钢纤维混凝土梁四点弯曲抗弯性能智能预测方法及系统

本发明涉及土木工程结构计算分析、工程力学与人工智能交叉，具体涉及钢纤维混凝土梁四点弯曲抗弯性能智能预测方法及系统。

背景技术：

1、钢纤维混凝土（steel fiber reinforced concrete, sfrc）因其优异的裂后桥接能力与抗弯韧性，被广泛应用于各类土木工程结构中。准确预测其在复杂工况下的非线性受弯力学行为，是工程设计与结构安全评估的核心环节。四点弯曲试验是评估钢纤维混凝土梁抗弯及韧性性能的常用试验方法，然而，现有的预测与评估方法主要存在以下技术局限性：

2、其一，传统室内物理试验成本高昂、周期漫长且效率低下，繁重的试件制作与测试工作严重制约了多变量工况（如不同纤维掺量、长径比、基体强度等）的大规模参数寻优，难以高效开展系统性的抗弯性能评估。其二，传统有限元数值模拟方法在处理钢纤维混凝土复杂的受拉开裂与非线性力学响应时，面临强烈的网格依赖性。尤其是在材料受拉开裂进入非线性的软化阶段后，有限元计算极易引发刚度矩阵奇异与迭代求解不收敛等技术瓶颈，导致难以实现稳定高效的数值模拟。其三，纯数据驱动的深度学习模型缺乏物理控制方程约束，属于物理不可解释的拟合模型，高度依赖海量的高质量测试数据以驱动网络收敛，而在实际工程领域进行海量破坏性试验的难度极大，在现实的“小样本”数据条件下，纯数据驱动模型不仅难以实现稳定收敛，极易陷入过拟合，且往往输出违背客观力学规律的预测结果，其实际工程泛化能力受到严重制约。

3、因此，现有技术存在试验成本高周期长、有限元模拟易不收敛、纯数据驱动模型小样本下易过拟合且违背物理规律的问题，导致难以高效准确地预测钢纤维混凝土梁四点弯曲抗弯性能。

技术实现思路

1、本发明为了解决上述问题，提出了钢纤维混凝土梁四点弯曲抗弯性能智能预测方法及系统，显著提升了预测精度、计算效率与工程泛化能力，实现了钢纤维混凝土梁四点弯曲抗弯性能的快速、准确、物理可解释的智能预测。

2、根据一些实施例，本发明采用如下技术方案：

3、钢纤维混凝土梁四点弯曲抗弯性能智能预测方法，包括：

4、获取目标钢纤维混凝土的待测工况参数，包括材料属性和几何特征；

5、将待测工况参数输入到训练后的物理信息神经网络中，得到目标钢纤维混凝土梁跨中的荷载-挠度预测曲线，用于表征钢纤维混凝土的四点弯曲抗弯性能；

6、其中，所述物理信息神经网络，通过将材料力学的荷载平衡方程、几何协调方程及边界约束作为物理约束嵌入损失函数以约束网络训练过程。

7、根据一些实施例，本发明采用如下技术方案：

8、钢纤维混凝土梁四点弯曲抗弯性能智能预测系统，包括：

9、获取模块，被配置为：获取目标钢纤维混凝土的待测工况参数，包括材料属性和几何特征；

10、预测模块，被配置为：将待测工况参数输入到训练后的物理信息神经网络中，得到目标钢纤维混凝土梁跨中的荷载-挠度预测曲线，用于表征钢纤维混凝土的四点弯曲抗弯性能；

11、其中，所述物理信息神经网络，通过将材料力学的荷载平衡方程、几何协调方程及边界约束作为物理约束嵌入损失函数以约束网络训练过程。

12、根据一些实施例，本发明采用如下技术方案：

13、一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现所述的钢纤维混凝土梁四点弯曲抗弯性能智能预测方法。

14、根据一些实施例，本发明采用如下技术方案：

15、一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现所述的钢纤维混凝土梁四点抗弯性能智能预测方法。

16、根据一些实施例，本发明采用如下技术方案：

17、一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现所述的钢纤维混凝土梁四点弯曲抗弯性能智能预测方法。

18、与现有技术相比，本发明的有益效果为：

19、本发明将材料力学三大物理方程（荷载平衡、几何协调、边界约束）作为硬约束嵌入损失函数，构建物理信息神经网络中，使网络在训练过程中始终受控于客观力学规律，有效避免了纯数据驱动模型在小样本条件下易过拟合且输出违背物理规律的问题，显著提升了预测结果的物理可信度与工程泛化能力。训练完成后仅需输入材料属性与几何特征即可快速输出荷载-挠度预测曲线，无需开展物理试验或有限元建模，极大降低了预测成本与时间周期，为多变量工况的大规模参数寻优提供了高效技术手段，实现了钢纤维混凝土梁四点弯曲抗弯性能的快速、准确、物理可解释的智能预测。

1.钢纤维混凝土梁四点弯曲抗弯性能智能预测方法，其特征在于，包括：

2.如权利要求1所述的钢纤维混凝土梁四点弯曲抗弯性能智能预测方法，其特征在于，所述材料属性包括基体混凝土强度、钢纤维体积掺量、钢纤维长径比及钢纤维类型；所述几何特征包括梁长、梁宽、梁高、跨中挠度、轴向坐标。

3.如权利要求1所述的钢纤维混凝土梁四点弯曲抗弯性能智能预测方法，其特征在于，所述物理信息神经网络采用全连接前馈神经网络，其输入层接收材料属性和几何特征，隐藏层采用二阶可导的平滑激活函数以确保自动微分计算二阶导数的可行性，输出层输出梁跨中荷载-挠度曲线。

4.如权利要求1所述的钢纤维混凝土梁四点弯曲抗弯性能智能预测方法，其特征在于，所述损失函数由数据损失项、荷载平衡损失项、几何协调损失项和边界约束损失项加权构成。

5.如权利要求4所述的钢纤维混凝土梁四点弯曲抗弯性能智能预测方法，其特征在于，所述荷载平衡损失项由弯矩平衡损失与轴力平衡损失叠加而成，所述弯矩平衡损失利用自动微分计算截面弯矩对坐标的二阶导数并约束其与外荷载分布一致，所述轴力平衡损失约束轴向截面正应力的积分和恒为零。

6.如权利要求4所述的钢纤维混凝土梁四点弯曲抗弯性能智能预测方法，其特征在于，所述几何协调损失项利用自动微分计算输出挠度的空间二阶偏导，并将其与曲率进行比较，采用均方误差计算其几何协调偏差。

7.如权利要求4所述的钢纤维混凝土梁四点弯曲抗弯性能智能预测方法，其特征在于，所述边界约束损失项提取网络在支座坐标点处的输出，强制约束其位移与截面弯矩趋近于零，构建均方残差。

8.钢纤维混凝土梁四点弯曲抗弯性能智能预测系统，其特征在于，包括：

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求1-7任一项所述的钢纤维混凝土梁四点弯曲抗弯性能智能预测方法。

10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如权利要求1-7任一项所述的钢纤维混凝土梁四点弯曲抗弯性能智能预测方法。