GRNN评估网络

免火场测温

用常规无损检测指标训练出的广义回归神经网络，避免了对火灾现场温度的依赖，可直接预测火灾后材料性能参数。

Hao, Chaowei · Baoyao, Lin · Wang, Mingfa · Wang, Laiyong · Xing, Dejin

Structural Engineering International: Journal of the International Association for Bridge and Structural Engineering (IABSE) 2023

参数信息

整体预测相对误差

10 %

钢材参数预测相对误差

5 %

技术优势

免火场测温

直接以回弹值、超声波速等常规无损检测指标为输入，不再需要反演火灾现场温度。

钢参数误差小于5%

由于混凝土热惯性好，火灾后钢材材料性能参数的预测相对误差小于5%，满足工程评估精度。

整体误差小于10%

预测火灾后桥梁关键性能参数的整体相对误差小于10%，可用于灾后快速评估。

应用场景

• 桥梁灾后评估：用现场无损检测数据快速评估桥梁剩余承载力，避免温度反演的不确定性。
• 结构健康监测：为灾后结构健康监测提供材料性能参数的快速估计，支持后续有限元分析。
• 无损检测数据分析：将常规无损检测数据直接转化为材料性能参数，提高NDT数据的利用价值。
• 工业设备评估：对火灾后的工业设备或结构进行快速性能评估，减少停机检测时间。