一种冻融环境中混凝土细观损伤特征参数预测方法及系统

本发明属于混凝土冻融损伤预测与本构建模领域，具体涉及一种冻融环境中混凝土细观损伤特征参数预测方法及系统。

背景技术：

1、混凝土在寒冷地区及盐冻环境中服役时，内部孔隙水在反复冻结和融化过程中产生体积变化，可能引起孔隙结构变化和微裂纹萌生、扩展，进而造成弹性模量下降、损伤起始位置提前以及峰后软化特征改变。混凝土的上述损伤演化过程不仅与水冻融循环次数和盐冻融循环次数有关，还受到水泥、水、砂、天然骨料、再生骨料和纤维等初始组分以及应变速率的共同影响。不同材料组分、冻融条件和动态加载条件下，混凝土对应的细观损伤特征参数及本构响应存在差异。

2、现有混凝土冻融损伤研究通常需要先对混凝土试件进行冻融循环试验和单轴压缩试验，再根据试验获得的应力随应变变化的试验曲线确定弹性模量、损伤起始应变、屈服损伤特征应变等参数。该方式需要针对不同配合比、不同冻融循环次数和不同加载条件分别制备试件并开展试验，试验周期较长，且在材料组分或工况发生变化时，已有试验结果难以直接用于确定新条件下的细观损伤特征参数。采用有限元法、离散元法等数值方法模拟冻融损伤过程时，通常还需要预先确定较多材料参数和边界条件，模型建立及计算过程较为复杂。

3、机器学习方法能够根据已有试验数据建立材料组分、冻融条件、加载条件与混凝土力学参数之间的映射关系，但现有方法多侧重于抗压强度、抗冻等级等宏观性能指标，对弹性模量、断裂损伤值及损伤特征应变等细观损伤特征参数的联合预测相对较少。当多个细观损伤特征参数分别进行预测时，各参数预测结果之间还可能缺少物理关系约束，例如初始损伤应变、屈服损伤概率密度函数峰值应变和屈服损伤终止应变的顺序不符合损伤演化过程，或者断裂损伤值超出相应物理取值范围。将上述预测参数直接代入统计损伤本构方程时，可能生成具有多个应力峰值、峰后应力回升或者不符合峰前硬化和峰后软化规律的本构曲线。因此，有必要提供一种能够根据初始组分、冻融循环条件和动态加载条件预测细观损伤特征参数，并对预测参数进行物理约束校正的技术方案。

技术实现思路

1、为了解决现有技术中的上述问题，即不同组分及冻融、加载条件下细观损伤特征参数难以快速确定，且模型预测结果可能不符合物理规律的问题，本发明提供了一种冻融环境中混凝土细观损伤特征参数预测方法及系统。

2、本发明第一方面提供一种冻融环境中混凝土细观损伤特征参数预测方法，包括：

3、获取混凝土初始组分参数、冻融循环参数和动态加载参数，组成输入特征向量；

4、将所述输入特征向量输入经冻融试验训练的极端梯度提升回归模型，得到弹性模量、断裂损伤值、初始损伤应变、屈服损伤概率密度函数峰值应变和屈服损伤终止应变，组成模型预测参数组；

5、以所述模型预测参数组为基准，在各参数的预设调整范围内生成候选参数组，筛选出弹性模量大于零、初始损伤应变大于零且小于屈服损伤概率密度函数峰值应变、所述屈服损伤概率密度函数峰值应变小于屈服损伤终止应变、断裂损伤值大于零且不大于一的候选参数组；在所述模型预测参数组满足前述参数条件时，将所述模型预测参数组加入筛选出的候选参数组，形成待选参数组集合；

6、将各待选参数组代入统计损伤本构方程，从生成的本构曲线具有单一应力峰值、峰前应力递增且峰后应力递减的待选参数组中，选取与所述模型预测参数组偏差最小的待选参数组，作为物理约束校正后的细观损伤特征参数；

7、根据所述细观损伤特征参数生成应力随应变的本构曲线。

8、进一步地，所述初始组分参数包括水泥含量、水含量、砂含量、天然骨料含量、再生骨料含量和纤维含量；

9、将所述初始组分参数中的各含量统一为单位体积混凝土的质量参数；

10、所述冻融循环参数包括水冻融循环次数和盐冻融循环次数；

11、所述动态加载参数包括应变速率；

12、将所述初始组分参数、冻融循环参数和动态加载参数按照预设字段顺序排列，并根据训练数据中各参数的取值范围进行归一化，获得所述输入特征向量。

13、进一步地，所述极端梯度提升回归模型的训练包括：

14、采集具有不同初始组分参数、冻融循环参数和动态加载参数的冻融混凝土试件的单轴压缩试验数据；

15、根据各冻融混凝土试件的应力随应变变化的试验曲线，反演所述弹性模量、断裂损伤值、初始损伤应变、屈服损伤概率密度函数峰值应变和屈服损伤终止应变；

16、将同一冻融混凝土试件的输入特征向量和反演获得的细观损伤特征参数组合为样本，并将所述样本划分为训练样本和验证样本；

17、利用所述训练样本分别训练各细观损伤特征参数对应的回归子模型，将各回归子模型组合为所述极端梯度提升回归模型。

18、进一步地，每个所述回归子模型的训练包括：

19、设置树数量、树深度、学习率、第一正则化参数和第二正则化参数；

20、计算损失函数关于当前预测值的一阶梯度和二阶梯度；

21、根据所述一阶梯度和二阶梯度计算各候选输入特征及候选分裂阈值对应的目标函数增益，选择目标函数增益最大的候选输入特征和候选分裂阈值作为新增回归树的分裂节点；

22、根据所述一阶梯度、二阶梯度、第一正则化参数和第二正则化参数确定叶节点预测值，按照所述学习率缩放叶节点预测值并与已有回归树的输出累加；

23、在回归树数量未达到所述树数量且预测损失未满足预设收敛条件时继续增加回归树，直至回归树数量达到所述树数量或预测损失满足所述预设收敛条件，获得对应的回归子模型。

24、进一步地，所述待选参数组集合的确定包括：

25、根据所述模型预测参数组中的各参数及对应的预设调整比例，确定各参数的预设调整范围；

26、按照对应的预设调整步长，在各参数的预设调整范围内分别选取多个候选参数值；

27、将不同参数的候选参数值进行组合，生成多个候选参数组；

28、从所述多个候选参数组中筛选出弹性模量大于零、初始损伤应变大于零且小于屈服损伤概率密度函数峰值应变、所述屈服损伤概率密度函数峰值应变小于屈服损伤终止应变、断裂损伤值大于零且不大于一的候选参数组；

29、在所述模型预测参数组满足前述参数条件时，将所述模型预测参数组加入筛选出的候选参数组，形成待选参数组集合；

30、在所述模型预测参数组不满足前述参数条件时，将筛选出的候选参数组作为所述待选参数组集合。

31、进一步地，所述物理约束校正后的细观损伤特征参数的确定包括：

32、将所述待选参数组集合中的各待选参数组代入所述统计损伤本构方程，在预设应变区间内计算各应变值对应的应力值；

33、确定各待选参数组对应的最大应力值，并将所述最大应力值对应的应变确定为峰值应变；

34、筛选出仅具有一个应力峰值、峰值应变之前的应力值随应变递增且峰值应变之后的应力值随应变递减的待选参数组；

35、分别计算筛选出的待选参数组中各参数与所述模型预测参数组中同一参数的差值绝对值，并将各差值绝对值与同一参数的预设调整范围的区间宽度之比相加，得到参数偏差量；

36、选取参数偏差量最小的待选参数组，作为物理约束校正后的细观损伤特征参数；

37、在不存在满足前述曲线形态条件的待选参数组时，输出所述模型预测参数组和异常标记。

38、进一步地，所述细观损伤特征参数的反演包括：

39、读取试验获得的应力随应变变化的试验曲线的初始线弹性段斜率，得到所述弹性模量；

40、将所述断裂损伤值、初始损伤应变、屈服损伤概率密度函数峰值应变和屈服损伤终止应变作为待反演参数，并在满足断裂损伤值大于零且不大于一、初始损伤应变大于零且小于屈服损伤概率密度函数峰值应变、所述屈服损伤概率密度函数峰值应变小于屈服损伤终止应变的取值范围内设置初始值；

41、根据当前初始损伤应变、当前屈服损伤概率密度函数峰值应变和当前屈服损伤终止应变，构建分段线性的三角形屈服损伤概率密度函数。

42、进一步地，所述待反演参数的确定包括：

43、根据当前屈服损伤概率密度函数计算屈服损伤变量，并根据当前断裂损伤值构建断裂损伤概率密度函数，计算断裂损伤变量；

44、将所述弹性模量、屈服损伤变量和断裂损伤变量代入统计损伤本构方程，生成计算本构曲线；

45、计算所述计算本构曲线与试验获得的应力随应变变化的试验曲线之间的残差；

46、根据所述残差迭代调整所述待反演参数，每次调整后重新构建所述屈服损伤概率密度函数和断裂损伤概率密度函数，并重新生成计算本构曲线，直至所述残差满足预设反演条件，将停止迭代时对应的待反演参数确定为反演结果。

47、进一步地，所述极端梯度提升回归模型的验证包括：

48、将验证样本的输入特征向量输入所述极端梯度提升回归模型，获得各细观损伤特征参数的预测值；

49、根据各细观损伤特征参数的预测值和验证样本中的对应参数值，计算决定系数、均方根误差和平均绝对百分比误差；

50、在任一评价指标不满足对应的预设预测条件时，调整所述树数量、树深度、学习率、第一正则化参数或第二正则化参数，并根据调整后的参数重新训练所述极端梯度提升回归模型；

51、在各评价指标均满足对应的预设预测条件时，输出经验证的极端梯度提升回归模型。

52、本发明第二方面提供一种冻融环境中混凝土细观损伤特征参数预测系统，包括：

53、输入特征构建模块，配置为获取混凝土初始组分参数、冻融循环参数和动态加载参数，组成输入特征向量；

54、参数预测模块，配置为将所述输入特征向量输入经冻融试验训练的极端梯度提升回归模型，得到弹性模量、断裂损伤值、初始损伤应变、屈服损伤概率密度函数峰值应变和屈服损伤终止应变，组成模型预测参数组；

55、候选参数组构建模块，配置为以所述模型预测参数组为基准，在各参数的预设调整范围内生成候选参数组，筛选出弹性模量大于零、初始损伤应变大于零且小于屈服损伤概率密度函数峰值应变、所述屈服损伤概率密度函数峰值应变小于屈服损伤终止应变、断裂损伤值大于零且不大于一的候选参数组，并在所述模型预测参数组满足前述参数条件时，将所述模型预测参数组加入筛选出的候选参数组，形成待选参数组集合；

56、物理约束校正模块，配置为将各待选参数组代入统计损伤本构方程，从生成的本构曲线具有单一应力峰值、峰前应力递增且峰后应力递减的待选参数组中，选取与所述模型预测参数组偏差最小的待选参数组，作为物理约束校正后的细观损伤特征参数；

57、本构曲线生成模块，配置为根据所述细观损伤特征参数生成应力随应变的本构曲线。

58、本发明的有益效果：

59、本发明将混凝土初始组分参数、水冻融循环次数、盐冻融循环次数和应变速率按照固定字段顺序组成输入特征向量，并采用经冻融混凝土试验数据训练的极端梯度提升回归模型，分别获得弹性模量、断裂损伤值、初始损伤应变、屈服损伤概率密度函数峰值应变和屈服损伤终止应变。因此，本发明能够在统一的数据处理框架下建立不同材料组分、冻融环境和动态加载条件与多个细观损伤特征参数之间的对应关系，为目标混凝土的细观损伤特征参数确定提供数据预测手段，减少针对每一种参数组合均重新开展完整试验或复杂数值计算的需要。

60、本发明针对不同细观损伤特征参数分别训练回归子模型，并根据决定系数、均方根误差和平均绝对百分比误差对模型预测结果进行验证；在评价指标不满足预设预测条件时，对树数量、树深度、学习率或正则化参数进行调整并重新训练模型。因此，能够利用多棵回归树拟合输入特征与不同细观损伤特征参数之间的非线性关系，并通过验证过程判断模型是否满足预设预测要求，降低未经验证的模型直接用于目标参数预测的可能性。

61、本发明以模型预测参数组为基准，在各参数的预设调整范围内生成候选参数组，并依次利用弹性模量和初始损伤应变大于零、初始损伤应变小于屈服损伤概率密度函数峰值应变、屈服损伤概率密度函数峰值应变小于屈服损伤终止应变以及断裂损伤值大于零且不大于一的参数条件进行筛选；进一步将待选参数组代入统计损伤本构方程，根据本构曲线的单一应力峰值、峰前应力递增和峰后应力递减条件进行校验，并从符合条件的待选参数组中选取与模型预测参数组偏差最小的参数组。由此，能够在尽量保留模型原始预测结果的基础上，排除不符合参数物理范围、损伤演化顺序或本构曲线形态的参数组合，提高输出细观损伤特征参数与统计损伤本构方程之间的物理一致性，并为生成应力随应变变化的本构曲线提供参数基础。