AI技術(shù)在混凝土耐久性預(yù)測(cè)及檢測(cè)中的應(yīng)用

劉 斌 朱金坤 賀星新

（南京市建筑設(shè)計(jì)研究院有限責(zé)任公司，江蘇 南京 210000）

0 引言

人工智能（Artificial Intelligence），簡(jiǎn)稱為AI，是對(duì)人的意識(shí)或思維過(guò)程進(jìn)行模擬，以研究和開(kāi)發(fā)相關(guān)理論、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。近三十年來(lái)，AI技術(shù)迅速發(fā)展，在很多學(xué)科領(lǐng)域都獲得了廣泛應(yīng)用，并取得了豐碩成果。在建筑工程領(lǐng)域，人工智能的應(yīng)用研究也是較為活躍的。

作為工程領(lǐng)域中的重要組成部分，鋼筋混凝土結(jié)構(gòu)因其優(yōu)良的性能備受青睞。但在其使用壽命期內(nèi)由于各種不利的暴露條件，或遭受各種破壞作用，鋼筋混凝土結(jié)構(gòu)耐久性問(wèn)題日益突出，引起了國(guó)內(nèi)外學(xué)者的關(guān)注和重視。目前在該方向廣泛采用試驗(yàn)研究、理論分析、預(yù)測(cè)模型等方式進(jìn)行研究，由于混凝土材料的復(fù)雜性、影響因素多樣性傳統(tǒng)研究結(jié)果往往存在著較大的誤差且不能廣泛應(yīng)用。

因此，將AI技術(shù)引入該方向，可以優(yōu)化已有的分析處理手段，提供更高效、簡(jiǎn)便的研究途徑，克服某些耐久性檢測(cè)儀器在實(shí)際工程使用難的問(wèn)題。這無(wú)論在提高研究效率還是開(kāi)辟新的研究角度上都是具有很大意義的。

本文將簡(jiǎn)要地介紹現(xiàn)階段AI技術(shù)的發(fā)展情況，以及其在混凝土結(jié)構(gòu)耐久性領(lǐng)域的應(yīng)用情況，提出基于目前應(yīng)用情況的應(yīng)用思路及發(fā)展建議。

1 AI簡(jiǎn)述

AI是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。從定義可知AI研究具有三個(gè)內(nèi)涵：（1）構(gòu)建系統(tǒng)：根據(jù)人類智能活動(dòng)的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)。（2）勝任工作：基于具有智能的人工系統(tǒng)，讓計(jì)算機(jī)去完成以往需要人的智力才能勝任的工作。（3）延伸工作：利用人工系統(tǒng)的高運(yùn)算性，保真性，可重復(fù)性，對(duì)現(xiàn)有工作進(jìn)行延伸，達(dá)到人類智力達(dá)不到的效果。

AI對(duì)于人的思維模擬一般從兩方面進(jìn)行：一是功能模擬，暫時(shí)撇開(kāi)人腦的內(nèi)部結(jié)構(gòu)，而從其功能過(guò)程進(jìn)行模擬；二是結(jié)構(gòu)模擬，仿照人腦的結(jié)構(gòu)機(jī)制，制造出“類人腦”的機(jī)器。

相對(duì)應(yīng)的AI在計(jì)算機(jī)上實(shí)現(xiàn)時(shí)便有兩種不同的方式：

2 AI技術(shù)在建筑工程領(lǐng)域的應(yīng)用

AI應(yīng)用于建筑工程領(lǐng)域各個(gè)環(huán)節(jié)：

在建筑設(shè)計(jì)方面，AutoCAD的出現(xiàn)和Revit的推廣使得AI算法的提高，使新設(shè)計(jì)從業(yè)人員已經(jīng)可以在相當(dāng)短的時(shí)間內(nèi)掌握設(shè)計(jì)程序的使用，并找到最優(yōu)最經(jīng)濟(jì)的設(shè)計(jì)方案。

在現(xiàn)場(chǎng)施工方面，混凝土28d抗壓強(qiáng)度是衡量混凝土自身性能的重要指標(biāo)。以往的工作中，通常需要基于數(shù)理統(tǒng)計(jì)的線性回歸方式對(duì)混凝土28d強(qiáng)度進(jìn)行預(yù)測(cè)，但摻合料的存在會(huì)造成混凝土各組材料與抗壓強(qiáng)度呈非線性關(guān)系，因此傳統(tǒng)方式預(yù)測(cè)結(jié)果的準(zhǔn)確性難以把控。而AI技術(shù)可以很好地控制混凝土強(qiáng)度，提前為工作人員提供相應(yīng)強(qiáng)度值。陳強(qiáng)等針對(duì)不同混凝土配料建立了高性能混凝土強(qiáng)度預(yù)測(cè)BP網(wǎng)絡(luò)模型，預(yù)測(cè)結(jié)果良好。

在工程管理方面，工程師們不再需要依靠手寫(xiě)或手繪的方式完成施工檔案的記錄，而是借助計(jì)算機(jī)軟件，綜合運(yùn)用數(shù)理邏輯等手段來(lái)進(jìn)行施工階段的管理。比如目前較為熱門的基于C/S環(huán)境開(kāi)發(fā)的建筑施工管理系統(tǒng)，便涵蓋了合同管理、施工人員管理、原材料供應(yīng)商管理、固定資產(chǎn)管理等方方面面，進(jìn)一步細(xì)化了供應(yīng)和分包的各個(gè)環(huán)節(jié)，使原材料進(jìn)離場(chǎng)、分包商及員工管理工作更加科學(xué)、準(zhǔn)確、快捷。

3 AI技術(shù)在耐久性預(yù)測(cè)方面的應(yīng)用

3.1 總體情況

混凝土的耐久性問(wèn)題，是混凝土結(jié)構(gòu)學(xué)科中的一項(xiàng)重要議題，許多學(xué)者也開(kāi)始尋求耐久性問(wèn)題的AI解決方案，主要從兩個(gè)方向出發(fā)進(jìn)行研究：

（1）采用AI算法，對(duì)具體的耐久性問(wèn)題進(jìn)行分析，通過(guò)人工智能自主學(xué)習(xí)的特性，讓其建立模型以達(dá)到預(yù)測(cè)結(jié)構(gòu)耐久性指標(biāo)的目的；

（2）利用AI優(yōu)化結(jié)構(gòu)耐久性的檢測(cè)設(shè)備和檢測(cè)方案。根據(jù)對(duì)相關(guān)文獻(xiàn)整理發(fā)現(xiàn)：AI在耐久性方面的應(yīng)用主要集中在預(yù)測(cè)有害離子的侵蝕、碳化、鋼筋銹蝕率等耐久性參數(shù)的預(yù)測(cè)方面。應(yīng)用的方式主要為利用人工神經(jīng)網(wǎng)絡(luò)的自主學(xué)習(xí)能力通過(guò)大數(shù)據(jù)的深度學(xué)習(xí)，建立耐久性參數(shù)的預(yù)測(cè)模型。AI技術(shù)應(yīng)用于耐久性預(yù)測(cè)領(lǐng)域的相關(guān)文獻(xiàn)見(jiàn)表1。

表1 AI預(yù)測(cè)類應(yīng)用相關(guān)文獻(xiàn)

3.2 氯鹽侵蝕預(yù)測(cè)

國(guó)內(nèi)外大量的實(shí)踐證明，氯鹽侵蝕是鋼筋混凝土結(jié)構(gòu)耐久性失效的主要原因，因而準(zhǔn)確地評(píng)價(jià)混凝土結(jié)構(gòu)的抗氯鹽侵蝕能力可以為混凝土結(jié)構(gòu)的設(shè)計(jì)和施工提供合理建議。

Mohammadreza Seify分別基于分類回歸樹(shù)算法和人工神經(jīng)網(wǎng)絡(luò)以環(huán)境條件、穿透深度、水-膠凝材料比和硅灰質(zhì)量等參數(shù)對(duì)海洋環(huán)境下混凝土中的氯鹽分布進(jìn)行了預(yù)測(cè)，發(fā)現(xiàn)在經(jīng)過(guò)充分學(xué)習(xí)后，人工神經(jīng)網(wǎng)絡(luò)具有更好的預(yù)測(cè)效果。

舒陽(yáng)針對(duì)高性能鋼筋混凝土結(jié)構(gòu)采用了基于BP神經(jīng)網(wǎng)絡(luò)的人工神經(jīng)網(wǎng)絡(luò)對(duì)受侵蝕鋼筋混凝土中不同深度處的硫酸根離子和氯離子含量進(jìn)行預(yù)測(cè)，研究了礦渣微粉含量（0%、35%）、混凝土水灰比、混凝土體積變化率和銹蝕周期對(duì)離子濃度的影響。

劉斯鳳等采用動(dòng)量-自適應(yīng)學(xué)習(xí)速率調(diào)整算法以及規(guī)則化調(diào)整改進(jìn)了BP神經(jīng)網(wǎng)絡(luò)的泛化能力，用以預(yù)測(cè)荷載-復(fù)合離子-干濕交替等多因素作用下氯離子濃度場(chǎng)的分布?？偨Y(jié)不同的試驗(yàn)結(jié)果，可發(fā)現(xiàn)經(jīng)過(guò)大量試驗(yàn)數(shù)據(jù)訓(xùn)練后，神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果與試驗(yàn)實(shí)測(cè)值吻合良好，所以在此方面可以采用神經(jīng)網(wǎng)絡(luò)輔助分析。

宋峰等人采用模糊-神經(jīng)網(wǎng)絡(luò)建立了多因素耦合作用下氯離子總電荷量模型，并將這種方法的結(jié)果與BP方法下的結(jié)果進(jìn)行對(duì)比，發(fā)現(xiàn)采用模糊-神經(jīng)網(wǎng)絡(luò)具有更好的泛化能力。

根據(jù)上述學(xué)者的研究發(fā)現(xiàn)，采用人工神經(jīng)網(wǎng)絡(luò)對(duì)氯離子的侵蝕進(jìn)行建模，在經(jīng)過(guò)足夠多的訓(xùn)練之后，可以較好的預(yù)測(cè)氯離子在混凝土的分布。誤差主要來(lái)源于算法的采用以及先期對(duì)于數(shù)據(jù)的學(xué)習(xí)是否充分，故該方面的研究主要集中在對(duì)信息的收集以及新型算法的應(yīng)用[1-5]。

3.3 鋼筋銹蝕量預(yù)測(cè)

AI在銹蝕量方面的應(yīng)用，主要集中對(duì)于鋼筋銹蝕量的預(yù)測(cè)上，對(duì)此眾多學(xué)者采用了鋼筋銹蝕試驗(yàn)、工程調(diào)查和理論分析等方式，而利用AI技術(shù)進(jìn)行預(yù)測(cè)相較于傳統(tǒng)方法較為簡(jiǎn)單實(shí)用。

范潁芳分別從單參數(shù)和多參數(shù)出發(fā)，基于BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)了銹蝕鋼筋的粘結(jié)力，從而建立銹蝕鋼筋的粘結(jié)滑移曲線。發(fā)現(xiàn)多參數(shù)的情況下準(zhǔn)確性較單參數(shù)有著較大地提升。

陳海斌、劉燕、沈汝偉等學(xué)者則以預(yù)測(cè)鋼筋銹蝕量為目的，分別以BP神經(jīng)網(wǎng)絡(luò)，RBF神經(jīng)網(wǎng)絡(luò)，徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)等方式進(jìn)行研究，建立了基于AI方法的鋼筋銹蝕量預(yù)測(cè)模型。其中BP神經(jīng)網(wǎng)絡(luò)是一種常用的全局逼近神經(jīng)網(wǎng)絡(luò)，從理論上講，3層BP網(wǎng)絡(luò)就可以實(shí)現(xiàn)從輸入到輸出的任意函數(shù)映射，但是無(wú)法保證收斂性和全局最優(yōu)性。而RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和收斂速度更快且不容易陷入局部極小值[6-7]?？梢钥闯鲞@些學(xué)者的研究進(jìn)展主要根源在于算法的提升。另外，將宋峰等人的研究與陳海斌等人的研究進(jìn)行對(duì)比，宋峰采用了116個(gè)樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，

陳海斌采用了21個(gè)樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，結(jié)果宋峰的最大誤差率為5.2%，遠(yuǎn)低于陳海斌的41.3%。由此可知樣本數(shù)量對(duì)于人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)效率有著極大的影響。

3.4 基于AI的檢測(cè)手段

AI在耐久性方面的應(yīng)用歸根結(jié)底是要回歸于工程之中的，目前這方面的研究?jī)?nèi)容較少，但取得的研究成果展現(xiàn)了較好的發(fā)展前景。趙雪峰等采用智能手機(jī)作為圖像收集終端，建立裂縫圖片大數(shù)據(jù)庫(kù)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，檢測(cè)時(shí)通過(guò)人工智能深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)對(duì)裂縫進(jìn)行識(shí)別定位，通過(guò)手機(jī)實(shí)現(xiàn)了隨時(shí)隨地簡(jiǎn)單地對(duì)裂縫進(jìn)行分析。

Jong-Woo KimJong-Woo Kim基于圖像分析技術(shù)與無(wú)人機(jī)技術(shù)結(jié)合，經(jīng)過(guò)深度學(xué)習(xí)，使無(wú)人機(jī)可以自動(dòng)識(shí)別裂縫的位置并進(jìn)行拍照，分析裂縫寬度及裂縫產(chǎn)生的原因，為未來(lái)的耐久性檢測(cè)減少了不少困難。

3.5 應(yīng)用流程

目前AI在混凝土耐久性方面的應(yīng)用主要是基于人工神經(jīng)網(wǎng)絡(luò)的方法來(lái)實(shí)現(xiàn)的；人工神經(jīng)網(wǎng)絡(luò)特別適用于處理需要同時(shí)考慮許多因素和有條件的、不確定性的和模糊性的信息處理問(wèn)題。而這些問(wèn)題通過(guò)實(shí)驗(yàn)或理論推導(dǎo)具有相當(dāng)大的困難。目前人工神經(jīng)網(wǎng)絡(luò)技術(shù)在混凝土耐久性預(yù)測(cè)和檢測(cè)應(yīng)用的主要流程如圖1。

圖1 人工神經(jīng)網(wǎng)絡(luò)在混凝土耐久性領(lǐng)域應(yīng)用流程

4 結(jié)束語(yǔ)

混凝土耐久性預(yù)測(cè)及檢測(cè)領(lǐng)域的AI技術(shù)發(fā)展提升主要分為三個(gè)方向：

（1）可靠的大規(guī)模的數(shù)據(jù)收集：建立全面的建筑工程信息收集機(jī)制，將每一個(gè)工程的相關(guān)信息及時(shí)歸庫(kù)，理論上參數(shù)足夠多、數(shù)據(jù)足夠多時(shí)，AI預(yù)測(cè)的準(zhǔn)確性將無(wú)限接近實(shí)際情況；

（2）及時(shí)更新升級(jí)算法：從陳海斌、劉燕、沈汝偉等學(xué)者對(duì)于鋼筋銹蝕量的預(yù)測(cè)研究中就可以發(fā)現(xiàn)，隨著計(jì)算機(jī)科學(xué)的進(jìn)步，新算法相較于舊算法無(wú)論從運(yùn)算次數(shù)，還是全局的正確率都有著顯著的提升。及時(shí)地更新算法，甚至根據(jù)耐久性問(wèn)題的特性設(shè)計(jì)算法將大大提高研究效率；

（3）積極的工程實(shí)踐∶從現(xiàn)有的研究成果來(lái)看，AI技術(shù)在耐久性工程領(lǐng)域的應(yīng)用還是比較缺乏的。不光是耐久性參數(shù)的預(yù)測(cè)，性能的檢測(cè)還是在結(jié)構(gòu)初期的材料配比選擇，AI技術(shù)都有很大的發(fā)展空間。近年來(lái)提出的結(jié)構(gòu)壽命全周期的理論要想實(shí)現(xiàn)，AI技術(shù)將是重中之重。