大；各参数与板端剥离时的剪力呈现复杂的非线性关系。该研究为FRP加固梁的板端剥离预测提供了新的技术手段，有助于提高加固结构的安全性评估水平。

相关论文