帶錨FRP受剪加固梁非剝離破壞模式BP網(wǎng)絡(luò)預(yù)測

任達++周朝陽++劉堅++劉君++賀學(xué)軍

摘要：對帶可靠錨固FRP受剪加固混凝土梁的非剝離剪切破壞模式做了細化分類，即包括FRP斷裂控制的破壞、受壓區(qū)混凝土（達到極限應(yīng)力狀態(tài)）壓碎控制的破壞、FRP斷裂與混凝土壓碎同步發(fā)生的界限破壞等3種模式；利用BP神經(jīng)網(wǎng)絡(luò)建立了帶錨纖維受剪加固梁破壞模式的智能預(yù)測模型，與31根非剝離破壞加固梁試驗的對比結(jié)果顯示：模型總體精度達到90%，說明建立的破壞模式網(wǎng)絡(luò)預(yù)測模型適用于帶錨纖維受剪加固梁非剝離剪切破壞模式的判別。

關(guān)鍵詞：混凝土梁；神經(jīng)網(wǎng)絡(luò)；破壞模式；纖維增強聚合物；加固

中圖分類號：TU375.2文獻標志碼：A文章編號：16744764（2017）01007709

收稿日期：20160609

基金項目：廣州市屬高?？萍加媱潱?201420968）；住房與城鄉(xiāng)建設(shè)部項目（2013K224）

作者簡介：任達（1974），男，副教授，博士生，主要從事混凝土結(jié)構(gòu)設(shè)計及加固理論研究，（Email）renda20099@126.com。

Received：20160609

Foundation item：Science and Technology Program of Guangzhou，China（No. 1201420968）；Science and Technology Program of Ministry of Housing and UrbanRural Development of China（No. 2013K224）

Author brief：Ren Da （1974 ）， associate professor， PhD candidate， main research interest：structural concrete design and strengthening， （Email） renda20099@126.com.Prediction of failure modes for RC beams shearstrengthened with

wellanchored FRP composites using neural networks

Ren Da1，2，Zhou Chaoyang2，Liu Jian1，Liu Jun2，He Xuejun2

（1. School of Civil Engineering， Guangzhou University， Guangzhou 510006， P. R. China；

2. School of Civil Engineering， Central South University， Changsha 410075， P. R. China）

Abstract：For RC beams strengthened in shear with wellanchored FRP strips， potential key factors causing shear failure are described which would give rise to three kinds of shear failure modes. A model of artificial neural network（ANN） has been developed to predict the shear modes of failure for them. And the prediction by the ANN model agrees well with the observation from the test reports. The result showed that the proposed model is fit for predicting the shear failure modes of beams shearstrengthened with wellanchored FRP composites.

Keywords：concrete beams； artificial neural network； failure mode； fiber reinforced polymers； strengthening

纖維增強聚合物（Fiber Reinforced Plastic/Polymer，簡稱FRP）具有輕質(zhì)高強、耐腐蝕、易操作、免維護等優(yōu)點，工程中常作為加固材料，以片材形式粘貼于混凝土結(jié)構(gòu)表面[12]。當(dāng)對梁進行受剪加固時，一般有封閉、U形和側(cè)面等3種粘貼方式。封閉粘貼加固效果較好，但需大量穿墻鑿孔施工，應(yīng)用不便。后2種為非封閉粘貼方式，主要依靠界面粘結(jié)傳遞剪力，其端部易與混凝土界面發(fā)生剝離[2]，纖維高抗拉強度可能得不到充分發(fā)揮，影響加固效果。試驗表明，對U形纖維布帶（簡稱U箍）端部施加錨固是一種行之有效的做法[35]。U箍端錨后與封閉粘貼效果相當(dāng)，即便沿梁高發(fā)生剝離，錨固良好的FRP箍仍能繼續(xù)承擔(dān)剪力，荷載仍能進一步增加，直至纖維被拉斷或因混凝土壓碎而破壞。可見，封閉粘貼與帶端錨U形粘貼，均能有效防止因纖維剝離所致的剝離破壞，故以下“帶錨”提法，通指梁側(cè)纖維布端帶可靠錨固，能有效防止剝離破壞的各種情形，不僅包括帶（機械）可靠錨固措施的U箍，即便無附加錨固措施，單靠粘膠實現(xiàn)梁側(cè)纖維可靠錨固的其它情形（如封閉粘貼，或當(dāng)梁高足夠大，U箍的兩肢在梁側(cè)粘結(jié)長度足夠），亦在其中。

以往帶錨纖維受剪加固梁破壞模式的研究大多限于對試驗觀測做定性描述，極少涉及模式判別。事實上，破壞模式的準確判別不僅有助于把握機理，而且對于承載力計算也有重要作用。區(qū)分不同模式計算承載力符合一般設(shè)計理論的要求，對于提高模型的精度亦有積極意義。加固梁承載力一般通過混凝土、鋼箍與纖維3部分抗剪貢獻疊加得到，F(xiàn)RP貢獻由其有效應(yīng)變算得，因此，纖維應(yīng)變的計算，作為承載力計算的一部分也宜在模式判別的基礎(chǔ)上進行。對此，各規(guī)范做法不盡相同[6]：英國、加拿大及澳洲規(guī)范僅區(qū)分了由FRP拉斷與剝離控制的兩類剪切破壞形態(tài)，而帶錨FRP受剪加固梁可能的破壞模式，除FRP拉斷外，還包括其它非剝離模式，需進一步細分；美國、歐洲及意大利簡單考慮了封閉與非封閉粘貼情形的不同，由于非封閉（U箍）粘貼不能完全排除纖維拉斷等非剝離破壞的可能，因而至多相當(dāng)于對破壞模式的一種粗略考慮；中國和日本規(guī)范未做任何區(qū)分。

由于帶錨FRP加固梁剪切機理非常復(fù)雜，理論上建立破壞模式判別條件有一定難度。人工神經(jīng)網(wǎng)絡(luò)（artificial neural network）是模仿人腦信息處理機制提出的一種數(shù)學(xué)工具，具有較強的非線性映射能力，對模糊、不確定信息有良好容錯性，常用于理論建模有困難的場合。人工神經(jīng)網(wǎng)絡(luò)在土木領(lǐng)域的應(yīng)用涉及材性分析、承載力預(yù)測、損傷識別等諸多方面，在FRP加固混凝土結(jié)構(gòu)方面，也有了一些嘗試[711]。如，楊勇新[9]曾將其用于預(yù)應(yīng)力CFRP加固混凝土梁彎曲承載力計算，Perera等[10]、Tanarslan等[11]對FRP受剪加固混凝土梁剪切承載力所做的研究等。筆者借助神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型，用于帶錨FRP受剪加固梁破壞模式的判別。

1帶錨FRP受剪加固梁的剪切破壞

模式普通混凝土梁斜截面受剪破壞模式一般分為斜拉（或剪拉）、剪壓、斜壓（或深梁剪切）等3類。梁的抗剪承載力與破壞形態(tài)、剪彎區(qū)段中各豎直截面的彎矩和剪力的組合情況（即剪跨比）密切相關(guān)，剪跨比對斜裂縫的發(fā)展以及破壞模式影響很大，尤其對于無腹筋梁，當(dāng)以集中荷載作用為主時，基本決定了普通梁的斜截面破壞形態(tài)。

當(dāng)外貼纖維對梁進行加固后，纖維參與受剪過程中會抑制裂縫的開展，纖維絲受拉松弛乃至斷裂都將改變梁內(nèi)混凝土與鋼箍的應(yīng)力分布，應(yīng)力重分布使得梁內(nèi)3部分（即混凝土、鋼箍、纖維箍）承擔(dān)的剪力此消彼長，當(dāng)各部分貢獻盈虧相抵后，總剪力即將由升轉(zhuǎn)降時，荷載即達峰值。導(dǎo)致峰值（破壞）荷載出現(xiàn)的誘因主要包括：混凝土失效、鋼箍屈服、FRP剝離、FRP局部斷裂、錨固區(qū)局部破壞等。在缺乏可靠錨固的情況下，外貼FRP布帶抗剪加固梁，較易發(fā)生FRP布帶混凝土界面剝離，剝離后FRP布帶立即退出工作，所卸載的剪力往往使得其它部分無力承擔(dān)，因而成為梁剪切失效的直接原因；在具備可靠錨固的條件下，布帶剝離后，剪力傳遞機制發(fā)生了改變，即由依靠界面粘結(jié)傳力轉(zhuǎn)為依靠錨固直接受拉（仍由纖維自身）承擔(dān)，剝離不再是主要誘因，若不考慮錨固區(qū)域的局部破壞情形，依據(jù)誘因的不同，可將帶錨U形纖維箍加固梁的非剝離破壞模式劃分為3類：FRP束局部/整體斷裂破壞；剪壓（或斜壓）區(qū)混凝土達到復(fù)合應(yīng)力極限狀態(tài)而失效，即混凝土壓碎破壞；FRP斷裂與混凝土壓碎同步（即接近同時）發(fā)生的界限剪切破壞。已有的試驗表明，第1、3類破壞脆性顯著，第2類模式在混凝土失效后，仍能憑借高抗拉強度的FRP兜住受壓區(qū)已裂損的混凝土塊繼續(xù)持載一段時間，表現(xiàn)出一定的后期剪切延性。

2破壞模式預(yù)測模型的構(gòu)建

2.1建模工具的選擇——神經(jīng)網(wǎng)絡(luò)

對帶錨纖維受剪加固梁非剝離破壞模式的準確判斷有賴于對其破壞機構(gòu)的合理把握。結(jié)構(gòu)構(gòu)件在破壞時的機構(gòu)一般分為兩類：串聯(lián)機構(gòu)和并聯(lián)機構(gòu)。前者各部分形如鏈條串聯(lián)，某個截面失效即意味著整體破壞或斷鏈；后者各部件以并聯(lián)方式構(gòu)成，只有全體部件都失效才導(dǎo)致機構(gòu)發(fā)生破壞。導(dǎo)致帶可靠錨固FRP受剪加固梁破壞的誘因較多，破壞機構(gòu)具有并聯(lián)機構(gòu)的特征，即由內(nèi)部鋼箍、混凝土與端錨FRP布箍并聯(lián)而成。研究表明，3部分抗剪貢獻之間存在相互作用，即各并聯(lián)元件之間并不完全獨立，這進一步增加了破壞機構(gòu)的復(fù)雜程度。

神經(jīng)網(wǎng)絡(luò)的突出特點是能解決高度非線性問題，能對不確定或模糊信息進行處理，因而非常適合處理機構(gòu)復(fù)雜的模式判別問題。其中，多層前饋神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最廣泛的網(wǎng)絡(luò)模型之一。圖1是一個典型的多層前饋網(wǎng)絡(luò)，它由輸入層、輸出層和1個以上的隱含單元層（隱層）組成，各層均由若干單神經(jīng)元構(gòu)成，每層各神經(jīng)元只接收前一層神經(jīng)元的輸出信號。

圖1神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)

Fig. 1Topological diagram for neural network圖2是單神經(jīng)元的結(jié)構(gòu)示意，其中x1、x2、…、xn為該神經(jīng)元的若干輸入信號；w為各輸入信號與該神經(jīng)元之間的連接強度或系數(shù)，稱為連接權(quán)值；θ為神經(jīng)神經(jīng)元的閾值，若將θ看成是神經(jīng)元的一個固定輸入x0（x0=-1）的權(quán)重w0，神經(jīng)元輸出與輸入的關(guān)系可用向量形式表示為y=f（N），其中N=XTW，X=[x0x1…xn]T，W=[w0w1…wn]T，f（x）是傳遞或激活函數(shù)。網(wǎng)絡(luò)中任一神經(jīng)元輸入和輸出均為非線性映射，整個網(wǎng)絡(luò)輸入、輸出向量之間為高度非線性函數(shù)關(guān)系。它通過具體算法學(xué)習(xí)訓(xùn)練，將樣本數(shù)據(jù)中的關(guān)鍵信息提取出來，建立輸入輸出間的非線性映射關(guān)系，并據(jù)此由新的輸入來推算輸出結(jié)果。

圖2單神經(jīng)元結(jié)構(gòu)

Fig. 2Single neuron網(wǎng)絡(luò)模型采用較多的是誤差反向傳播算法（Back Propagation簡稱BP算法），即根據(jù)實際輸出和目標輸出之間的誤差，采用梯度下降法逐層調(diào)整連接權(quán)及閾值，直到兩者誤差的平方和小于某規(guī)定值，此時各層神經(jīng)元連接權(quán)和閾值唯一確定了一個非線性映射關(guān)系——BP網(wǎng)絡(luò)，更詳細的討論參見相關(guān)文獻[12]。

2.2輸入與輸出參量的選取

影響帶錨纖維箍抗剪加固梁受剪性能的因素非常多，既包括原梁本身參數(shù)（如混凝土強度、梁高、配箍率等），也包括與纖維加固有關(guān)的加固參數(shù)（纖維箍種類、強度、分布等），且某些因素相互之間并不完全獨立，在選擇輸入?yún)⒘繒r，必須合理考慮。具體來說，首先應(yīng)盡量做到覆蓋全面，信息量（參數(shù)變化范圍）應(yīng)盡可能大，尤其不能漏選對期望輸出參量有重要影響的參數(shù)（例如，就剪切破壞模式而言，剪跨比就是一個權(quán)重較大的影響因素）。另一方面，也應(yīng)分主次，注重模型簡明高效。為此，基于相關(guān)試驗研究結(jié)果，按照“寧重不漏、涵蓋重點、信息完整、運行高效”的原則，選取了13個輸入?yún)⒘?，主要包括：混凝土圓柱體抗壓強度f′c、腹板寬度bw、有效梁高h0、剪跨比λ、鋼箍強度fyv、鋼箍配箍率ρsv、縱筋配筋率ρsl、鋼筋彈性模量Es、纖維彈性模量Ef、纖維抗拉強度ffu、纖維箍寬度與間距比值wf/sf、配纖率ρf、端錨系數(shù)β（帶可靠錨固取1，無錨固措施取0），并將剪切破壞模式ms作為唯一輸出參量。

2.3網(wǎng)絡(luò)模型拓撲結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)理論認為，3層BP網(wǎng)絡(luò)具有逼近任何復(fù)雜非線性函數(shù)的能力，因而采用含一個隱層的BP網(wǎng)絡(luò)構(gòu)建帶錨纖維箍抗剪加固梁破壞模式預(yù)測模型。隱層神經(jīng)單元數(shù)目的取法，目前主要是采取經(jīng)驗試探法，先根據(jù)經(jīng)驗估計一個大致范圍，再通過試探選取最優(yōu)值，文獻[13]分析并提出了一個“黃金分割”經(jīng)驗公式，具有一定的合理性，見式（1）。nh=n+0.618·（n-m）n≥m

m-0.618·（m-n）n

圖3帶可靠錨固FRP受剪加固梁非剝離

破壞模式網(wǎng)絡(luò)預(yù)測模型拓撲結(jié)構(gòu)

Fig. 3Predictive model of shear failure mode for

beams shearstrengthened with wellanchored FRP2.4試驗數(shù)據(jù)的預(yù)處理

BP網(wǎng)絡(luò)模型訓(xùn)練前，往往需要對樣本數(shù)據(jù)做預(yù)處理，這里主要包括輸入、輸出數(shù)據(jù)的歸一化和破壞模式這一輸出參量的量化。網(wǎng)絡(luò)中，非線性傳遞函數(shù)（logsig函數(shù)和transig函數(shù)）值一般處于[0，1]或[-1，1]區(qū)間內(nèi)，為避免輸入向量中的數(shù)據(jù)和期望輸出數(shù)據(jù)可能存在數(shù)量級上的過大差別，導(dǎo)致數(shù)據(jù)計算精度無法保持一致，需要對所有輸入數(shù)據(jù)、輸出數(shù)據(jù)（即剪切破壞模式）作歸一化處理（即將數(shù)據(jù)轉(zhuǎn)換至[0，1]區(qū)間），由于傳遞函數(shù)在靠近各自區(qū)間端點時，曲線較為平緩，函數(shù)值變化速度比較慢，為減少網(wǎng)絡(luò)訓(xùn)練時間，實際按式（2）處理。x1=0.1+0.8·x0-xminxmax-xmin，x1∈[0.1，0.9]（2）式中：x0為原始數(shù)據(jù)；x1為歸一化轉(zhuǎn)換后的數(shù)據(jù)；xmax、xmin分別為原始數(shù)據(jù)中的最大與最小值，使轉(zhuǎn)換后的所有數(shù)據(jù)組位于0.1～0.9之間，以改善網(wǎng)絡(luò)收斂速度。

此外，由于破壞模式是定性的描述型變量，作為輸出變量還存在如何量化的問題。引入剪切破壞模式量化指標ms，取值約定為：FRP斷裂破壞ms=-1，混凝土壓碎破壞ms=1，界限剪切破壞ms=0；用式（2）進行歸一化處理后的指標m′s詳見表1。

考慮到模式輸出值恰好等于3類模式m′s值的情況極少，更多情況為[0.1，0.9]范圍內(nèi)的任意值，因而，需要對輸出數(shù)據(jù)中，介于歸一化標準模式值中間的數(shù)值進行辨識，注意到3種模式m′s值之間相差均為0.4，以相鄰兩者的中間值0.3與0.7為界，按“最接近原則”，即模式輸出值距離3類模式m′s值的遠近，將其歸為最接近的那一類破壞模式，因此，確定了一個指標有效范圍，無論輸出值落在哪個區(qū)間內(nèi)，都有特定的剪切破壞形態(tài)與之對應(yīng)（見表1）。表1破壞模式的量化與歸類

Table 1Quantification and identification of mode of failure破壞模式量化指標

ms歸一化

指標m′s指標有

效范圍FRP斷裂破壞-10.1[0.1～0.3）界限破壞00.5[0.3～0.7）混凝土壓碎破壞10.9[0.7～0.9]

2.5網(wǎng)絡(luò)學(xué)習(xí)與訓(xùn)練

關(guān)于訓(xùn)練樣本數(shù)的選擇，單純增加絕對數(shù)量并不一定帶來更好的訓(xùn)練效果，在某種程度上，樣本所包含的信息量更為關(guān)鍵。表2為所搜集文獻中81根試驗梁數(shù)據(jù)，它們的纖維抗剪加固方案不盡相同，但破壞形態(tài)均為非剝離破壞，參數(shù)變化基本覆蓋了工程中加固梁的常規(guī)范圍。表中列出了這些試件的主要相關(guān)參數(shù)，并根據(jù)上述原則，從中選取了信息容量較大的50根梁用于網(wǎng)絡(luò)訓(xùn)練。表2各有關(guān)文獻非剝離剪切破壞試驗梁主要數(shù)據(jù)一覽表

Table 2Available sample database on beams strengthened in shear with wellanchored FRP laminates 來源

文獻試件

編號腹板寬

度/mm梁高/mmf′c/MPa剪跨比配箍

率/%纖維抗拉

強度/MPaEf/

GPa配纖

率/%wf/

sf端錨

系數(shù)極限剪

力/kN破壞

模式[15]310020024.1 2.50 02646230 0.194 11116.6壓碎[14]E163.5190.541.8 2.67 0171.614.3 1.440 1036.7拉斷[14]E263.5190.548.3 2.67 0171.614.3 1.440 1034.0拉斷[14]G163.5190.543.9 2.67 0185.721.0 1.840 1035.5拉斷[14]G2*63.5190.547.1 2.67 0185.721.0 1.840 1036.4界限[14]45G1*63.5190.547.1 2.67 0185.721.0 1.840 1037.5界限[14]45G2*63.5190.541.8 2.67 0185.721.0 1.840 1047.26界限[17]No.225050032.6 2.50 03 990244 0.035 0.41285.2拉斷[17]No.3*25050032.6 2.50 02 92090.0 0.058 0.41236拉斷[17]No.740070034.6 2.50 03 990244 0.022 0.41568.8拉斷[17]No.8*40070034.6 2.50 02 92090.0 0.033 0.41529.6拉斷[16]CF04520040024.8 1.50 0.193 480230 0.026 0.231236拉斷[16]CF06420040024.9 1.50 0.193 480230 0.045 0.411262拉斷[16]CF09720040025.2 1.50 0.193 480230 0.077 0.71307拉斷[16]CF13120040025.4 1.50 0.193 480230 0.111 11358拉斷[16]CF24320040025.6 1.50 0.193 480230 0.222 11407拉斷[16]AF06020040025.8 1.50 0.192 45087.0 0.059 0.411237拉斷[16]AF09020040025.9 1.50 0.192 45087.0 0.100 0.71259拉斷[16]AF12020040026.1 1.50 0.192 45087.0 0.144 11312拉斷[18]BS720045034.7 3.00 0.073 494279.5 0.028 0.131235.5壓碎[19]G5.51L92444.537.9 2.00 1.103 650231 0.237 10320.3壓碎[19]G5.52L92444.537.9 2.00 1.103 650231 0.475 10342.5壓碎[19]G81L92444.537.9 2.00 0.763 650231 0.237 10298.0壓碎[19]G82L92444.537.9 2.00 0.763 650231 0.475 10329.2壓碎[19]G83L*92444.537.9 2.00 0.763 650231 0.712 10351.4界限[19]G161L*92444.537.9 2.00 0.383 650231 0.237 10275.8界限[19]G162L*92444.537.9 2.00 0.383 650231 0.475 10320.3界限[19]G241L*92444.537.9 2.00 0.253 650231 0.237 10258.0界限[19]G242L*92444.537.9 2.00 0.253 650231 0.475 10253.5界限[19]G243L*92444.537.9 2.00 0.253 650231 0.712 10258.0界限[20]ST1b15035032.4 2.83 0.243 60075.9 0.160 11242壓碎[20]ST2b15035032.4 2.83 0.243 60075.9 0.320 11270壓碎[20]ST3a15035032.4 2.83 0.243 60075.9 0.480 11318壓碎[20]ST3b15035032.4 2.83 0.243 60075.9 0.480 11279壓碎[22]Shr1Q130072019.8 2.70 0.144 200235 0.098 0.331871.5拉斷[22]Shr1Q230072019.8 2.70 0.144 200235 0.098 0.331881.2拉斷[22]Shr2Q1*15036019.8 2.70 0.284 200235 0.098 0.331236.4界限[22]Shr2Q2*15036019.8 2.70 0.284 200235 0.098 0.331250.3界限[22]Shr3Q17518019.8 2.90 0.284 200235 0.098 0.33166.1拉斷[22]Shr3Q2*7518019.8 2.90 0.284 200235 0.098 0.33166.6界限續(xù)表2 來源

文獻試件

編號腹板寬

度/mm梁高/mmf′c/MPa剪跨比配箍

率/%纖維抗拉

強度/MPaEf/

GPa配纖

率/%wf/

sf端錨

系數(shù)極限剪

力/kN破壞

模式[23]A215025024.1 2.70 0.193 635249 0.067 0.31185拉斷[23]A315025024.1 2.70 0.193 635249 0.045 0.21187拉斷[23]A515025024.1 1.80 0.193 635249 0.067 0.31227拉斷[23]A615025024.1 1.80 0.193 635249 0.134 0.61217拉斷[23]Bb15025023.7 2.47 026020.5 0.847 0.51136拉斷[23]Bc*15025023.7 2.47 026020.5 0.423 0.251121拉斷[23]Be*15025023.7 1.35 026020.5 0.847 0.51178拉斷[23]Bf15025023.7 1.35 026020.5 0.423 0.251161拉斷[23]L215025014.1 2.92 01125.3 0.800 0.51104拉斷[23]L315025014.1 2.92 01125.3 0.400 0.25199拉斷[23]L6*15025014.1 1.80 01125.3 0.800 0.51162拉斷[23]L7*15025014.1 1.80 01125.3 0.400 0.251150拉斷[24]ED1S10.5L15240625.0 3.00 0.383 650231 0.079 10282壓碎[24]ED1S11L15240625.0 3.00 0.383 650231 0.141 10255壓碎[24]ED1S12L15240625.0 3.00 0.383 650231 0.282 10267.2壓碎[24]ED2S01L9522025.0 3.00 03 650231 0.139 1059.3壓碎[24]ED2S02L9522025.0 3.00 03 650231 0.278 1068.5壓碎[24]ED2S11L9522025.0 3.00 0.383 650231 0.139 1095.7壓碎[24]ED2S12L9522025.0 3.00 0.383 650231 0.278 10105.1壓碎[24]DBS00.5L15240625.0 1.50 03 650231 0.079 10268.2壓碎[24]DBS01L*15240625.0 1.50 03 650231 0.141 10285.5壓碎[24]DBS02L*15240625.0 1.50 03 650231 0.282 10289壓碎[24]DBS11L*15240625.0 1.50 0.383 650231 0.141 10355.5壓碎[24]DBS12L*15240625.0 1.50 0.383 650231 0.282 10357.7壓碎[24]DBS21L*15240625.0 1.50 0.753 650231 0.141 10389.7壓碎[24]DBS22L*15240625.0 1.50 0.753 650231 0.282 10404.8壓碎[25]UBF0015030037.1 2.50 03 970266 0.059 0.41154.7拉斷[25]BDF0015030042.5 2.50 03 970266 0.059 0.41132.1拉斷[25]UBFR615030037.4 2.50 0.303 970266 0.059 0.41205.5拉斷[25]BDFR6*15030040.0 2.50 0.303 970266 0.059 0.41180.9拉斷[25]UBFR8*15030036.3 2.50 0.543 970266 0.059 0.41198.3壓碎[25]BDFR8*15030035.9 2.50 0.543 970266 0.059 0.41213.6拉斷[26]C135045035.0 3.00 0.204 510250 0.063 11603壓碎[26]G135045035.0 3.00 0.2035017 0.286 11469壓碎[26]G235045035.0 3.00 0.2035017 0.571 11551壓碎[26]G335045035.0 3.00 0.2035017 0.857 11581壓碎[26]G435045035.0 3.00 0.2035017 1.143 11689壓碎[26]GS1*35045035.0 3.00 0.2035017 0.095 0.331319壓碎[26]GS1a*35045035.0 3.00 0.2035017 0.143 0.51356壓碎[26]GS3*35045035.0 3.00 0.2035017 0.429 0.51427壓碎[26]GS5*35045035.0 3.00 0.2035017 0.714 0.51513壓碎注：1.支承條件包括簡支梁與連續(xù)梁，截面形式主要有矩形和T形，纖維種類以碳纖維為主，包括少數(shù)玻璃纖維與芳綸纖維。

2.試件編號中帶“*”標記試件為用于網(wǎng)絡(luò)預(yù)測的數(shù)據(jù)，其余部分用于網(wǎng)絡(luò)訓(xùn)練。網(wǎng)絡(luò)訓(xùn)練中部分參量采用與混凝土對應(yīng)指標的相對比值，如fyv/f′c，ffu/f′c，Es/Ec，Ef/Ec（Ec為混凝土彈性模量）。具體程序采用Matlab7.0語言編制，傳遞函數(shù)調(diào)用了網(wǎng)絡(luò)工具箱中的tansig（輸入層、隱層）、logsig函數(shù)（輸出層），訓(xùn)練函數(shù)采用了適用于批量數(shù)據(jù)處理的traingdx，該函數(shù)收斂性較差，但預(yù)測誤差小，考慮到其可能存在收斂困難，設(shè)定訓(xùn)練終止次數(shù)為5 000，同時目標誤差定為0.01，動量系數(shù)取為0.9，學(xué)習(xí)率取0.05。學(xué)習(xí)與訓(xùn)練過程見圖4，經(jīng)500次后，網(wǎng)絡(luò)基本趨于穩(wěn)定，并收斂于目標誤差，訓(xùn)練結(jié)束。

圖4網(wǎng)絡(luò)訓(xùn)練過程

Fig 4Training process of the ANN model3破壞模式預(yù)測

破壞模式網(wǎng)絡(luò)模型的訓(xùn)練完成后，利用訓(xùn)練好的網(wǎng)絡(luò)，對表2中參訓(xùn)數(shù)據(jù)外的其余31根帶錨纖維受剪加固試驗梁（編號中帶“*”標識）進行預(yù)測，預(yù)測結(jié)果列于表3，并將網(wǎng)絡(luò)預(yù)測的破壞模式值與按試驗觀測的歸一化模式值相減，來反映破壞模式網(wǎng)絡(luò)模型預(yù)測的誤差（圖5）?？梢?，僅個別點誤差偏大，絕大部分試驗點集中在零誤差值的水平線附近，且基本落在±0.2區(qū)間內(nèi)。

圖5預(yù)測誤差

Fig 5.Prediction error表3將帶錨FRP受剪加固梁網(wǎng)絡(luò)模型判別結(jié)果與試驗觀測結(jié)果做了全面比較?？傮w上看，網(wǎng)絡(luò)模型預(yù)測法的符合率較高，約為90%，能對帶錨纖維加固梁的剪切破壞模式進行較為準確的判別，說明建立的BP網(wǎng)絡(luò)模型能較好地用于帶錨纖維加固梁的剪切破壞模式的預(yù)測。表3破壞模式網(wǎng)絡(luò)模型預(yù)測結(jié)果

Table 3Predicting results by neural network

model on failure mode 判別方法試件數(shù)量FRP斷

裂破壞界限破壞混凝土壓

碎破壞總體符

合率/%試驗觀測法61213100網(wǎng)絡(luò)模型法7101490注：表中以經(jīng)試驗觀測認定的破壞模式作為客觀破壞模式。4結(jié)語

帶可靠錨固FRP抗剪加固梁剪切破壞模式的判別是一個受眾多因素影響的復(fù)雜問題，借助于神經(jīng)網(wǎng)絡(luò)初步建立了帶錨FRP受剪加固梁非剝離破壞模式的BP網(wǎng)絡(luò)預(yù)測智能模型，并將網(wǎng)絡(luò)模型預(yù)測結(jié)果與試驗做了比較，主要結(jié)論如下：

1）預(yù)測模型總體精度達到90%，適用于常規(guī)帶錨FRP受剪加固梁破壞模式的預(yù)測。

2）因參訓(xùn)數(shù)據(jù)有限，信息量仍不夠大，參數(shù)變化范圍外的預(yù)測結(jié)果仍需試驗驗證，模型訓(xùn)練所用數(shù)據(jù)均為集中荷載作用的情形，對于分布荷載作用的情況是否適用還未可知。

3）參訓(xùn)數(shù)據(jù)結(jié)構(gòu)還不完全合理，部分對于理論預(yù)測較重要的參量（如開裂角度）無法準確測得，模型中未單獨考慮，且碳纖維加固梁多，玻璃、芳綸纖維加固梁較少，簡支梁多，連續(xù)梁相對偏少，需在今后補充。

4）神經(jīng)網(wǎng)絡(luò)在隱層數(shù)、隱層單元數(shù)、訓(xùn)練所需樣本容量等參數(shù)的選取方面，理論仍不完善，網(wǎng)絡(luò)模型還有優(yōu)化改進的空間。

參考文獻：

[1] BAGGIO D， SOUDKI K， NOEL M. Strengthening of shear critical RC beams with various FRP systems [J]. Construction and Building Materials， 2014， 66：634644.

[2] CHEN J F， TENG J G. Shear capacity of FRPstrengthened RC beams： FRP debonding [J]. Construction and Building Materials， 2003， 17： 2741.

[3] BELARBI A， BAE S W， BRANCACCIO A. Behavior of fullscale RC Tbeams strengthened in shear with externally bonded FRP sheets [J]. Construction and Building Materials， 2012， 32（4）：2740.

[4] 劉澍，李真，陳青松，等. 自鎖錨固預(yù)應(yīng)力碳纖維復(fù)合材料受剪加固T形截面梁試驗研究[J].建筑結(jié)構(gòu)學(xué)報，2014， 35（Sup2）： 191198.

LIU S， LI Z， CHEN Q S， et al. Experimental research on shearstrengthening of Tbeams with prestressed and selfanchored CFRP [J]. Journal of Building Structures， 2014， 35（Sup2）： 191198. （in Chinese）

[5] 陳光明，張政，李云雷，等. 錨固裝置對碳纖維布抗剪加固鋼筋混凝土T 型梁承載力的影響[J].工業(yè)建筑，2015， 45（11）： 181186.

CHEN G M， ZHANG Z， LI Y L， et al. Effect of anchoring devices on bearing capacity of RC Tsection beam shearstrengthened with CFRP sheets [J]. Industrial Construction， 2015， 45（11）：181186. （in Chinese）

[6] 陸新征，葉列平，莊江波.外貼FRP 抗剪加固剝離破壞設(shè)計公式綜述[J].工業(yè)建筑，2004（Sup）：3036.

LU X Z， YE L P， ZHUANG J B. Review of the design models for debonding in RC Structures shearly strengthened with externally bonded FRP Plates [J]. Industrial Construction， 2004（Sup）：3036. （in Chinese）

[7] 詹屆東，李陽，張云峰，等.基于遺傳神經(jīng)網(wǎng)絡(luò)對FRP布加固混凝土柱承載力的預(yù)測研究[J].長江大學(xué)學(xué)報（自然科學(xué)版）， 2012， 9（8）：147149.

ZHAN J D， LI Y， ZHANG Y F， et al. Prediction of capacity of RC columns strengthened with FRP using genetic neural network [J]. Journal of Yangtze University （Natural Science Edition）， 2012，9（8）：147149. （in Chinese）

[8] 潘毅，楊成，林擁軍，等.基于BP神經(jīng)網(wǎng)絡(luò)的FRP加固混凝土柱承載力預(yù)測[J].西南交通大學(xué)學(xué)報，2008， 43（6）： 736739.

PAN Y， YANG C， LIN Y J， et al. BP neural networkbased prediction of loadbearing capacity of concrete column reinforced by FRP [J]. Journal of Southwest Jiaotong University， 2008， 43（6）： 736739. （in Chinese）

[9] 楊勇新. 預(yù)應(yīng)力CFRP加固RC梁承載力的神經(jīng)網(wǎng)絡(luò)預(yù)測[J].華僑大學(xué)學(xué)報（自然科學(xué)版）， 2007， 28（3）： 304307.

YANG Y X. Neural network prediction of bearing capacity of RC beams strengthened with prestressed CFRP sheets [J]. Journal of Huaqiao University （Natural Science Edition）， 2007， 28（3）： 304307. （in Chinese）

[10] PERERA R， BARCHIN M， ARTEAGA A， et al. Prediction of the ultimate strength of reinforced concrete beams FRPstrengthened in shear using neural networks [J]. Composites： Part B， 2010， 41（4）： 287298.

[11] TANARSLAN H M， SECER M， KUMANLIOGLU A. An approach for estimating the capacity of RC beams strengthened in shear with FRP reinforcements using artificial neural networks [J]. Construction and Building Materials， 2012， 30： 556568.

[12] RUMELHART D E， MCCLELAND J L. Parallel distributed processing： explorations in the microstructure of cognition [M]. MIT Press， Cambridge， MA.USA， 1988.

[13] 戚德虎， 康繼昌. BP神經(jīng)網(wǎng)絡(luò)的設(shè)計[J]. 計算機工程與設(shè)計， 1998， 19（2）： 4850.

QI D H， KANG J C. On design of the BP neural network [J]. Computer Engineering and Design， 1998， 19（2）： 4850. （in Chinese）

[14] CHAJES M J， JANUSZKA T F， MERTZ D R， et al. Shear strengthening of reinforced concrete beams using externally applied composite fabrics [J]. ACI Structural Journal， 1995， 92（3）： 295303.

[15] UJI K. Improving shear capacity of existing reinforced concrete members by applying carbon fiber sheets [J]. Transactions of the Japan Concrete Institute， 1992，14： 253266.

[16] ARAKI N， MATSUZAKI Y， NAKANO K， et al. Shear capacity of retrofitted RC members with continuous fiber sheets [C]//Proceedings of the Third International Symposium on NonMetallic （FRP） Reinforcement for Concrete Structures， Tokyo， Japan， 1997： 515522.

[17] KAMIHARAKO A， MARUYAMA K， TAKADA K， et al. Evaluation of shear contribution of FRP sheets attached to concrete beams [C]//Proceedings of the Third International Symposium on NonMetallic （FRP） Reinforcement for Concrete Structures， Tokyo， Japan， 1997： 467474.

[18] TAERWE L， KHALIL H， MATTHYS S. Behaviour of RC beams strengthened in shear by external CFRP sheets [C]//Proceedings of the Third International Symposium on NonMetallic （FRP） Reinforcement for Concrete Structures， Tokyo， Japan， 1997： 483490.

[19] CHAALLAL O， SHAHAWY M， HASSAN M. Performance of reinforced concrete Tgirders strengthened in shear with carbon fiberreinforced polymer fabric [J]. ACI Structural Journal， 2002， 99（3）： 335343.

[20] LANNIRUBERTO U， IMBIMBO M. Role of fiber reinforced plastic sheets in shear response of reinforced concrete beams： experimental and analytical results [J]. Journal of Composites for Construction， 2004， 8（5）： 415424.

[21] ZHOU C Y， REN D， LIU J P， et al. RC Tbeams shearstrengthened with CFRP Ustraps around bars passing eye bolts penetrating flange [C] //Proceedings of the Fourth AsiaPacific Conference on FRP in Structures （APFIS 2013）， Melbourne， December 2013.

[22] 周毅雷，陳忠范. 外包環(huán)形碳纖維布加固鋼筋混凝土梁的受剪承載能力試驗研究[J].特種結(jié)構(gòu)，2004，21（4）：6265.

[23] CAO S Y， CHEN J F， TENG J G， et al. Debonding in RC beams shear strengthened with complete FRP wraps [J]. Journal of Composites for Construction， 2005， 9（5）： 417428.

[24] BOUSSELHAM A， CHAALLAL O. Behavior of reinforced concrete Tbeams strengthened in shear with carbon fiberreinforced polymerAn experimental study [J]. ACI Structural Journal， 2006， 103（3）：339347.

[25] TENG J G， CHEN G M， CHEN J F， et al. Behavior of RC beams shear strengthened with bonded or unbonded FRP wraps [J]. Journal of Composites for Construction， 2009， 13（5）： 394404.

[26] LEE J Y， HWANG H B， DOH J H. Effective strain of RC beams strengthened in shear with FRP [J]. Composites： Part B， 2012， 43： 754765.