CN107870147B - 一种混凝土内钢筋初始锈蚀时间预测方法 - Google Patents

一种混凝土内钢筋初始锈蚀时间预测方法 Download PDF

Info

Publication number
CN107870147B
CN107870147B CN201711352472.3A CN201711352472A CN107870147B CN 107870147 B CN107870147 B CN 107870147B CN 201711352472 A CN201711352472 A CN 201711352472A CN 107870147 B CN107870147 B CN 107870147B
Authority
CN
China
Prior art keywords
chloride ions
time
concrete
chloride
critical concentration
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711352472.3A
Other languages
English (en)
Other versions
CN107870147A (zh
Inventor
兰成明
木辉提·吐尔汗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN201711352472.3A priority Critical patent/CN107870147B/zh
Publication of CN107870147A publication Critical patent/CN107870147A/zh
Application granted granted Critical
Publication of CN107870147B publication Critical patent/CN107870147B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
    • G01N17/006—Investigating resistance of materials to the weather, to corrosion, or to light of metals

Abstract

本发明涉及混凝土内钢筋腐蚀领域，具体涉及一种混凝土内钢筋初始锈蚀时间预测方法，所述方法为将氯离子扩散系数作为随机变量，根据经验确定一组氯离子扩散系数数据，结合氯离子在混凝土内的迁移模型，得到深度一定时达到氯离子临界浓度时间数据，构建氯离子扩散系数和达到氯离子临界浓度时间的响应面；实测一组达到氯离子临界浓度时间，利用所述响应面得到一组新的氯离子扩散系数；利用所述一组新的氯离子扩散系数结合所述氯离子在混凝土内的迁移模型得到一组钢筋深度处钢筋初始锈蚀时间数据，统计得到钢筋初始锈蚀时间的概率分布。

Description

一种混凝土内钢筋初始锈蚀时间预测方法
技术领域
本发明涉及土木工程结构健康监测领域，具体为一种混凝土内钢筋初始锈蚀时间预测方法。
背景技术
钢筋初始锈蚀时间的监测与预测是混凝土耐久性评估的难点问题，海蚀环境下氯离子侵蚀是导致混凝土内钢筋发生锈蚀的主要诱因，目前钢筋锈蚀监测主要分为物理和电化学两种手段，目的是表征钢筋或混凝土的电化学状态、物理状态及周围环境中的各类腐蚀诱导因素等。其中主要使用的方法有：(1)电化学监测方法：由于混凝土中钢筋腐蚀是一个电化学过程，电化学测量是反映其本质过程的重要手段，目前已有的电化学监测手段可简单分为测量电流、电压及电阻三大类。目前以电流为研究对象的电化学监测方法难以避免混凝土中随机性的杂散电流的干扰。以电压为研究对象的监测方法较难实现在线原位检测，其通常需对钢筋施加扰动，导致其所测数据与真实情况存在偏差。电阻测量的手段往往容易受到混凝土中湿度、离子浓度等因素的影响，波动较大。综合各项电化学指标的综合分析系统虽已提出，但对大量关联性较差数据的分析尚处于初期阶段。(2)物理监测方法，主要通过测定钢筋引起电阻、电磁、热传导、声波传播等物理特性的变化来反映钢筋腐蚀情况，主要方法有电阻探针法，X光照相法、涡流探测法、射线法、红外线热像法、声发射探测法等。物理方法的优点是操作方便，易于现场的原位测试，受环境的影响较小。它的缺点是物理方法测定钢筋锈蚀状况时容易受到混凝土中其他损伤因素的干扰，如微裂缝等，且建立物理测定指标和钢筋锈蚀量之间的对应关系比较困难，所以物理检测的方法对钢筋的锈蚀程度一般只能提供定性的结论，而难以提供定量的分析。(3)锈蚀影响因素监测方法，现有方法主要集中在氯离子浓度、pH值监测等方向，当其用于嵌入式在线监测时往往难以避免自身长期耐久性问题，当化学物质反映殆尽或被混凝土剥落会导致传感器失效；另外，影响参数与电阻率测试等电化学方法存在同样的问题在于其测量数据只能评估钢筋锈蚀的可能性，而不能定量判断钢筋的具体腐蚀情况，测试方法的可靠性偏低。(4)基于平面应力状态应力集中的锈蚀监测是最新出现的一种钢筋锈蚀监测方法，该方法基于构造监测敏感元件处于平面应力状态，锈蚀导致平面应力状态局部应力集中从而监测锈蚀，该方法较为新颖，但是目前还处于原理探索阶段，特别是基于平面应力状态应力集中的锈蚀监测数据处理方法并不完善，限制了该方法的广泛应用。
目前钢筋混凝土耐久性监测主要任务之一是解决钢筋初始锈蚀时间、锈蚀程度的预测问题。现有方法难以在不同深度上实现从时间序列上的定量分析与预测，采用单一指标或单一深度的数据进行分析会导致监测结果可靠性不足；同时，氯离子临界浓度锋面的移动与钢筋发生初始锈蚀直接相关，但现有的氯离子传感器由于制备工艺与使用材料限制，难以在混凝土环境中实现长时间原位监测，临界浓度锋面位置难以通过数值直接表征，钢筋发生锈蚀后锈蚀速率、锈蚀程度难以预测及定量分析；钢筋初始锈蚀时间受环境、混凝土材料及暴露区域影响，传统的确定性分析方法不能给出任一时刻钢筋锈蚀发生的可能性，无法判断某一时刻钢筋发生锈蚀的概率。
发明内容
针对上述问题，本发明提供一种混凝土内钢筋初始锈蚀时间预测方法。本发明将混凝土内钢筋初始锈蚀时间作为随机变量，利用其影响因素的随机变量概率分布，通过Bayesian理论对氯离子扩散系数概率分布函数进行逐步更新实现对混凝土内钢筋初始锈蚀时间概率分布的更新。
本发明是通过一下技术方案实现的：
一种混凝土内钢筋初始锈蚀时间预测方法，
所述方法为将氯离子扩散系数作为随机变量，根据经验一组氯离子扩散系数数据，结合氯离子在混凝土内的迁移模型，得到深度一定时达到氯离子临界浓度时间数据，构建氯离子扩散系数和达到氯离子临界浓度时间的响应面；
实测一组达到氯离子临界浓度时间，利用所述响应面得到一组新的氯离子扩散系数；
利用所述一组新的氯离子扩散系数结合所述氯离子在混凝土内的迁移模型得到一组钢筋深度处钢筋初始锈蚀时间数据，统计得到钢筋初始锈蚀时间的概率分布。
进一步地，所述方法包括以下步骤：
(1)根据经验设定氯离子扩散系数概率密度；
(2)利用所述氯离子扩散系数概率密度生成一组氯离子扩散系数数据；结合所述氯离子在混凝土内的迁移模型计算得到一组混凝土内x深度处的达到氯离子临界浓度时间数据；
(3)利用所述一组氯离子扩散系数数据和所述一组混凝土内x深度处的达到氯离子临界浓度时间数据构建所述响应面；
(4)在混凝土内x深度处实测x深度处达到氯离子临界浓度的时间得到一组实测达到氯离子临界浓度时间数据；
(5)利用所述实测达到氯离子临界浓度时间数据结合所述响应面得到一组新的氯离子扩散系数数据；
(6)利用所述新的氯离子扩散系数数据结合Bayesian理论对所述氯离子扩散系数概率密度进行更新；
(7)利用更新后的所述氯离子扩散系数概率密度重复步骤(2)，此时的x为钢筋所处深度，得到一组钢筋所处深度达到氯离子临界浓度的时间数据；
(8)利用所述一组钢筋所处深度达到氯离子临界浓度的时间数据统计得到所述钢筋初锈时间的概率分布。
进一步地，在混凝土表面至钢筋间的混凝土的不同深度处测量不同深度处达到氯离子临界浓度的时间，重复所述步骤(2)—步骤(6)对所述氯离子扩散系数概率密度逐步更新；
每个深度处的测量点为一个或多个；每个测量点测量至少一次。
进一步地，
所述氯离子在混凝土内的迁移模型为：
Figure BDA0001510516460000051
当C＝Cr时，t即为x深度处达到氯离子临界浓度的时间；
Cr为氯离子临界浓度；
其中：C为x深度处混凝土内氯离子浓度，C为与时间t和深度x相关的函数；x为所述混凝土内某一深度。
进一步地，
氯离子扩散系数的概率密度hj(D)更新具体为：
Figure BDA0001510516460000052
其中，
j∈[1,m]；i∈[1,n]；n为第j个深度处锈蚀监测传感装置的个数；n≥2，m≥2；
di,j为根据第j个深度处第i个锈蚀监测传感装置测量的达到氯离子临界浓度时间ti,j并由所述响应面反演得到的氯离子扩散系数；
j>1时，πj(D)＝hj-1(D)；j＝1时，π1(D)为根据既有经验确定的不同区域、不同环境的氯离子扩散系数概率密度函数；
pj(d1,j,Λ,dn,jD)为第j个深度处n个锈蚀监测传感装置达到氯离子临界浓度时间并由所述响应面反演得到的氯离子扩散系数样本确定的似然函数。
进一步地，利用Monte Carlo方法根据所述氯离子扩散系数概率密度随机生成一组氯离子扩散系数数据。
进一步地，所述构建所述响应面为利用二次函数构造、神经网络、支持向量机或Kriging方法构建所述氯离子扩散系数和所述达到氯离子临界浓度时间的隐式关系。
进一步地，所述边界条件Cs、氯离子临界浓度Cr为随机变量，根据既有经验确定不同区域、不同环境或根据实测得到边界条件Cs、氯离子临界浓度Cr的概率分布，计算时，利用Monte Carlo方法根据各随机变量概率分布生成随机数。
进一步地，所述实测一组达到氯离子临界浓度时间为在混凝土某一深度内设置锈蚀监测传感装置，利用所述锈蚀监测传感装置实测布设锈蚀监测传感装置处达到氯离子临界浓度的时间；
所述锈蚀监测传感装置包括锈蚀监测敏感单元；锈蚀监测敏感单元为与所述钢筋同材质的薄片，锈蚀监测敏感单元处于平面应力状态；所述锈蚀监测敏感单元的一面朝向混凝土内氯离子扩散方向，所述锈蚀监测敏感单元的一侧设置有多个高空间分辨率应变测点。
进一步地，所述锈蚀监测敏感单元的一侧设置有8个高空间分辨率应变测点。
本发明的有益技术效果：
本发明的混凝土内钢筋锈蚀监测及其初始锈蚀时间概率分布更新方法原理清晰、可行，基于平面应力状态应力集中的锈蚀监测方法灵敏可靠，不改变混凝土局部微环境，受环境条件影响小，可实现混凝土内钢筋初始锈蚀时间的原位监测，并能根据不同深度布设的多个传感装置实测数据不断更新钢筋所在位置处的锈蚀风险，给出具有概率保证率的钢筋初始锈蚀时间(某一时刻钢筋发生锈蚀的概率)。对钢筋初锈时间的预测中既包含了混凝土内氯离子扩散的基础理论与先验信息，又包含了监测得到数据的后验信息，通过不断更新氯离子扩散系数这一钢筋初始锈蚀时间的主要影响因素，实现真实钢筋位置处钢筋达到初始锈蚀时间概率分布的更新，通过对实际监测信息的利用，使得钢筋初始锈蚀时间概率分布预测更加精确，对于指定的服役时间，给出钢筋在该时刻发生锈蚀的概率。选择不同的氯离子在混凝土内的迁移模型可以考虑不同情况下氯离子在混凝土内的迁移规律，并采用本方法提出的更新方法均可以不断更新钢筋初始锈蚀时间。监测手段中使用的平面应力状态应力集中的钢筋原位监测技术，与现有钢筋锈蚀监测方法相比，既可以避免电化学方法受杂散电流等引起的电流波动及湿度、离子浓度等造成的电阻变化，又能通过自身监测结果进行验证与更新，显著提高钢筋锈蚀监测的可靠性，较好的解决了钢筋锈蚀风险预测与监测问题。适用于海蚀环境浪溅区、潮差区钢筋混凝土结构钢筋锈蚀风险预测与评估。
附图说明
图1钢筋初始锈蚀时间概率分布更新方法流程图；
图2混凝土内传感器布设示意图；
图3锈蚀监测传感装置示意图；
图4a锈蚀监测敏感单元侧视图；
图4b锈蚀监测敏感单元俯视图；
1-氯离子侵蚀方向2-混凝土外表面3-锈蚀监测传感装置4-钢筋5-混凝土6-锈蚀监测敏感单元7-分布式高空间分辨率应变测点8-锈蚀监测面9-加载螺母10-外框。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
实施例1
本实施例提供一种基于Bayesian理论的混凝土内钢筋初始锈蚀时间监测更新方法。
监测更新方法基于平面应力状态应力集中的钢筋锈蚀监测方法的基础上进一步发明，首先构造与钢筋同材质的钢筋薄片施加初始应变使其处于平面应力状态，并预留锈蚀监测面，锈蚀监测面两侧布设分布式高空间分辨率应变测点，锈蚀监测面一旦腐蚀，局部产生应力集中，分布式高空间分辨率应变测点的实测应变发生突变，进而判断该位置达到氯离子临界浓度，即钢筋初始锈蚀时间。
混凝土内钢筋位置处达到氯离子临界浓度时间受到环境温湿度条件、氯离子扩散系数、混凝土配合比、矿物掺合料与掺量、混凝土自身离散性、保护层厚度、混凝土表面氯离子浓度、临界氯离子浓度等许多条件的影响，导致钢筋的初始锈蚀时间并不是一个确定值，而是一个随机变量。将混凝土内钢筋初始锈蚀时间的影响因素视为随机变量，根据以往实验数据和经验结论选择合适的分布参数，并通过Monte Carlo随机生成影响因素的一组数值，采用Fick第二定律计算得到钢筋初始锈蚀时间，根据各影响因素随机变量的概率分布不断重复计算钢筋初始锈蚀时间，则可得到钢筋初始锈蚀时间的一组样本，进一步通过极大似然估计得到钢筋初始锈蚀时间的概率分布及其参数。上述原理是预测钢筋位置处达到氯离子临界浓度的时间，显然可以在混凝土表面至钢筋位置之间不同位置的多个深度处布设基于平面应力状态应力集中的锈蚀监测传感单元，同一深度处布设多个锈蚀监测传感单元，得到该位置处达到氯离子临界浓度时间的概率分布，作为一组真实的实测样本，假定除氯离子扩散系数外的影响因素随机变量概率分布不变，通过构造初始锈蚀时间的响应面，可以得到该混凝土氯离子扩散系数的一组样本，以此作为扩散系数的似然函数，将初始根据试验数据和经验结论选取的氯离子扩散系数作为先验分布，根据氯离子扩散系数先验分布及扩散系数的似然函数，采用Bayesian理论计算氯离子扩散系数的后验分布，依据不同深度处布设基于平面应力状态应力集中的锈蚀监测传感单元得到的数据不断更新氯离子扩散系数，每次更新氯离子扩散系数随机变量的概率分布后，采用前述Monte Carlo方法随机模拟则可得到钢筋深度处达到氯离子临界浓度时间的概率分布作为预测后钢筋初始锈蚀时间的概率分布。每个布设基于平面应力状态应力集中锈蚀监测传感单元得到的数据均用于不断更新氯离子扩散系数，每次更新后的氯离子扩散系数的后验分布作为下次更新的先验分布，进一步更新钢筋位置处达到氯离子临界浓度的时间(钢筋初始锈蚀时间)，如此反复，不断得到更准确度的钢筋初始锈蚀时间的概率分布，得到具有概率保证率的钢筋初始锈蚀时间，不断对钢筋锈蚀风险进行预警，为后续钢筋混凝土结构耐久性评估与维修决策提供理论基础。
具体的:
锈蚀监测传感装置3示意图在图3中给出，锈蚀监测传感装置3由外框10和锈蚀监测敏感单元6组成，其中锈蚀监测敏感单元6为截取的与钢筋同材质薄片，通过加载螺母9紧固在外框10上，施加与一定预应力使锈蚀监测敏感单元6中间薄片部分处于平面应力状态，预留锈蚀监测敏感单元6一侧作为锈蚀监测面8，锈蚀监测面8两侧截面布设高空间分辨率应变测点7，将锈蚀监测敏感单元6上锈蚀监测面8朝向混凝土外表面2氯离子扩散方向，一旦氯离子进入混凝土达到锈蚀监测面8位置处并达到氯离子临界浓度，锈蚀监测面8表面发生局部腐蚀，点蚀位置处形成应力集中，锈蚀监测面8两侧截面布设高空间分辨率应变测点7实测应变发生应变突变，未锈部位应变基本不发生变化，此时可以得到布设锈蚀监测传感装置3所在深度达到氯离子临界浓度的时间即初始锈蚀时间。
如图2所示，将锈蚀监测传感装置3布设在混凝土5保护层内不同深度处，包括与钢筋4相同深度位置，同一深度可布置多个锈蚀监测传感装置3。
本实施例中混凝土内氯离子扩散采用Fick第二定律描述，但不限于该模型。
Fick第二定律:
Figure BDA0001510516460000111
式中：C为x深度处混凝土内氯离子浓度；D为表观氯离子扩散系数；x为混凝土内深度；t为时间。
初始时取边界条件Cs、氯离子临界浓度Cr、表观氯离子扩散系数D、混凝土保护层厚度xg等作为随机变量，根据既有经验确定不同区域、不同环境或根据实测确定各随机变量概率分布及其参数值，采用Monte Carlo方法根据各随机变量概率分布生成随机数，由公式(1)计算得到钢筋4深度处和L1深度处达到氯离子临界浓度时间的样本，构建扩散系数D与初锈时间的响应面。随着图1中L1位置处多个锈蚀监测传感单元3监测得到该深度处达到氯离子临界浓度时间的数据样本，由扩散系数D与初锈时间的响应面估计得到一组氯离子扩散系数数据样本d1,1,Λ,dn,1，以初始氯离子扩散系数概率密度作为先验π(D)，以当前L1深度达到氯离子临界浓度扩时间估计得到氯离子散系数数据样本作为似然函数p1(d1,1,Λ,dn,1|D)，由Bayesian理论估计得到氯离子散系数的后验分布h1(D)，
Figure BDA0001510516460000112
采用更新后的氯离子扩散系数概率分布，根据公式(1)由Monte Carlo随机模拟可以得到钢筋4位置处和L2深度处达到氯离子临界浓度时间的概率分布，此时钢筋4位置处达到氯离子临界浓度时间的概率分布即为第一次更新得到的钢筋初始锈蚀时间累积分布函数F1(t)，并可以确定不同时刻钢筋4锈蚀的概率。当L2深度多个锈蚀监测传感装置3得到一组该深度处达到氯离子临界浓度时间的数据样本，根据响应面确定一组扩散系数样本d1,2,Λ,dn,2，以前次氯离子扩散系数的后验密度作为先验密度h1(D)，以当前数据估计得到的氯离子扩散系数作为似然函数p2(d1,2,Λ,dn,2D)，由Bayesian理论估计得到第二次估计得到的氯离子散系数的后验分布：
Figure BDA0001510516460000121
采用更新后的氯离子扩散系数概率分布，根据公式(1)与Monte Carlo随机模拟可以得到钢筋4位置处和L3深度处达到氯离子临界浓度时间的概率分布，此时钢筋4位置处达到氯离子临界浓度时间的概率分布即为第二次更新得到的钢筋初始锈蚀时间累积分布F2(t)，并可以确定不同时刻钢筋4锈蚀的概率。以此类推，即可得到钢筋深度Ln处达到氯离子临界浓度(即钢筋初始修时间)的累积分布Fn(t)与给定时刻钢筋发生锈蚀的概率。每次更新以前次得到氯离子扩散系数后验分布作为先验分布，以当前监测得到的数据样本作为似然函数，不断更新钢筋初始锈蚀时间的概率分布，从而给出具有概率保证率的钢筋初始锈蚀时间，不断对更新钢筋初始锈蚀时间达到预警的目的。

Claims (9)

1.一种混凝土内钢筋初始锈蚀时间预测方法，其特征在于，
所述方法为将氯离子扩散系数作为随机变量，根据经验确定一组氯离子扩散系数数据，结合氯离子在混凝土内的迁移模型，得到深度一定时达到氯离子临界浓度时间数据，构建氯离子扩散系数和达到氯离子临界浓度时间的响应面；
实测一组达到氯离子临界浓度时间，利用所述响应面得到一组新的氯离子扩散系数；
利用所述一组新的氯离子扩散系数结合所述氯离子在混凝土内的迁移模型得到一组钢筋深度处钢筋初始锈蚀时间数据，统计得到钢筋初始锈蚀时间的概率分布；
所述方法包括以下步骤：
(1)根据经验设定氯离子扩散系数概率密度；
(2)利用所述氯离子扩散系数概率密度生成一组氯离子扩散系数数据；结合所述氯离子在混凝土内的迁移模型计算得到一组混凝土内x深度处的达到氯离子临界浓度时间数据；
(3)利用所述一组氯离子扩散系数数据和所述一组混凝土内x深度处的达到氯离子临界浓度时间数据构建所述响应面；
(4)在混凝土内x深度处实测x深度处达到氯离子临界浓度的时间得到一组实测达到氯离子临界浓度时间数据；
(5)利用所述实测达到氯离子临界浓度时间数据结合所述响应面得到一组新的氯离子扩散系数数据；
(6)利用所述新的氯离子扩散系数数据结合Bayesian理论对所述氯离子扩散系数概率密度进行更新；
(7)利用更新后的所述氯离子扩散系数概率密度重复步骤(2)，此时的x为钢筋所处深度，得到一组钢筋所处深度达到氯离子临界浓度的时间数据；
(8)利用所述一组钢筋所处深度达到氯离子临界浓度的时间数据统计得到钢筋初锈时间的概率分布。
2.如权利要求1所述方法，其特征在于，在混凝土表面至钢筋间的混凝土的不同深度处测量不同深度处达到氯离子临界浓度的时间，重复所述步骤(2)—步骤(6)对所述氯离子扩散系数概率密度逐步更新；
每个深度处的测量点为一个或多个；每个测量点测量至少一次。
3.如权利要求1所述方法，其特征在于，
所述氯离子在混凝土内的迁移模型为：
Figure FDA0002422385110000021
当C＝Cr时，t即为x深度处达到氯离子临界浓度的时间；
Cr为氯离子临界浓度；
其中：C为x深度处混凝土内氯离子浓度，C为与时间t和深度x相关的函数；x为所述混凝土内某一深度。
4.如权利要求3所述方法，其特征在于，
氯离子扩散系数的概率密度hj(D)更新具体为：
Figure FDA0002422385110000022
其中，
j∈[1,m]；i∈[1,n]；n为第j个深度处锈蚀监测传感装置的个数；n≥2，m≥2；
di,j为根据第j个深度处第i个锈蚀监测传感装置测量的达到氯离子临界浓度时间ti,j并由所述响应面反演得到的氯离子扩散系数；
j>1时，πj(D)＝hj-1(D)；j＝1时，π1(D)为根据既有经验确定的不同区域、不同环境的氯离子扩散系数概率密度函数；
pj(d1,j,…,dn,j|D)为第j个深度处n个锈蚀监测传感装置达到氯离子临界浓度时间并由所述响应面反演得到的氯离子扩散系数样本确定的似然函数。
5.如权利要求1所述方法，其特征在于，利用Monte Carlo方法根据所述氯离子扩散系数概率密度随机生成一组氯离子扩散系数数据。
6.如权利要求1所述方法，其特征在于，所述构建所述响应面为利用二次函数构造、神经网络、支持向量机或Kriging方法构建所述氯离子扩散系数和所述达到氯离子临界浓度时间的隐式关系。
7.如权利要求3所述方法，其特征在于，边界条件Cs、氯离子临界浓度Cr为随机变量，根据既有经验确定不同区域、不同环境或根据实测得到边界条件Cs、氯离子临界浓度Cr的概率分布，计算时，利用Monte Carlo方法根据各随机变量概率分布生成随机数。
8.如权利要求1-7任一所述方法，其特征在于，所述实测一组达到氯离子临界浓度时间为在混凝土某一深度内设置锈蚀监测传感装置，利用所述锈蚀监测传感装置实测布设锈蚀监测传感装置处达到氯离子临界浓度的时间；
所述锈蚀监测传感装置包括锈蚀监测敏感单元；锈蚀监测敏感单元为与所述钢筋同材质的薄片，锈蚀监测敏感单元处于平面应力状态；
所述锈蚀监测敏感单元的一面朝向混凝土内氯离子扩散方向，所述锈蚀监测敏感单元的一侧设置有多个高空间分辨率应变测点。
9.如权利要求8所述方法，其特征在于，所述锈蚀监测敏感单元的一侧设置有8个高空间分辨率应变测点。
CN201711352472.3A 2017-12-15 2017-12-15 一种混凝土内钢筋初始锈蚀时间预测方法 Active CN107870147B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711352472.3A CN107870147B (zh) 2017-12-15 2017-12-15 一种混凝土内钢筋初始锈蚀时间预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711352472.3A CN107870147B (zh) 2017-12-15 2017-12-15 一种混凝土内钢筋初始锈蚀时间预测方法

Publications (2)

Publication Number Publication Date
CN107870147A CN107870147A (zh) 2018-04-03
CN107870147B true CN107870147B (zh) 2020-07-03

Family

ID=61755861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711352472.3A Active CN107870147B (zh) 2017-12-15 2017-12-15 一种混凝土内钢筋初始锈蚀时间预测方法

Country Status (1)

Country Link
CN (1) CN107870147B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7004915B2 (ja) * 2018-12-27 2022-02-10 日本電信電話株式会社 劣化予測方法
CN112529255B (zh) * 2020-11-20 2021-12-17 中交四航工程研究院有限公司 一种基于氯离子浓度监测的钢筋混凝土构件寿命预测方法
CN113188984B (zh) * 2021-04-29 2022-06-24 青岛理工大学 一种用于混凝土中钢筋腐蚀状态的智能监测系统及方法
CN113358582B (zh) * 2021-06-04 2022-08-26 山东国瑞新能源有限公司 一种混凝土结构缺陷的检测方法、设备及介质
CN115096806B (zh) * 2022-06-21 2024-04-12 徐州中矿传动轨道科技有限公司 隧道钢混结构杂散电流腐蚀高风险区域识别方法及系统
CN117686442A (zh) * 2024-02-02 2024-03-12 广东省有色工业建筑质量检测站有限公司 一种氯离子扩散浓度检测方法、系统、介质及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104215569A (zh) * 2014-09-01 2014-12-17 北京科技大学 一种混凝土内钢筋锈蚀与应力状态原位监测方法
CN104361179A (zh) * 2014-11-20 2015-02-18 交通运输部公路科学研究所 一种基于概率理论和现场检测的桥梁耐久寿命分析方法
CN104376231A (zh) * 2014-12-10 2015-02-25 福州大学 基于改进近似贝叶斯计算的损伤识别方法
CN104729982A (zh) * 2015-04-10 2015-06-24 北京科技大学 混凝土内钢筋锈蚀风险原位监测方法
CN204731236U (zh) * 2015-04-10 2015-10-28 北京科技大学 混凝土内钢筋锈蚀风险原位监测装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003006957A1 (fr) * 2001-07-12 2003-01-23 Nippon Steel Corporation Procede de prediction du degre de corrosion d'un acier resistant aux intemperies

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104215569A (zh) * 2014-09-01 2014-12-17 北京科技大学 一种混凝土内钢筋锈蚀与应力状态原位监测方法
CN104361179A (zh) * 2014-11-20 2015-02-18 交通运输部公路科学研究所 一种基于概率理论和现场检测的桥梁耐久寿命分析方法
CN104376231A (zh) * 2014-12-10 2015-02-25 福州大学 基于改进近似贝叶斯计算的损伤识别方法
CN104729982A (zh) * 2015-04-10 2015-06-24 北京科技大学 混凝土内钢筋锈蚀风险原位监测方法
CN204731236U (zh) * 2015-04-10 2015-10-28 北京科技大学 混凝土内钢筋锈蚀风险原位监测装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CONDITION PREDICTION OF DETERIORATING CONCRETE BRIDGES USING BAYESIAN UPDATING;Michael P. Enright 等;《JOURNAL OF STRUCTURAL ENGINEERING》;19991031;全文 *
基于Bayesian方法的服役混凝土构件时变性能及耐久性研究;邹传仁;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20071215(第6期);第1章，第3.3章，第4.3章，第5.3章，第6.1章 *
邹传仁.基于Bayesian方法的服役混凝土构件时变性能及耐久性研究.《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》.2007,(第6期), *

Also Published As

Publication number Publication date
CN107870147A (zh) 2018-04-03

Similar Documents

Publication Publication Date Title
CN107870147B (zh) 一种混凝土内钢筋初始锈蚀时间预测方法
Faroz et al. Reliability of a corroded RC beam based on Bayesian updating of the corrosion model
Shafei et al. Application of large-scale non-Gaussian stochastic fields for the study of corrosion-induced structural deterioration
Bastidas-Arteaga et al. Stochastic improvement of inspection and maintenance of corroding reinforced concrete structures placed in unsaturated environments
Balayssac et al. Description of the general outlines of the French project SENSO–Quality assessment and limits of different NDT methods
Zárate et al. Bayesian model updating and prognosis of fatigue crack growth
Wang et al. Flexural performance evaluation of corroded steel beams based on 3D corrosion morphology
Ma et al. Hybrid uncertainty quantification for probabilistic corrosion damage prediction for aging RC bridges
Rafiq et al. Performance updating of concrete bridges using proactive health monitoring methods
Srivaranun et al. Effect of the interaction of corrosion pits among multiple tensile rebars on the reliability of RC structures: Experimental and numerical investigation
El Hajj et al. A condition‐based deterioration model for the stochastic dependency of corrosion rate and crack propagation in corroded concrete structures
Kuntal et al. Estimation of internal corrosion degree from observed surface cracking of concrete using mesoscale simulation with Model Predictive Control
Keßler et al. Updating of service-life prediction of reinforced concrete structures with potential mapping
Castorena-González et al. Modeling steel corrosion failure in reinforced concrete by cover crack width 3D FEM analysis
Slika et al. An Ensemble Kalman Filter approach for service life prediction of reinforced concrete structures subject to chloride-induced corrosion
Schoefs et al. Optimal embedded sensor placement for spatial variability assessment of stationary random fields
De Simon et al. Quantifying uncertainty in thermophysical properties of walls by means of Bayesian inversion
Zeng et al. Analytical model for the prediction of the tensile behaviour of corroded steel bars
Verma et al. Probabilistic evaluation of service life for reinforced concrete structures
Liu et al. A Wasserstein distance-based analogous method to predict distribution of non-uniform corrosion on reinforcements in concrete
Tran et al. A Bayesian network framework for statistical characterisation of model parameters from accelerated tests: application to chloride ingress into concrete
Tran et al. Improved Bayesian network configurations for probabilistic identification of degradation mechanisms: application to chloride ingress
Abdallah et al. Assessment of the reliability of concrete evaluation by multi-physical inversion of NDT measurements–A probabilistic approach
Xin et al. Effects of galvanostatic and artificial chloride environment methods on the steel corrosion spatial variability and probabilistic flexural capacity of RC beams
Šomodíková et al. fib models for modeling of chloride ion ingress and concrete carbonation: Levels of assessment of input parameters

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant