一种钢筋混凝土墩柱抗震破坏模式的判别方法与流程

本发明属于土木工程，具体涉及一种钢筋混凝土墩柱抗震破坏模式的判别方法，适用于在有地震风险区修建的钢筋混凝土桥梁结构，提供墩柱的抗震破坏模式判别方法。

背景技术：

1、桥梁作为公路项目中的关键性结构，墩柱更是桥梁结构中的重要构件，它直接承受了桥梁的上部结构和荷载，为桥梁上部结构提供所需的稳定支撑。因此，桥梁墩柱的破坏一直是设计人员关注的重点。

2、对地震作用下墩柱的破坏实例进行调查研究表明，地震作用下墩柱的破坏模式主要有三种形式：弯曲破坏、弯剪破坏、以及剪切破坏，其中弯曲破坏为延性破坏，弯剪破坏为半延性半脆性破坏，剪切破坏为脆性破坏。脆性破坏下墩柱的变形小、耗能差，多是突然破坏，从工程实践的角度应避免脆性破坏。而延性破坏前会出现位移过大或裂缝增多等指标，有利于及时发现并采取修补措施，避免墩柱破坏造成桥梁坍塌。所以，如何准确地在设计之初确定墩柱可能的破坏模式尤为重要，可通过调整相关参数使墩柱破坏尽量控制在延性破坏模式。

3、目前，钢筋混凝土柱的地震破坏模式判别方法主要有单参数法和多参数法两大类，多参数又分为经验法和机器学习两类。已有的各种判别法仅对弯曲破坏的判别较为准确，但对于剪切破坏柱和弯剪破坏柱的判别仍有欠缺。当将柱子剪切破坏判别为弯曲破坏时，会高估柱子延性，这种判别结果对工程比较危险。

技术实现思路

1、本发明的目的在于针对现有技术存在的上述问题，提供一种钢筋混凝土墩柱抗震破坏模式的判别方法。

2、本发明的上述目的通过以下技术手段来实现：

3、一种钢筋混凝土墩柱抗震破坏模式的判别方法，包括以下步骤：

4、步骤1、获取墩柱破坏数据作为样本，样本包括弯曲破坏样本和非弯曲破坏样本，非弯曲破坏样本包括弯剪破坏样本和剪切破坏样本，根据弯曲破坏样本和非弯曲破坏样本生成第一模式判断训练组和第一模式判断测试组，根据弯剪破坏样本和剪切破坏样本生成第二模式判断训练组和第二模式判断测试组；

5、步骤2、建立小提琴图-knn混合模型的概率分析函数，小提琴图-knn混合模型的概率分析函数包括小提琴图和knn函数，并通过高斯核密度函数对小提琴图进行优化得到高斯核小提琴图；

6、步骤3、获得在进行弯曲破坏模式和非弯曲破坏模式的判别时第一模式判断训练组对应的高敏感度参数，以及在进行弯剪破坏模式和剪切破坏模式的判别时第二模式判断训练组对应的高敏感度参数；

7、步骤4、设定knn函数的近邻个数k，将第一模式判断测试组中的墩柱破坏数据作为待判别的墩柱破坏数据，并连同第一模式判断训练组对应的高敏感度参数代入到knn函数中获取计算类别；将第二模式判断测试组中的墩柱破坏数据作为待判别的墩柱破坏数据，并连同第二模式判断训练组对应的高敏感度参数代入到knn函数中获取计算类别；

8、步骤5、根据第一模式判断测试组对应的计算类别和第二模式判断测试组对应的计算类别分别调整对应的knn函数的近邻个数k。

9、如上所述步骤2中knn函数基于以下公式：

10、

11、式中，y为待判别的墩柱破坏数据的计算类别，k为待判别的墩柱破坏数据的近邻个数，m是近邻样本序号，i为指示函数，当ym＝cj时i的函数值为1，否则i的函数值为0；argmax是i函数之和最大时的cj；

12、进行弯曲破坏模式和非弯曲破坏模式的判别时：cj是弯曲破坏模式或非弯曲破坏模式，ym为第一模式判断训练组中第m个近邻样本的墩柱破坏模式类别；

13、进行弯剪破坏模式和剪切破坏模式的判别时：cj是弯剪破坏模式或剪切破坏模式，ym为第二模式判断训练组中第m个近邻样本的墩柱破坏模式类别。

14、如上所述步骤2中高斯核小提琴图基于以下公式：

15、

16、且

17、式中，x是相关参数类别，为含带宽参数核密度函数；i为样本序号，h为带宽参数；q1为高斯分布的25％分位数对应的样本的相关参数的实测值；q3为高斯分布的75％分位数对应的样本的相关参数的实测值；iqr为q3-q1；

18、进行弯曲破坏模式和非弯曲破坏模式的判别时：n为第一模式判断训练组中的样本数量，xi为第一模式判断训练组中的第i个样本的相关参数的实测值，墩柱破坏模式类别包括弯曲破坏模式和非弯曲破坏模式；

19、进行弯剪破坏模式和剪切破坏模式的判别时：n为第二模式判断训练组中的样本数量，xi为第二模式判断训练组中的第i个样本的相关参数的实测值，墩柱破坏模式类别包括弯剪破坏模式和剪切破坏模式。

20、如上所述步骤3中获得进行弯曲破坏模式和非弯曲破坏模式的判别时第一模式判断训练组对应的高敏感度参数包括以下步骤：

21、步骤3.1.1、根据各类相关参数的弯曲破坏到非弯曲破坏的均值变化率生成第一数据组a，具体包括以下过程：

22、首先，对于第一模式判断训练组的其中一类相关参数：弯曲破坏到非弯曲破坏的均值变化率＝非弯曲破坏样本的相关参数均值减去弯曲破坏样本的相关参数均值得到的差值再除以弯曲破坏样本的相关参数均值；

23、然后，将第一模式判断训练组中各类相关参数从前至后依次排列重新排列生成第一数据组a，第一数据组a中从前至后的各类相关参数对应的相关参数均值变化率依次降低；

24、步骤3.1.2、根据第一模式判断训练组绘制各类相关参数对应的高斯核小提琴图，根据各类相关参数对应的高斯核小提琴图形状以及各类相关参数分别在弯曲破坏模式下和弯剪破坏模式下的25％分位数q1、75％分位数q3、以及50％分位数q2选取相关参数加入第二数据组a中，具体包括以下过程：

25、首先，对于第一模式判断训练组中的其中一类相关参数：若选取类别的相关参数的弯剪破坏模式下的各个分位数分别减去弯曲破坏模式下对应类别的分位数的差值再分别除以弯曲破坏模式下对应类别的分位数后得到的值均小于设定值，则将选取类别的相关参数加入到第二数据组a；

26、然后，通过上述方法遍历第一模式判断训练组中所有类别的相关参数；

27、步骤3.1.3、最后在第一数据组a中选取前r类相关参数，并剔除掉第二数据组a中的相关参数，作为第一模式判断训练组对应的高敏感度参数。

28、如上所述步骤3中获得进行弯剪破坏模式和剪切破坏模式的判别时第二模式判断训练组对应的高敏感度参数包括以下步骤：

29、步骤3.2.1、根据各类相关参数的弯剪破坏到剪切破坏的均值变化率生成第一数据组b，具体包括以下过程：

30、首先，对于第二模式判断训练组的其中一类相关参数：弯剪破坏到剪切破坏的均值变化率＝弯剪破坏样本的相关参数均值减去剪切破坏样本的相关参数均值得到的差值再除以剪切破坏样本的相关参数均值；

31、然后，将第二模式判断训练组中各类相关参数从前至后依次排列重新排列生成第一数据组b，第一数据组b中从前至后的各类相关参数对应的相关参数均值变化率依次降低；

32、步骤3.2.2、根据第二模式判断训练组绘制各类相关参数对应的高斯核小提琴图，根据各类相关参数对应的高斯核小提琴图形状以及各类相关参数分别在弯剪破坏模式下和剪切破坏模式下的25％分位数q1、75％分位数q3、以及50％分位数q2选取相关参数加入第二数据组b中，具体包括以下过程：

33、首先，对于第二模式判断训练组中的其中一类相关参数：若选取类别的相关参数的剪切破坏模式下的各个分位数分别减去弯剪破坏模式下对应类别的分位数的差值再分别除以弯剪破坏模式下对应类别的分位数后得到的值均小于设定值，则将选取类别相关参数加入到第二数据组b；

34、然后，通过上述方法遍历第二模式判断训练组中所有类别的相关参数；

35、步骤3.2.3、最后在第一数据组b中选取前r类相关参数，并剔除掉第二数据组b中的相关参数，作为第二模式判断训练组对应的高敏感度参数。

36、如上所述步骤4中第一模式判断测试组中的墩柱破坏数据作为待判别的墩柱破坏数据，并连同第一模式判断训练组对应的高敏感度参数代入到knn函数中获取计算类别，具体包括：

37、设定弯曲破坏模式判断错误的个数为a，初始化a＝0；

38、步骤4.1.1、将第一模式判断测试组中的一个墩柱破坏数据作为待判别的墩柱破坏数据，根据步骤3获取第一模式判断训练组对应的高敏感度参数，再将第一模式判断训练组对应的高敏感度参数代入到knn函数中获得待判别的墩柱破坏数据的计算类别；

39、步骤4.1.2、将待判别的墩柱破坏数据的计算类别与待判别的墩柱破坏数据的实际类别进行比对，若是待判别的墩柱破坏数据的计算类别和待判别的墩柱破坏数据的实际类别一致，则判断正确；若是不一致，则判断错误，将a加1；

40、步骤4.1.3、将第一模式判断测试组中的其他墩柱破坏数据依次作为待判别的墩柱破坏数据执行步骤4.1.1和步骤4.1.2，直至第一模式判断测试组中的所有墩柱破坏数据全部判断完成；

41、步骤4.1.4、将弯曲破坏模式判断错误的个数a除以第一模式判断测试组中的样本数量，获得弯曲破坏模式判错率ρ1。

42、如上所述步骤4中将第二模式判断测试组中的墩柱破坏数据作为待判别的墩柱破坏数据，并连同第二模式判断训练组对应的高敏感度参数代入到knn函数中获取计算类别，具体包括：

43、设定弯剪破坏模式判断正确和判断错误的个数分别为b1和b0，剪切破坏模式判断正确和判断错误的个数分别为c1和c0，初始化b1＝0，b0＝0，c1＝0，c0＝0；

44、步骤4.2.1、将第二模式判断测试组中的一个墩柱破坏数据作为待判别的墩柱破坏数据，根据步骤3获得第二模式判断训练组对应的高敏感度参数，再将第二模式判断训练组对应的高敏感度参数代入到knn函数中获得待判别的墩柱破坏数据的计算类别；

45、步骤4.2.2、若待判别的墩柱破坏数据的计算类别为弯剪破坏模式，将待判别的墩柱破坏数据的计算类别与待判别的墩柱破坏数据的实际类别进行比对，若是待判别的墩柱破坏数据的计算类别和待判别的墩柱破坏数据的实际类别一致，则判断正确，将b1加1；若是不一致，则判断错误，将b0加1；

46、步骤4.2.3、若待判别的墩柱破坏数据的计算类别为剪切破坏模式，将待判别的墩柱破坏数据的计算类别与待判别的墩柱破坏数据的实际类别进行比对，若是待判别的墩柱破坏数据的计算类别和待判别的墩柱破坏数据的实际类别一致，则判断正确，将c1加1；若是不一致，则判断错误，将c0加1；

47、步骤4.2.4、将第二模式判断测试组中的其他墩柱破坏数据依次作为待判别的墩柱破坏数据执行步骤4.2.1、步骤4.2.2、以及步骤4.2.3，直至第二模式判断测试组中的所有墩柱破坏数据全部判断完成；

48、步骤4.2.5、将弯剪破坏模式判断错误的个数b0除以(b1+b0)，获得弯剪破坏模式判错率ρ2；

49、将剪切破坏模式判断错误的个数c0除以(c1+c0)，获得剪切破坏模式判错率ρ3。

50、如上所述步骤5包括以下步骤：

51、步骤5.1、增大近邻个数k，再根据第一模式判断测试组重复执行步骤4来获得不同近邻个数k对应的弯曲破坏模式判错率ρ1；再根据第二模式判断测试组重复执行步骤4来获得不同近邻个数k对应的弯剪破坏模式判错率ρ2、以及不同近邻个数k对应的剪切破坏模式判错率ρ3；

52、步骤5.2、设定判错率限值ψ，当连续3个近邻个数k对应的弯曲破坏模式判错率ρ1的差值不超过设定值时，若此时最大的弯曲破坏模式判错率ρ1小于判错率限值ψ，则记录3个近邻个数k中最小的近邻个数k为k1，k1为判断待判别的墩柱破坏数据的墩柱破坏模式类别是弯曲破坏模式还是非弯曲破坏模式设定的近邻个数k；

53、当连续3个近邻个数k对应的弯剪破坏模式判错率ρ2的差值和剪切破坏模式判错率ρ3的差值均不超过设定值时，若此时最大的弯剪破坏模式判错率ρ2和最大的剪切破坏模式判错率ρ3均小于判错率限值ψ，则记录3个近邻个数k中最小的近邻个数k为k2，k2为判断待判别的墩柱破坏数据的墩柱破坏模式类别是弯剪破坏模式和剪切破坏模式设定的近邻个数k；

54、步骤5.3、若步骤5.2中最大的弯曲破坏模式判错率ρ1大于等于判错率限值ψ、或最大的弯剪破坏模式判错率ρ2大于等于判错率限值ψ、或最大的剪切破坏模式判错率ρ3大于等于判错率限值ψ时，返回并使用r+1再次执行步骤3，从而重新选取高敏感度参数，然后根据新选取的高敏感度参数重新执行步骤4和步骤5，直至获得符合步骤5.2的k1和k2。

55、本发明相对于现有技术，具有以下有益效果：

56、(1)、本发明根据近邻个数k基于knn函数获取计算类别，可以在已有墩柱破坏数据库的基础上对已有或待建的钢筋混凝土的墩柱破坏模式类别进行判别，且相比现有技术，本发明的方法可以在保证弯曲破坏判别准确率的同时提高剪切破坏和弯剪破坏的判别准确率。

57、(2)、本发明判别结果快速准确，可在墩柱设计阶段基于本发明的判别结果调整墩柱设计参数，提高设计效率和准确率，同时普适性良好，便于推广。