本發(fā)明涉及混凝土中鋼筋腐蝕速率的預測方法，具體是一種混凝土中鋼筋腐蝕速率的概率預測方法。

背景技術：

受混凝土碳化和氯離子侵蝕作用的影響，在役鋼筋混凝土結構往往發(fā)生鋼筋腐蝕，導致耐久性退化。由于鋼筋腐蝕速率是決定鋼筋混凝土結構耐久性退化快慢的關鍵參數(shù)，所以鋼筋腐蝕速率的分析與預測對于在役鋼筋混凝土結構的服役壽命評估和維護加固決策具有重要意義。

中國專利申請201010253580.7公開了一種鋼筋混凝土在線腐蝕檢測儀及方法，利用由圓盤電極、極化回路和電流約束回路組成的檢測儀裝置測試混凝土中的鋼筋腐蝕速率。

中國專利申請201220065238.9公開了一種測量混凝土中鋼筋宏電池電流腐蝕速率的裝置。該裝置由集成運放、多階低通濾波器、ad轉換器、電腦連接線、液晶顯示屏、高速單片機、集成運放、參比電極、溫度感應器以及電阻和導線組成，能夠測量鋼筋腐蝕宏電流以及陽極和陰極耦合后的腐蝕電位。

上述兩種現(xiàn)場測試方法均需要配置特殊的檢測儀裝置，而且由于鋼筋腐蝕速率的現(xiàn)場測試精度受測點位置、鋼筋空間分布、環(huán)境溫度和相對濕度、以及混凝土中氯離子含量的影響，導致測試結果離散性較大。鑒于此，國內(nèi)外學者基于鋼筋腐蝕速率的試驗數(shù)據(jù)，建立了混凝土中鋼筋腐蝕速率的確定性經(jīng)驗預測模型。

2004年蔣德穩(wěn)、李果、袁迎曙發(fā)表的一篇名稱為《混凝土內(nèi)鋼筋腐蝕速度多因素影響的試驗研究》的論文中，基于人工氣候環(huán)境下的鋼筋加速腐蝕試驗數(shù)據(jù)，綜合考慮水灰比、環(huán)境溫度和環(huán)境相對濕度的影響，建立了鋼筋腐蝕速率的確定性經(jīng)驗預測模型。

2004年李果發(fā)表的一篇名稱為《鋼筋混凝土耐久性的環(huán)境行為與基本退化模型研究》的學位論文中，考慮環(huán)境相對濕度、水灰比和氯離子含量的影響，建立了氯鹽環(huán)境下鋼筋腐蝕速率的確定性經(jīng)驗預測模型。

2009年pour-ghazm.、isgoro.b.和ghodsp.發(fā)表于《corrosionscience》的一篇名稱為《theeffectoftemperatureonthecorrosionofsteelinconcrete.part1:simulatedpolarizationresistancetestsandmodeldevelopment》的論文中，綜合考慮溫度、極限電流密度和混凝土電阻率的影響，建立了鋼筋腐蝕速率的確定性經(jīng)驗預測模型。

2013年毋銘發(fā)表的一篇名稱為《混凝土中鋼筋的腐蝕機理及腐蝕速率實用預測模型研究》的學位論文中，以混凝土的水灰比、氯離子含量以及空氣相對濕度作為控制參數(shù)，建立了鋼筋腐蝕速率的確定性經(jīng)驗預測模型，但是無法考慮環(huán)境溫度對鋼筋腐蝕速率的影響。

上述混凝土中鋼筋腐蝕速率的確定性經(jīng)驗預測模型，是基于最小二乘法回歸分析確定的，只能從均值意義上保證預測結果的總體最優(yōu)，無法描述混凝土中鋼筋腐蝕速率的概率分布特性。然而，由于混凝土原材料、混凝土內(nèi)部缺陷和孔隙分布、以及鋼筋的空間分布存在隨機性，導致在相同的材料參數(shù)和環(huán)境條件下，混凝土中的鋼筋腐蝕速率往往具有顯著的隨機性。

技術實現(xiàn)要素：

本發(fā)明的目的是提供一種混凝土中鋼筋腐蝕速率的概率預測方法，能夠克服傳統(tǒng)確定性經(jīng)驗預測模型所存在的缺陷。

本發(fā)明的技術方案是：一種混凝土中鋼筋腐蝕速率的概率預測方法，包括以下步驟：

(1)產(chǎn)生概率模型參數(shù)的隨機樣本點：確定概率模型參數(shù)θi(i＝1,2,…,6)的概率分布類型、均值、標準差和相關系數(shù)，并利用蒙特卡洛法進行隨機抽樣，每個概率模型參數(shù)θi(i＝1,2,…,6)產(chǎn)生n個隨機樣本點θij(i＝1,…2,j＝,6；n)；

(2)計算鋼筋腐蝕速率的隨機樣本點：根據(jù)混凝土的水灰比rw/c和氯離子含量ccl-，以及混凝土結構所在環(huán)境的溫度t和相對濕度rrh，結合步驟(1)中概率模型參數(shù)θi(i＝1,2,…,6)的隨機樣本點θij(i＝1,2,…,6；j＝1,2,...,n)，利用鋼筋腐蝕速率icorr的隨機樣本點計算模型，計算鋼筋腐蝕速率icorr的n個隨機樣本點icorr,j(j＝1,2,...,n)，所述的鋼筋腐蝕速率icorr的隨機樣本點icorr,j(j＝1,2,...,n)的計算模型為：

式中，icorrj,(j＝1,2,...,n)為鋼筋腐蝕速率的第j個隨機樣本點，單位為μa/cm²；θij(i＝1,2,…,6；j＝1,2,...,n)為概率模型參數(shù)θi(i＝1,2,…,6)的第j個隨機樣本點；rw/c為水灰比；為混凝土中氯離子含量占混凝土質(zhì)量的百分比；t為混凝土結構所在環(huán)境的溫度，單位為℃；rrh為混凝土結構所在環(huán)境的相對濕度，單位為％；ξ為標準正態(tài)分布隨機變量；

(3)計算鋼筋腐蝕速率的均值和標準差：根據(jù)步驟(2)中鋼筋腐蝕速率icorr的n個隨機樣本點icorr,j(j＝1,2,...,n)，利用鋼筋腐蝕速率icorr的均值和標準差計算模型，計算鋼筋腐蝕速率icorr的均值和標準差所述的鋼筋腐蝕速率icorr的均值和標準差計算模型分別為：

式中，n為隨機樣本點的數(shù)目。

所述的概率模型參數(shù)θi(i＝1,2,…,6)的概率分布類型、均值標準差和相關系數(shù)為：

所述的隨機樣本點的數(shù)目n的范圍為5000到1000000。

本發(fā)明的有益效果在于：

綜合考慮混凝土的水灰比和氯離子含量，以及混凝土結構所在環(huán)境的溫度和相對濕度的影響，首次提出一種混凝土中鋼筋腐蝕速率的概率預測方法，不僅能夠合理描述混凝土中鋼筋腐蝕速率的概率分布特性，而且還能夠校準傳統(tǒng)確定性經(jīng)驗預測模型的預測精度，從而克服傳統(tǒng)確定性經(jīng)驗預測模型無法描述混凝土中鋼筋腐蝕速率的概率分布特性所存在的缺陷。

附圖說明

圖1概率模型參數(shù)θ1的10000個隨機樣本點。

圖2概率模型參數(shù)θ2的10000個隨機樣本點。

圖3概率模型參數(shù)θ3的10000個隨機樣本點。

圖4概率模型參數(shù)θ4的10000個隨機樣本點。

圖5概率模型參數(shù)θ5的10000個隨機樣本點。

圖6概率模型參數(shù)θ6的10000個隨機樣本點。

圖7概率模型參數(shù)θ1和θ2之間的散點分布和相關系數(shù)

圖8概率模型參數(shù)θ1和θ4之間的散點分布和相關系數(shù)

圖9鋼筋腐蝕速率icorr的10000個隨機樣本點。

圖10本發(fā)明的預測值以及確定性經(jīng)驗預測模型a1、a2和a3的預測值與實測值的對比分析。

圖11鋼筋腐蝕速率icorr的10000個隨機樣本點。

圖12本發(fā)明的預測值以及確定性經(jīng)驗預測模型a1、a2和a3的預測值與鋼筋腐蝕速率的測試值的對比分析。

具體實施方式

下面通過具體實施例對本發(fā)明的技術方案以及有效性和優(yōu)越性作進一步說明。

實施例1

本實例為利用本發(fā)明確定混凝土中鋼筋腐蝕速率的概率預測值，并與傳統(tǒng)確定性經(jīng)驗預測模型的計算值以及鋼筋腐蝕速率的實測值進行對比分析的具體實例，包括以下步驟：

(1)產(chǎn)生概率模型參數(shù)的隨機樣本點：

確定概率模型參數(shù)θi(i＝1,2,…,6)的概率分布類型、均值、標準差和相關系數(shù)，如表1：

表1θi(i＝1,2,…,6)的概率分布類型、均值標準差和相關系數(shù)

根據(jù)表1中概率模型參數(shù)θi(i＝1,2,…,6)的概率分布類型、均值、標準差和相關系數(shù)，利用蒙特卡洛法進行隨機抽樣，每個概率模型參數(shù)θi(i＝1,2,…,6)產(chǎn)生n個隨機樣本點θij(i＝1,2,…,6；j＝1,2,...,n)。本實例的樣本數(shù)目選取為n＝10000。概率模型參數(shù)θ1、θ2、θ3、θ4、θ5、θ6各自的10000個隨機樣本點分別如圖1至圖6所示；利用概率模型參數(shù)θ1、θ2、θ3、θ4、θ5、θ6各自的10000個隨機樣本點，可以進一步分析概率模型參數(shù)之間的相關系數(shù)，以概率模型參數(shù)θ1和θ2以及θ1和θ4為例，其散點分布和相關系數(shù)分別如圖7和圖8所示。

(2)計算鋼筋腐蝕速率的隨機樣本點：

根據(jù)混凝土結構的配合比設計資料和現(xiàn)場測試數(shù)據(jù)可知，混凝土的水灰比rw/c＝0.43、氯離子含量ccl-＝0.14，混凝土結構所在環(huán)境的溫度t＝39.41℃、相對濕度rrh＝75％。將步驟(1)中概率模型參數(shù)的隨機樣本點θij(i＝1,2,…,6；j＝1,2,...,10000)，帶入鋼筋腐蝕速率icorr的隨機樣本點計算模型

計算得到鋼筋腐蝕速率icorr的10000個隨機樣本點，如圖9所示。

(3)計算鋼筋腐蝕速率的均值和標準差：

由步驟(2)中得到的鋼筋腐蝕速率icorr的10000個隨機樣本點icorr,j(j＝1,2,...,10000)，利用鋼筋腐蝕速率icorr的均值和標準差計算模型計算鋼筋腐蝕速率icorr的均值和標準差

為了驗證本發(fā)明的有效性和適用性，選取國內(nèi)外現(xiàn)有的混凝土中鋼筋腐蝕速率的三種確定性經(jīng)驗預測模型進行對比分析，分別為：模型a1(參見論文(1)蔣德穩(wěn),李果,袁迎曙.混凝土內(nèi)鋼筋腐蝕速度多因素影響的試驗研究[j].混凝土,2004,(7):3-4+11)、模型a2(參見論文(2)李果.鋼筋混凝土耐久性的環(huán)境行為與基本退化模型研究[d].徐州：中國礦業(yè)大學建筑工程學院，2004.)和模型a3(參見論文(3)pour-ghazm.,isgoro.b.,ghodsp.theeffectoftemperatureonthecorrosionofsteelinconcrete.part1:simulatedpolarizationresistancetestsandmodeldevelopment[j].corrosionscience,2009,51(2):415-425.)。根據(jù)混凝土的水灰比rw/c＝0.43、氯離子含量以及混凝土結構所在環(huán)境的溫度t＝39.41℃和相對濕度rrh＝75％，利用模型a1、模型a2和模型a3分別計算混凝土中的鋼筋腐蝕速率，分別記為和

根據(jù)本發(fā)明所確定的鋼筋腐蝕速率icorr的均值和標準差經(jīng)過k-s檢驗，混凝土中鋼筋腐蝕速率不拒絕服從正態(tài)分布，所以可以根據(jù)本發(fā)明所確定的鋼筋腐蝕速率icorr的均值和標準差，利用概率密度分布來描述鋼筋腐蝕速率icorr的概率分布特性，如圖10所示。由圖10可知，由本發(fā)明所確定的均值鋼筋腐蝕速率的實測值說明本發(fā)明的均值與實測值吻合較好，預測精度較高；由模型a1、模型a2、模型a3計算的鋼筋腐蝕速率分別為和由圖10可知，三個確定性經(jīng)驗預測模型的預測結果相差較大，其中模型a1的預測結果明顯偏大，而模型a2的預測結果明顯偏小。

實施例2

本實例為確定混凝土中鋼筋腐蝕速率的概率預測值的具體實例，包括以下步驟：

(1)產(chǎn)生概率模型參數(shù)的隨機樣本點：

確定概率模型參數(shù)θi(i＝1,2,…,6)的概率分布類型、均值、標準差和相關系數(shù)，如表1。根據(jù)表1中概率模型參數(shù)θi(i＝1,2,…,6)的概率分布類型、均值、標準差和相關系數(shù)，利用蒙特卡洛法進行隨機抽樣，每個概率模型參數(shù)θi(i＝1,2,…,)6產(chǎn)生n個隨機樣本點θij(i＝1,2,…,6；j＝1,2,...,n)。本實例的樣本數(shù)目選取為n＝10000。概率模型參數(shù)θ1、θ2、θ3、θ4、θ5、θ6各自的10000個隨機樣本點分別如圖1至圖6所示；利用概率模型參數(shù)θ1、θ2、θ3、θ4、θ5、θ6各自的10000個隨機樣本點，可以進一步分析概率模型參數(shù)之間的相關系數(shù)，以概率模型參數(shù)θ1和θ2以及θ1和θ4為例，其散點分布和相關系數(shù)分別如圖7和圖8所示。

(2)計算鋼筋腐蝕速率的隨機樣本點：

根據(jù)混凝土結構的配合比設計資料和現(xiàn)場測試數(shù)據(jù)可知，混凝土的水灰比rw/c＝0.43、氯離子含量以及混凝土結構所在環(huán)境的溫度t＝33℃、相對濕度rrh＝75％。將步驟(1)中概率模型參數(shù)的隨機樣本點θij(i＝1,2,…,6；j＝1,2,...,10000)，帶入鋼筋腐蝕速率icorr的隨機樣本點計算模型

計算得到鋼筋腐蝕速率icorr的10000個隨機樣本點，如圖11所示。

(3)計算鋼筋腐蝕速率的均值和標準差：

由步驟(2)中得到的鋼筋腐蝕速率icorr的10000個隨機樣本點icorr,j(j＝1,2,...,10000)，利用鋼筋腐蝕速率icorr的均值和標準差計算模型計算鋼筋腐蝕速率icorr的均值和標準差

在混凝土結構上選取兩個相鄰測試點測試鋼筋腐蝕速率，實測值分別為和說明這兩個相鄰測點的鋼筋腐蝕速率的實測值存在差異，其主要原因在于混凝土原材料、混凝土內(nèi)部缺陷和孔隙分布、以及鋼筋的空間分布存在隨機性，從而導致在相同的材料參數(shù)和環(huán)境條件下，兩個相鄰測點的鋼筋腐蝕速率的實測值存在差異。

根據(jù)本發(fā)明所確定的鋼筋腐蝕速率icorr的均值和標準差經(jīng)過k-s檢驗，混凝土中鋼筋腐蝕速率不拒絕服從正態(tài)分布，所以可以根據(jù)本發(fā)明所確定的鋼筋腐蝕速率icorr的均值和標準差，利用概率密度分布來描述鋼筋腐蝕速率icorr的概率分布特性，如圖12所示。同時，利用概率密度分布還可以校準傳統(tǒng)確定性經(jīng)驗預測模型的預測精度，如圖12所示。由圖12可知，模型a1的預測值遠大于實測值和本發(fā)明的均值，說明預測結果明顯偏大；相反，模型a2的預測值遠小于實測值和本發(fā)明的均值，說明預測結果明顯偏??；與模型a1和模型a2相比，模型a3的預測值與實測值和本發(fā)明的均值更加接近，說明模型a3的預測精度相對更高。

從以上兩個實例可以看出，本發(fā)明能夠根據(jù)混凝土的水灰比和氯離子含量，以及混凝土結構所在環(huán)境的溫度和相對濕度，確定混凝土中鋼筋腐蝕速率的均值和標準差，進而利用概率密度分布，不僅能夠合理描述混凝土中鋼筋腐蝕速率的概率分布特性，而且還能夠校準傳統(tǒng)確定性經(jīng)驗預測模型的預測精度，從而可以克服傳統(tǒng)確定性經(jīng)驗預測模型無法描述混凝土中鋼筋腐蝕速率的概率分布特性所存在的缺陷。