基于深度学习的RC梁集中塑性铰模型参数研究

集中塑性铰模型常被用于基于构件的结构弹塑性分析,计算精度依赖于模型参数的选取,但经验公式难以表征构件受力特性与模型参数的复杂非线性关系。该研究收集低周往复加载RC梁试验数据。建立构件试验数据库,采用捏拢型(pinch Ibarra-Medina-Krawinkler,Pinch-IMK)本构建立基于深度学习的RC梁构件集中塑性铰模型参数预测模型。基于试验数据对三折线骨架特征点参数、本构滞回参数进行参数辨识,得到182组骨架特征点参数数据和91组滞回参数数据;以构件特征参数为输入,以骨架特征点参数、滞回参数为输出,建立Pinch-IMK集中塑性铰RC梁构件参数深度学习预测模型HDLM。将HDLM预测骨架特征点参数与截面分析及现有经验公式等方法的计算结果作对比,可见HDLM预测结果有更高的精度;将基于HDLM预测参数计算的滞回曲线与基于经验公式的IMK模型计算结果进行对比,可见HDLM预测滞回曲线更为准确,能够较好地表现RC梁的强度退化、刚度退化和捏拢效应。