基于动力测试的钢筋混凝土梁火灾损伤识别方法

2019-06-21 07:24:42刘才玮苗吉军高天予黄绪宏郭新雨

振动与冲击 2019年11期

刘才玮, 苗吉军, 高天予, 黄绪宏, 郭新雨

(1. 青岛理工大学土木工程学院，山东青岛 266033；2. 青岛理工大学(蓝色经济区工程建设与安全山东省协同创新中心)，山东青岛 266033)

国内外已有统计数据表明：建筑火灾的发生除了造成人员伤亡、结构损伤等直接经济损失外，其引起结构失效所造成的间接损失不可估量[1]。由火灾造成的严重损失已远远超过其他自然灾害，为了实现结构火灾下的及时预警和火灾后的损伤评估，保障个人生命、财产安全，开展结构火灾作用下的损伤识别相关研究显得尤为重要。

对于混凝土结构火灾后残余承载力的确定，国内外进行了大量的理论和试验研究[2]。此外，由于实施难度大、结构形式复杂等诸多因素，致使目前基于动力实测的识别研究集中应用在桥梁、框架等结构的常温损伤方面，针对混凝土结构火灾损伤识别的研究较少。丁阳等[3]对室内爆炸与火灾联合作用下约束钢柱的损伤评估进行了深入研究，并建立了评估约束钢柱在爆炸与火灾联合作用下破坏情况的压力-冲量-时间曲面图及表达式。随着研究深入，火灾作用下振动特性已经逐渐地受到国内外学者的重视[4]。王剑[5]及王都[6]针对火灾下双向板损伤进行了试验研究，结果表明火灾下基频衰减与截面刚度退化有密切关系，并参考弹性薄板理论建立火灾下楼板振动特性基本微分方程，求得解析解，略有不足的是计算较繁琐，且仅通过固有频率对损伤位置及程度进行判定。龚叙[7]采用力锤激振的方式对火灾前、后的两根钢筋混凝土柱进行动力性能测试，然后分别基于振型向量与神经网络的模型修正方法对其进行了损伤识别研究，但在基于神经网络的模型修正方法中，神经网络的输入参数仅考虑了混凝土柱火灾前后的自振频率，而对损伤更敏感的振型没有考虑，此外，此方法能否应用到跨数较多的连续梁尚需进一步研究。

小波分析为20世纪中后期发展的新型系统理论，能够通过小波基函数的变换分析信号的局部特征，并且在二维情况下具有信号方向选择能力。小波神经网络(WNN)以BP神经网络拓扑结构为基础，拓扑结构详见图1。

图1 WNN拓扑结构

近些年来，国内部分研究人员开展了基于WNN损伤识别工作，并且成果较为显著。肖书敏等[8]利用小波与神经网络相结合的方法进行桥梁结构的损伤定位，效果良好，但过程较为繁琐，不利于实际应用；王明月等[9]提出了基于转角模态和WNN的连续梁损伤识别方法，对三跨连续梁进行了损伤识别，数值模拟可有效表明训练过的WNN具有令人满意的损伤识别位置和程度的能力，但是损伤工况较为简单，随着结构自由度的增多，会出现网络“爆炸”的问题；徐国宾等[10]通过改进的GRNN网络建立厂房结构的振动响应预测模型，为结构的智能化检测提供了保障，但适用工况较为单一，能否对火灾损伤实现准确预测有待进一步研究。基于不完备测试信息的情况直接利用预测算法对整体结构的损伤判定几乎是不可能完成的，会出现模拟损伤样本组合爆炸的问题，因此能否降低神经网络的计算量成为使用该方法的关键[11]。

综上所述，上述方法都局限于常温条件或较简单结构，尚不能根本上解决结构的火灾损伤，由于火灾损伤下截面各点损伤程度不同，如何进行准确评定显得尤为重要。与此同时，混凝土结构实际工程中受火工况复杂，在利用WNN进行识别时，数据量过于庞大，易产生网络爆炸。分步识别所起的作用是减少待识别模式，直接表现为减少了网络输出数量[12]。

近年来，建筑结构动力性能的研究越来越受到重视，如文献[13]规定抗震设防烈度为7度(设计基本地震加速度为0.15g)及以上地震区的高层建筑宜进行动力特性检测、《建筑结构检测技术标准》(GB/T 50344—2004)规定：对于大型公共建筑和重要建筑宜在建筑工程竣工验收完成后，使用前和使用后分别进行一次动力测试等；此外，建筑结构发生火灾时混凝土梁往往是三面受火，顶面不受火。本文考虑到以上因素以及梁整体三面受火损伤与其受火时间有着本质联系，故此提出了基于WNN技术以等效爆火时间为指标的损伤识别新方法。首先建立了简支梁的火灾损伤识别方法，并用数值模拟对其进行了验证；然后建立了的适用于混凝土梁火灾损伤识别的三步定位新方法，以三跨连续梁数值模拟为例对其应用进行了详细说明，最后对4根混凝土简支梁进行了火灾及灾后承载力试验，基于修正后的精细化模型，利用前2阶不完备模态信息构造WNN输入参数，等效爆火时间作为输出参数进行损伤识别，效果良好，验证了所提方法的可靠性。

1 简支梁火灾损伤识别方法

1.1 简支梁模型

有限元模型为常见混凝土简支梁，具体配筋详见图2。混凝土强度标号为C35，混凝土、钢筋热工性能包含导热系数、比热容，对流换热系数为35 W/(m2·℃)，斯蒂芬-波尔兹曼常数为5。67×10-8W/(m2·K4)，参数包含混凝土弹性模量Ec、混凝土密度ρc、混凝土轴心抗压强度fc、混凝土泊松比νc、钢筋弹性模量Es、钢筋密度ρs、钢筋屈服强度fy、钢筋泊松比νs等[14～16]。温度场模拟时不考虑裂缝的影响，简支梁底面及两侧面受火。选取的初始参数如表1所示。

1.2 WNN输入、输出参数

频率反映结构整体刚度的变化，振型则对结构局部损伤较为敏感。在现场实测时，低阶模态较为容易和准确的获得，此外火灾下振动测试只能采用环境激励，因此火灾下及火灾后的损伤识别需合理利用低阶频率和振型组合作为WNN的输入。本文选取的组合参数CPFM详见式(1)[17]

表1 初始参数选取

图2 简支梁模型

CPFM={FR1，FR2，…，FRm；MO1，MO2，…,MOn}

(1)

式中FRi损伤识别所用第i阶频率，MOi=(φi1，φi2，…，φiq)为第i阶模态对应q个测试自由度归一化振型向量，算式为

φij=φij/(φij)max， (j=1，2，…，q)

(2)

式中：φij为第i阶模态对应于j个测试自由度分量。

通常情况下，针对梁结构可利用截面抗弯刚度及承载力的降低来反映其损伤程度，但二者最终均与其受火时间有关，即可通过标准升温曲线的受火时间确定截面温度分布，进而确定截面刚度和抗弯承载力，基于上述分析，定义WNN的输出为标准升温曲线下各跨受火时间tf。WNN结构通过自编MATLAB程序实现，所以采用的WNN拓扑结构为12-12-1：输入层具有12个节点，表示简支梁前2阶频率、振型组合值CPFM，隐含层有12个节点，输出层具有1个节点，为网络预测的受火时间tf ′，测点为梁跨范围4等分点处，详见图3。

图3 传感器布置 (mm)

训练样本选取：采用ISO-834标准升温曲线三面升温，tf范围为0～150 min，间隔10 min，即0，10 min，20 min，…，140 min，150 min共计16种受火工况，提取前2阶平面内模态信息计算组合参数CPFM，建立CPFM与受火时间tf的样本库。通过参数初始化函数获得网络权值，传递函数为适应性较高的Morlet母小波基函数，训练WNN，训练次数为100次，此时达到了收敛状态。

根据工程实际经验，收敛准则ER设定为≤5%；考虑梁跨均匀受火，对其MAC影响相对较小，此处取值为≥0.95。

综上分析，简支梁火灾损伤识别流程详见图4。

(3)

(4)

为验证该方法的有效性，选取受火真实值测试样本分别为：65 min、95 min、125 mim、155 mim，同时为验证WNN鲁棒性，对真实值加噪5%。根据图4步骤，火灾下与火灾后的受火时间预测值及ER、MAC值详见表2、3。

图4 简支梁火灾损伤识别方法

样本编号预测值/min真实值/minER/%MAC159653.220.99293950.600.9931271250.820.9941511550.870.99

表3 简支梁火灾后损伤识别结果误差

根据上述分析，测试样本火灾下及火灾后真实值与预测值计算结果详见图5。对表2、表3及图5的结果进行综合分析，可得出以下结论：

(1) 受火时间真实值与预测值较为接近，说明本文提出的识别方法具有准确率较高且具有一定的容错性和鲁棒性，该方法可有效实现tf预测，较好的达到目标模型的收敛要求；

(2) 由简支梁的刚度及承载力预测值可知，本文选取的WNN输入及输出参数是合理有效的，特别是输出参数tf的选用，其作为中介桥梁将结构模态参数变化与刚度、承载力的降低有效联系起来，具有一定的工程实用价值；

(3) 从图5刚度、承载力衰减曲线可知，火灾下和火灾后损伤程度并不相同，火灾后由于混凝土材料重组，体积膨胀加剧内部结构破坏，较火灾下刚度损失严重，且随受火时间增大，二者差异越小，火灾下钢筋屈服强度受温度制约，抗弯承载力存在急剧下降段，但火灾后其内部产生了相变，强度恢复明显。

(a) 简支梁火灾下损伤识别结果

(b) 简支梁火灾后损伤识别结果

(d) 简支梁火灾后刚度预测结果

(e) 简支梁火灾下承载力预测结果

(f) 简支梁火灾后承载力预测结果

图5 简支梁火灾损伤WNN预测结果

Fig.5 The wavelet neural network prediction of fire damage of simply-supported beams

2 混凝土连续梁损伤识别方法

2.1 分步识别方法的提出

图6 三跨连续梁模型

为了分析截面力学性能随受火时间的衰减规律，定义火灾下截面抗弯刚度、承载力与常温下的比值为相应力学性能折减系数，分别为α、β，其计算方法与简支梁一致。截面抗弯刚度考虑截面温度U型分布，采用离散网格方法，分区域刚度叠加。截面抗弯承载力采用等温线折减方式，简化为常温下T型梁进行计算。结果详见图7、图8。

图7 火灾下抗弯刚度折减系数

图8 火灾下抗弯承载力折减系数

据上述简支梁抗火性能计算可知：tf≤30 min时，抗弯承载能力下降10%左右，刚度下降25%左右，考虑结构正常使用，将tf≤30 min时按tf=30 min近似计算，此近似处理是偏于安全的。

根据上述分析，能否降低WNN的计算量成为使用上述方法的关键。针对此思路本文提出了如下的分步识别方法：

三跨连续梁损伤识别流程详见图9。

图9 连续梁分步损伤识别方法

2.2 三跨连续梁数值模拟

表4 连续梁火灾下三步识别结果误差

表5 连续梁火灾后三步识别结果误差

图10 三跨连续梁火灾下损伤识别结果

三跨连续梁截面抗弯承载力、刚度计算结果与简支梁类似，限于篇幅不再赘述。

通过上述数值模拟，结论如下：

(1) 三步识别方法能在识别过程中有效避免数据庞大，网络爆炸等大样本识别问题，准确预测出各跨受火时间tfi，真实还原结构损伤状态；

(2) 在有限的样本数据内，WNN具有良好的泛化能力，此外网络还具有良好的容错性和鲁棒性，即使加入5%噪声，仍可对受火时间tfi进行较准确的识别；

图11 三跨连续梁火灾后损伤识别结果

(3) 三步识别方法采取简化样本，缩小样本区间，逐步逼近真实受火时间tfi的识别策略，可为复杂结构火灾损伤识别提供借鉴。

3 混凝土简支梁火灾试验

3.1 试验目的及方案

由于火灾后损伤识别较火灾下对结构的加固修复更有意义，故本次试验以混凝土简支梁为研究对象，重点研究其火灾后的损伤识别。简支梁设计几何尺寸为长宽高分别为L×B×H= 3 000 mm ×250 mm×400 mm，共计4根，模拟60 min、90 min、120 min、150 min火灾损伤工况，编号L1～L4，试验工况详见表6，试验在青岛理工大学结构实验室进行。混凝土强度标号为C35，钢筋采用HRB400，试件两端分别设置铰支座和滚动支座，配筋详见图2，试验前进行材料力学性能测试，混凝土抗压强度实测结果为40.7 MPa钢筋测试结果详见表7。

表6 试验工况表

表7 钢筋力学性能试验结果

火灾过程中振动信息采集采用DH5922N通用型动态信号测试分析系统，拾振器采用CF0926磁电式速度传感器。测量频率范围为10～1 000 Hz，温度适用范围为(-10～+50)℃。火灾试验布置详见图12，火灾试验照片详见图13。

1-炉盖； 2-加速度传感器； 3-冷却套筒； 4-试验梁； 5-热电偶； 6-水管； 7、8-支座； 9-混凝土底座； 10-喷火口； 11-火灾炉； 12-防火砖； 13-水循环系统； 14-速度信号采集系统； 15-温度采集系统； 16-水箱； 17-水泵。

图12 简支梁火灾试验布置

Fig.12 The fire experiment of simply-supported

图13 简支梁火灾试验

为获取前3阶模态信息，分别将拾振器布置在简支梁4等分点位置处，如图3所示。动力特性测试方式需根据实测环境进行选择，火荷载自然激励效果明显，能有效实测出低阶模态。速度传感器通常情况下用于地震动信号采集，常温条件可发挥其最佳性能，为了适应火灾过程中的高温测试条件，加设水循环装置对其进行降温防护，即：水循环装置内置封闭空腔，经水流作用将筒内热量实时带走，从而实现快速降温。

3.2 火灾前、后振动测试

火灾前、后采用锤击激励较为方便有效。首先将梁顶面打磨平整，然后用单组分硫化硅橡胶将传感器与简支梁顶面黏结。通过力锤敲击跨中，拾取简支梁振动信号，具体测试结果详见表8。基频描述为1个半弧，二阶频率为2个半弧。传感器布置及信号采集详见图3、图14。

3.3 基于有限元模型修正

为准确识别火灾后简支梁损伤程度，减小由于初始有限元模型误差对识别结果产生的影响，本文对火灾前初始有限元模型进行修正。通过初始有限元模型修正，目的是充分考虑初始模型边界条件及物理参数真值对识别结果产生的影响。

图14 信号采集

试件基频火灾前基频火灾后二阶火灾前二阶火灾后L1146.4884.21463.87292.85L2136.9177.27455.92252.18L3136.8374.62458.98234.03L4136.7271.51454.10216.41

修正过程中，选取简支梁支座偏移、支座刚度、混凝土弹性模量、混凝土密度作为有限元模型修正的待修正物理参数参数库。拾取火灾前前3阶实测模态信息(频率、振型)，构造WNN输入参数CPFM，并参考文献[17]中提出的分步有限元模型修正方法，对各物理参数进行修正。物理参数修正结果详见表9。

基于物理参数修正值，并叠加火灾过程中实测温度场发展，模拟火灾前及火灾后结构振动特性发展规律，并与实测及修正前频率衰减规律进行对比，以L4为例，火灾前频率对比如图15所示；火灾下频率对比如图16所示。通过实测结果及有限元模拟可得：

(1) 由图15可得，修正后的频率较修正前更接近实测值，且在第1、2阶更明显，由此可说明对初始有限元模型进行修正必要的；

(2) 由图16可得，由于试验过程中伴随着开裂、爆裂及其他劣化因素的影响，火灾下结构实测频率值呈现波动式衰减规律，且修正后的频率值与实测值较吻合，可进一步说明有必要考虑实际边界条件对结构响应的影响。

图15 L4模型修正结果对比

表9 初始边界条件修正结果

图16 L4火灾下基频对比

3.4 火灾后简支梁静力试验

对于经历火灾损伤的简支梁，进行灾后力学性能评估显得尤为重要。在简支梁跨中及支座位置处分别布设位移计，采用三等分点加载方式获取荷载-挠度曲线，即液压千斤顶通过分配钢梁加载到试件三分点处，梁跨中位置属于不受剪力，纯弯曲区域，加载试验照片如图17所示。

图17 静力加载试验

根据《混凝土结构试验方法标准》(GBT 0152— 2012)规定进行加载。加载初期，当施加荷载小于40 kN时，结果显示该阶段内具有较好的线性变形能力，可认为是初始刚度变化。随着荷载增大，纯弯段区域内出现明显的横向裂缝，随着荷载进一步增大，横向裂缝向梁顶区域发展且逐渐增多，最后在跨中纯弯曲位置附近，受压区混凝土被压碎，发生适筋梁正截面受弯破坏。实测跨中挠度曲线如图18所示，理论值与试验值对比如表10所示。

图18 简支梁跨中挠度曲线

经上述分析可以得出如下结论：

(1) L1-L4经历火灾损伤后，其极限承载力、刚度的变化均与受火时间呈反比；

(2) 极限承载力理论值与试验值误差较小，刚度误差较大，这主要是由于除刚度计算网格划分误差外，均存在混凝土爆裂现象，且L4的爆裂现象尤为明显。

3.5 等效爆火时间

在建筑结构火灾相关研究文献中，除较多采用ISO834国际标准升温曲线进行研究外，还有的采用火灾实际升温曲线，且有的国家规范给出的升温曲线并不是ISO834 (如美国采用ASTM E119升温曲线等)，为了对不同试验结果进行对比，需要将国际标准升温曲线与真实升温值联系起来，进行热量传输损伤等效。现有做法通常采用等效爆火时间，即将实际升温时间转化为等效爆火时间，等效爆火时间为与实际升温曲线下方的面积相等的标准升温曲线所对应的时间[20]，如图19所示。火灾试验实测升温曲线见图20。

表10 理论值与试验值对比

图19 等效爆火时间示意图

由图20分析可知，0 ℃～600 ℃温度快速升高；达到600 ℃后，轻质柴油达到轰然点，温度上升缓慢；温度达到800 ℃以后，炉内温度基本保持不变；最后进入火灾后降温阶段。在火灾试验后期，火灾炉实际升温曲线与ISO834标准升温曲线相差较大，主要是由于火灾炉多年使用导致其保温性变差，使得二者存在一定差距。火灾试验过程中，其中L2、L3升温曲线初期较L1、L4相比升温较快，这主要是由于火灾试验时间安排所致，L1～L3火灾试验过程中，每天进行一根梁的试验，而L4与L3试验时间相差2天，炉内潮湿度变高导致其升温偏慢。