CN117169139B - 一种基于反射高光谱的玻璃幕墙结构胶力学性能识别方法 - Google Patents
一种基于反射高光谱的玻璃幕墙结构胶力学性能识别方法 Download PDFInfo
- Publication number
- CN117169139B CN117169139B CN202311449384.0A CN202311449384A CN117169139B CN 117169139 B CN117169139 B CN 117169139B CN 202311449384 A CN202311449384 A CN 202311449384A CN 117169139 B CN117169139 B CN 117169139B
- Authority
- CN
- China
- Prior art keywords
- reflection
- structural adhesive
- curtain wall
- glass curtain
- mechanical
- 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
Links
- 239000000853 adhesive Substances 0.000 title claims abstract description 132
- 230000001070 adhesive effect Effects 0.000 title claims abstract description 132
- 239000011521 glass Substances 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 83
- 229920001296 polysiloxane Polymers 0.000 claims abstract description 107
- 238000012360 testing method Methods 0.000 claims abstract description 91
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000013136 deep learning model Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 238000004519 manufacturing process Methods 0.000 claims abstract description 7
- 239000000758 substrate Substances 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 125000002887 hydroxy group Chemical group [H]O* 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000009864 tensile test Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- -1 polysiloxane Polymers 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 10
- 239000004566 building material Substances 0.000 abstract description 2
- 239000000565 sealant Substances 0.000 description 11
- 239000000463 material Substances 0.000 description 8
- 239000000084 colloidal system Substances 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000032683 aging Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 238000010998 test method Methods 0.000 description 5
- 238000004880 explosion Methods 0.000 description 4
- 238000002329 infrared spectrum Methods 0.000 description 4
- 229910000838 Al alloy Inorganic materials 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 239000013464 silicone adhesive Substances 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000002390 adhesive tape Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 229910000975 Carbon steel Inorganic materials 0.000 description 1
- 238000004026 adhesive bonding Methods 0.000 description 1
- 150000001335 aliphatic alkanes Chemical class 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000010962 carbon steel Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000009388 chemical precipitation Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000010227 cup method (microbiological evaluation) Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000007541 indentation hardness test Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 description 1
- 239000004014 plasticizer Substances 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000012945 sealing adhesive Substances 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 229920002725 thermoplastic elastomer Polymers 0.000 description 1
- 239000005341 toughened glass Substances 0.000 description 1
- 239000004636 vulcanized rubber Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明提供一种基于反射高光谱的玻璃幕墙结构胶力学性能识别方法,属于建筑材料力学性能检测技术领域。所述方法包括:选取各种类型的玻璃幕墙硅酮结构胶,制作H型试件;对H型试件开展力学试验,得到各类硅酮结构胶的常规力学性能参数和界面断裂力学参数,进而构建力学性能参数样本库;采用反射光谱仪测试H型试件的反射高光谱数据,构建硅酮结构胶的反射高光谱数据样本库;通过深度学习模型建立反射高光谱数据样本库与力学性能参数样本库之间的映射关系,从而实现基于反射高光谱的玻璃幕墙硅酮结构胶力学性能智能识别。本发明无需破坏原结构即可识别玻璃幕墙硅酮结构胶的力学性能参数,为后期建模分析、安全性评定提供充足的数据支撑。
Description
技术领域
本发明涉及建筑材料力学性能检测技术领域,尤其涉及一种基于反射高光谱的玻璃幕墙结构胶力学性能识别方法。
背景技术
目前玻璃幕墙应用广泛,随着服役年限的增长,其安全事故也愈发频繁。玻璃幕墙的自爆、脱落已成影响城市发展的重要安全隐患。如何科学合理的评定既有玻璃幕墙结构的安全性已经成为亟待解决的热点问题。
玻璃幕墙主要承受自重、风荷载、地震荷载、温度变化等引发的作用力。作用力一般通过玻璃传递至连接件或结构胶,再传至金属框架。玻璃、连接件、结构胶、金属框是玻璃幕墙结构的主要构件。实际工程中极少出现金属框失效现象。传统钢化玻璃由于自身材料属性原因存在一定的自爆风险。新研发的钢化超白玻璃自爆率已降低至万分之一以下。可见,研发新型玻璃是解决自爆问题的有效途径。交变服役环境下连接件和结构胶的疲劳、老化失效是引发玻璃面板脱落的主要原因。连接件多为铝合金、碳素钢型材,通过槽、豁、榫、螺栓、铆钉等连接主龙骨和玻璃面板。循环荷载、电腐蚀等作用下易引发连接件失效,研发新型连接件提升其抗疲劳性能是避免该类失效的根本方法。
玻璃幕墙一般选用单组分中性硅酮结构密封胶作为结构胶,粘结玻璃与铝合金框,或玻璃面板与玻璃肋,其中在隐框、半隐框玻璃幕墙和全玻璃幕墙中结构胶是面板荷载传递的关键路径。硅酮结构胶的力学性能直接决定幕墙的安全性。目前硅酮结构胶市场逐渐规范化,但各生产厂家的产品型号仍未形成统一命名标准,致使从产品型号上难以直接判断起其力学性能。据统计,目前市场上流通的硅酮结构胶不下数百中,大量的既有玻璃幕墙结构使用了这些胶。在硅酮结构胶的型号未知的条件下,如何准确识别既有玻璃幕墙结构胶的力学性能,是评定其安全性的关键科学问题。
现有的玻璃幕墙硅酮结构胶力学性能检测方法主要有:目视法、手拉剥离试验法、邵氏硬度法、现场拉伸法、实验室拉伸试验法、吸盘法、气囊法和振动测试法。
①目视法主要从硅酮结构胶的外观质量上定性的判断其力学性能有无变化,如检查胶体是否开裂、起泡、粉化、脱胶、变色、褪色和化学析出物等现象。该方法无法定量判断胶材的质量,判断结果和检测者的经验有关。
②手拉剥离试验法在现行国家标准《建筑用硅酮结构密封胶》GB16776中有较为详细的规定,通过该方法能够获取胶体与基体的粘结性能,同时可以检测胶体有无失去弹性的硬化现象。
③邵氏硬度法与现行国家标准《硫化橡胶或热塑性橡胶压入硬度试验方法第一部分:邵氏硬度计法(邵尔硬度)》GB/T531.1中规定的一致,主要通过硬度反应胶体材料的力学性能。由于胶材的质量与多项指标有关(硬度只是其中指标之一),胶材品种较多,其初始邵氏硬度、硬度发展趋势不同,现有的试验数据尚不能全部反应各种硅酮结构密封胶邵氏硬度随时间而变化的规律,故单一的采用邵氏硬度计检测胶材的硬度以判定胶材质量的方法并不可行。
④现场拉伸法是直接在现场拆卸下部分板块,固定在特制框架上,从而直接确定结构胶的拉伸粘结强度、并结合拉伸破坏断面形式判断粘结面质量是否符合标准要求。该方法能在现场得到被测硅酮结构密封胶的拉伸粘结强度和延伸率,用于现场检测既有工程的胶材粘结面质量是否符合标准要求。
⑤实验室拉伸试验法需要在既有幕墙上割取结构胶胶条,将胶条制成一定尺寸的胶样,用高强度硅酮结构胶将被测试件的硅酮结构胶沿原粘接面方向与阳极氧化铝基材粘结在一起,制成H型试件,经过一定养护时间后,测试H型试件的拉伸力学性能,即可得到既有幕墙结构胶的拉伸强度、应力—应变曲线、最大强度伸长率等力学性能数据。
⑥吸盘法模拟集中力荷载作用的现场检测方法来源于AS TMC 1394《评价原始构造硅酮门窗玻璃的标准指南》,该方法是根据设计风荷载,通过有限元计算分析得到等效的集中力荷载,由初始切割测试得到初始挠度,根据被测处的胶体挠度是否超过初始挠度来判断其粘结面质量是否合格。该法需配合使用反力架、千斤顶、力传感器、位移传感器等仪器使用,现场操作程序较多,过程控制较为严格。该方法适宜进行有限数量的室内试验,对于现场需抽样检测的玻璃幕墙,其使用条件和时间相对而言较为苛刻。
⑦气囊法与吸盘法类似,只是将作用在玻璃面板上的集中力,改成气囊施加的均布荷载。
⑧振动测试法。玻璃幕墙结构密封胶的失效模式主要体现在两个方面,一是结构密封胶的界面脱胶,二是结构胶的硬化和老化。同时,结构密封胶的硬化老化也会引发其与玻璃和铝合金附框的粘结性能退化。理论上通过结构模态的变化,能够反应出结构胶力学性能的变化,但目前仅限于识别界面脱胶损伤。
这些硅酮结构胶力学性能检测方法或是有损伤,如手拉剥离试验法、现场拉伸法、实验室拉伸试验法,或是仅能定性的判断胶体的力学性能是否发生了明显的变化,如目视法、邵氏硬法,亦或是现场作业繁复,如气囊法、吸盘法和振动测试法。
光谱类方法与非光谱类法在测试原理上截然不同。光谱类方法是通过光谱数据,判定胶体的化学成分,或是基于化学成分对光谱数据的影响,从而判定胶体的种类,进一步映射为力学性能参数。硅酮结构胶内部影响光谱数据的基团是该类方法的基础。目前高光谱测试技术广泛应用于物质化学成分的鉴别,但鲜少用于玻璃幕墙硅酮结构胶。
现有的高光谱测试技术在硅酮胶上的应用有以下三个方面:①采用近红外光谱法识别硅酮胶内的白油含量;②采用近红外光谱定性的识别幕墙胶的盐雾老化问题,但该方法主要工作在搭建在线的测试系统,未给出判定依据;③采用光谱法判定是不是硅酮胶。因此,现有基于高光谱的检测技术还处于研究阶段,目前仅在鉴别是否为硅酮类胶、是否掺杂了烷烃增塑剂,是否发生了盐雾老化方面有所应用。
总之,现有的检测方法在玻璃幕墙硅酮结构胶力学性能检测上均存在不同程度的缺陷或不足,获取的力学性能数据有限,难以支撑建立精细化的有限元失效分析模型。
发明内容
针对上述问题,本发明的目的在于提供一种基于反射高光谱的玻璃幕墙结构胶力学性能识别方法,通过反射高光谱数据,获取硅酮结构胶的多项力学性能数据,包括正割拉伸模量、最大拉伸强度、断裂伸长率、初始刚度、初始剪切刚度、超弹性本构关系、界面断裂力学参数,足以支撑建立精细化的有限元失效分析模型,为玻璃幕墙结构的安全性评定提供数据支撑。
为解决上述技术问题,本发明提供如下技术方案:
一种基于反射高光谱的玻璃幕墙结构胶力学性能识别方法,包括以下步骤:
S1、选取各种类型的玻璃幕墙硅酮结构胶,制作H型试件;
S2、对所述H型试件开展力学试验,得到各类硅酮结构胶的常规力学性能参数;
S3、在所述H型试件上制作裂纹,通过虚拟裂纹闭合法建立界面损伤失效分析有限元模型,得到各类硅酮结构胶的界面断裂力学参数;
S4、根据各类硅酮结构胶的常规力学性能参数和界面断裂力学参数,构建硅酮结构胶的力学性能参数样本库;
S5、采用反射光谱仪测试所述H型试件的反射高光谱数据,构建硅酮结构胶的反射高光谱数据样本库;
S6、通过深度学习模型建立所述反射高光谱数据样本库与所述力学性能参数样本库之间的映射关系,从而实现基于反射高光谱的玻璃幕墙硅酮结构胶力学性能智能识别。
优选地,所述步骤S1中,选取的硅酮结构胶型号包括:HDRT995、HDRT6800、HDRT7800、HDRT8800、HSK995、HSK2200、HSK3300、HSK5500、HSK6600、HSK8800、WJDH995、WJDH6800、WJDH8800、WJDH9800。
优选地,所述H型试件包括玻璃层、基材层和条状硅酮结构胶,所述玻璃层与所述基材层平行设置,所述条状硅酮结构胶粘结在所述玻璃层与所述基材层之间,在截面形成H型结构。
优选地,所述步骤S2中,对所述H型试件开展力学试验,具体包括:
采用万能力学试验机对所述H型试件进行加载试验,获得荷载-历程曲线,根据加载试验结果,获取所述常规力学性能参数。
优选地,所述常规力学性能参数包括:正割拉伸模量、最大拉伸强度、断裂伸长率、初始刚度、初始剪切刚度、超弹性本构关系。
优选地,所述步骤S3中,所述界面断裂力学参数包括临界能量释放率;所述通过虚拟裂纹闭合法建立界面损伤失效分析有限元模型,得到各类玻璃幕墙硅酮结构胶的界面断裂力学参数,具体包括:
在所述H型试件上预制一个裂纹,通过虚拟裂纹闭合法建立界面损伤失效分析有限元模型,开展拉伸试验;
记录所述裂纹扩展过程中的荷载-历程曲线,依据以下公示得到界面的临界能量释放率:
其中,GI是临界能量释放率,t是H型试件厚度,ΔU是能量变化,Δa是裂纹扩展长度。
优选地,所述步骤S5中,采用反射光谱仪测试所述H型试件的反射高光谱数据的原理如下:
硅酮结构胶属于聚硅氧烷,化学成分中包含CH基团和OH基团,不同类型的硅酮结构胶包含的CH基团和OH基团的含量不同,通过采用反射光谱仪测试不同类型硅酮结构胶制作的H型试件的反射高光谱,根据反射高光谱数据的差异来区分不同类型的硅酮结构胶。
优选地,所述步骤S5中,采用反射光谱仪测试所述H型试件的反射高光谱数据,具体包括:
在每个H型试件随机选择多个测点进行测试,每个测点连续测量多次,以获取稳定的反射高光谱数据。
优选地,所述步骤S6中,通过深度学习模型建立所述反射高光谱数据样本库与所述力学性能参数样本库之间的映射关系,具体包括:
基于卷积神经网络和多注意力机制构建深度学习模型;
以所述反射高光谱数据样本库和所述力学性能参数样本库作为训练集,对所述深度学习模型进行有监督式数据训练,建立所述反射高光谱数据样本库与所述力学性能参数样本库之间的映射关系。
优选地,所述步骤S6还包括:
利用训练后的深度学习模型作为硅酮结构胶力学性能智能识别模型,对于输入的硅酮结构胶的反射高光谱数据,能够输出对应的硅酮结构胶的类型和力学性能参数。
与现有技术相比,本发明提供的技术方案具有以下有益效果:
本发明通过反射高光谱测试建立各类硅酮结构胶的反射高光谱数据样本库;通过力学性能试验建立各类硅酮结构胶的力学性能参数样本库;通过深度学习模型建立反射高光谱数据样本库与力学性能参数样本库之间的映射关系;从而实现基于反射高光谱的玻璃幕墙硅酮结构胶力学性能智能识别。
采用本发明提出的玻璃幕墙结构胶力学性能识别方法,可以在工程现场通过简单的反射光谱测试,在不破坏原结构的前提下,直接获取详细的玻璃幕墙硅酮结构胶力学性能参数,为后期建立精细化有限元失效模型分析、安全性评定提供充足的数据支撑。本发明测试方法简便,具有大范围推广应用的前景,是解决既有玻璃幕墙安全性评定问题的有效检测技术。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于反射高光谱的玻璃幕墙结构胶力学性能识别方法的流程图;
图2是本发明实施例提供的H型试件示意图;
图3是本发明实施例提供的典型的硅酮结构胶的荷载-历程曲线图;
图4是本发明实施例提供的裂纹扩展过程中的荷载-历程曲线图;
图5是本发明实施例提供的硅酮结构胶的化学成分示意图;
图6是本发明实施例提供的两种硅酮结构胶的近红外光谱数据对比图;
图7是本发明实施例提供的HDRT995反射高光谱数据汇总示意图;
图8是本发明实施例提供的HDRT6800反射高光谱数据汇总示意图;
图9是本发明实施例提供的HDRT7800反射高光谱数据汇总示意图;
图10是本发明实施例提供的构建深度学习模型的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的实施例提供了一种基于反射高光谱的玻璃幕墙结构胶力学性能识别方法,如图1所示,所述方法包括以下步骤:
S1、选取各种类型的玻璃幕墙硅酮结构胶,制作H型试件。
本步骤中,首先通过文献调研、市场调研等方式,选出具有代表性的多种类型玻璃幕墙硅酮结构胶,分别是HDRT995、HDRT6800、HDRT7800、HDRT8800、HSK995、HSK2200、HSK3300、HSK5500、HSK6600、HSK8800、WJDH995、WJDH6800、WJDH8800、WJDH9800。
其后参照GB16776-2005《建筑用硅酮结构密封胶》分别制作各类硅酮结构胶的H型试件。如图2所示,所述H型试件包括玻璃层、基材层和条状硅酮结构胶,玻璃层与基材层平行设置,条状硅酮结构胶粘结在玻璃层与基材层之间,在截面形成H型结构。
S2、对H型试件开展力学试验,得到各类硅酮结构胶的常规力学性能参数。
玻璃幕墙用硅酮结构胶在应用前,甚至是流向市场前,都经过了正规检测机构的检测,这些检测项一般包括下垂度、挤出性、表干时间、硬度、热老化、拉伸粘结性和拉伸模量。因此这些力学性能参数的数据是已有的,但这些数据还不足以支撑精细化有限元失效模型的建立。
因此,本发明实施例中采用万能力学试验机对所述H型试件进行加载试验,获得荷载-历程曲线,如图3所示。根据加载试验结果,获取更多的常规力学性能参数,包括:正割拉伸模量、最大拉伸强度、断裂伸长率、初始刚度、初始剪切刚度、超弹性本构关系。
S3、在H型试件上制作裂纹,通过虚拟裂纹闭合法建立界面损伤失效分析有限元模型,得到各类硅酮结构胶的界面断裂力学参数。
本步骤中所关注的界面断裂力学参数为硅酮结构胶与玻璃之间的粘结强度。虚拟裂纹闭合法是一种界面损伤失效分析有限元模型,该模型也同样适用于硅酮结构胶与玻璃之间的脱粘失效分析。建立该类失效有限元分析模型,除了各部件的本构关系模型外,还需要临界能量释放率。当虚拟裂纹扩展所需的能量大于临界能量释放率时,裂纹发生扩展,即硅酮结构胶与玻璃之间脱粘区域进一步扩大。可见,临界能量释放率是该模型的关键。
为获取各类硅酮胶与玻璃之间的临界能量释放率,在H型试件基础上,预制一个裂纹,通过虚拟裂纹闭合法建立界面损伤失效分析有限元模型,开展拉伸试验。记录裂纹扩展过程中的荷载-历程曲线,如图4所示。依据以下公示得到界面的临界能量释放率:
其中,GI是临界能量释放率,t是H型试件厚度,ΔU是能量变化,Δa是裂纹扩展长度。
遍历上述多个类型的硅酮结构胶,可获得临界能量释放率的数据,见表1所示。
表1 典型玻璃幕墙硅酮结构胶的力学性能参数
说明:标准各项参数均为满足95%下限保障率的统计数据;超弹性本构关系一列中,均为本构关系名称。
S4、根据各类硅酮结构胶的常规力学性能参数和界面断裂力学参数,构建硅酮结构胶的力学性能参数样本库。
本步骤中,通过将上述步骤获得的正割拉伸模量、最大拉伸强度、断裂伸长率、初始刚度、初始剪切刚度、超弹性本构关系、临界能量释放率等参数进行归类整理,即可得到硅酮结构胶的力学性能参数样本库。
S5、采用反射光谱仪测试H型试件的反射高光谱数据,构建硅酮结构胶的反射高光谱数据样本库。
在开展H型试件力学试验的同时,采用反射光谱仪测试其反射高光谱数据。
近红外光谱的波段范围是750nm~2500nm,该波段对含H的基团较为敏感,比如OH、NH、CH,也对C=O基较为敏感。硅酮结构胶属于聚硅氧烷,其化学成分中包含了大量含CH、OH基团,如图5所示。不同种类的硅酮结构胶中这些基团的含量不同,这种差异通过反射高光谱测试可以有效的区分出来,如图6所示。因此,实际工程中可以通过反射高光谱测试区分不同的硅酮结构胶。
本步骤中,在每个H型试件随机选择多个测点进行测试,每个测点连续测量多次(例如:10次),通过求平均值等方式,获取稳定的反射高光谱数据。部分硅酮结构胶的反射高光谱数据如图7~9所示。通过这种测试,构建了硅酮结构胶的反射高光谱数据样本库。
S6、通过深度学习模型建立所述反射高光谱数据样本库与所述力学性能参数样本库之间的映射关系,从而实现基于反射高光谱的玻璃幕墙硅酮结构胶力学性能智能识别。
在上述两个数据样本库的基础上,本步骤基于卷积神经网络和多注意力机制构建深度学习模型,如图10所示。以反射高光谱数据样本库和力学性能参数样本库作为训练集,对构建的深度学习模型进行有监督式数据训练,本质上属于一个多分类问题,从而建立反射高光谱数据样本库与力学性能参数样本库之间的映射关系。
训练后的深度学习模型即可作为硅酮结构胶力学性能智能识别模型。通过有监督的数据训练,使得识别模型的精确率达到了95%以上。利用训练后的识别模型,对于输入的硅酮结构胶的反射高光谱数据,能够输出对应的硅酮结构胶的类型和力学性能参数。
在一个具体的实施例中,随机选择5类硅酮结构胶,本发明方法的识别精度分别为:0.986842、0.988235、0.961538、1.000000、0.963855,近邻搜索法的识别精度分别为:0.806452、0.895522、0.895522、0.852941、0.723404,支持向量机法的识别精度分别为:0.800000、0.797872、0.780822、0.805556、0.739130。通过实验对比,本发明方法的识别精度明显高于近邻搜索法和支持向量机法。
在实际工程中,本发明所述方法需要使用近红外反射高光谱仪,测试并获取硅酮结构胶的反射高光谱数据,带入训练好的智能识别模型进行识别,即可获取硅酮结构胶的力学性能参数。具体的操作步骤如下:
①根据现场实际工况,选择一块玻璃幕墙。
②采用近红外反射高光谱仪,如TerraSpec 4 Hi-Res,隔着玻璃或直接测试硅酮结构胶的反射高光谱数据。
③将测试的反射高光谱数据带入本发明所构建的识别模型,即可获取硅酮结构胶的类型、力学性能参数等信息。
本发明方法可以在不破坏原结构的前提下,通过简单的反射光谱测试,直接获取详细的玻璃幕墙硅酮结构胶力学性能参数,为后期建立精细化有限元失效模型分析、安全性评定提供充足的数据支撑。本发明测试方法简便,具有大范围推广应用的前景,是解决既有玻璃幕墙安全性评定问题的有效检测技术。
在示例性实施例中,本发明还提供一种电子设备,该电子设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)和一个或一个以上的存储器,其中,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现上述基于反射高光谱的玻璃幕墙结构胶力学性能识别方法的步骤。
在示例性实施例中,本发明还提供一种计算机可读存储介质,例如包括指令的存储器,上述指令可由终端中的处理器执行以完成上述基于反射高光谱的玻璃幕墙结构胶力学性能识别方法。例如,所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
在说明书中提到“一个实施例”、“实施例”、“示例性实施例”、“一些实施例”等指示所述的实施例可以包括特定特征、结构或特性,但未必每个实施例都包括该特定特征、结构或特性。另外,在结合实施例描述特定特征、结构或特性时,结合其它实施例(无论是否明确描述)实现这种特征、结构或特性应在相关领域技术人员的知识范围内。
本发明涵盖任何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。为了使公众对本发明有彻底的了解,在以下本发明优选实施例中详细说明了具体的细节,而对本领域技术人员来说没有这些细节的描述也可以完全理解本发明。另外,为了避免对本发明的实质造成不必要的混淆,并没有详细说明众所周知的方法、过程、流程、元件和电路等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于计算机可读取存储介质中,如:ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于反射高光谱的玻璃幕墙结构胶力学性能识别方法,其特征在于,包括以下步骤:
S1、选取各种类型的玻璃幕墙硅酮结构胶,制作H型试件;
S2、对所述H型试件开展力学试验,得到各类硅酮结构胶的常规力学性能参数;
S3、在所述H型试件上制作裂纹,通过虚拟裂纹闭合法建立界面损伤失效分析有限元模型,得到各类硅酮结构胶的界面断裂力学参数;
所述步骤S3中,所述界面断裂力学参数包括临界能量释放率;所述通过虚拟裂纹闭合法建立界面损伤失效分析有限元模型,得到各类玻璃幕墙硅酮结构胶的界面断裂力学参数,具体包括:
在所述H型试件上预制一个裂纹,通过虚拟裂纹闭合法建立界面损伤失效分析有限元模型,开展拉伸试验;
记录所述裂纹扩展过程中的荷载-历程曲线,依据以下公式得到界面的临界能量释放率:
;
其中,G I 是临界能量释放率,t是H型试件厚度,ΔU是能量变化,Δa是裂纹扩展长度;
S4、根据各类硅酮结构胶的常规力学性能参数和界面断裂力学参数,构建硅酮结构胶的力学性能参数样本库;
S5、采用反射光谱仪测试所述H型试件的反射高光谱数据,构建硅酮结构胶的反射高光谱数据样本库;
S6、通过深度学习模型建立所述反射高光谱数据样本库与所述力学性能参数样本库之间的映射关系,从而实现基于反射高光谱的玻璃幕墙硅酮结构胶力学性能智能识别。
2.根据权利要求1所述的基于反射高光谱的玻璃幕墙结构胶力学性能识别方法,其特征在于,所述步骤S1中,选取的硅酮结构胶型号包括:HDRT995、HDRT6800、HDRT7800、HDRT8800、HSK995、HSK2200、HSK3300、HSK5500、HSK6600、HSK8800、WJDH995、WJDH6800、WJDH8800、WJDH9800。
3.根据权利要求1所述的基于反射高光谱的玻璃幕墙结构胶力学性能识别方法,其特征在于,所述H型试件包括玻璃层、基材层和条状硅酮结构胶,所述玻璃层与所述基材层平行设置,所述条状硅酮结构胶粘结在所述玻璃层与所述基材层之间,在截面形成H型结构。
4.根据权利要求1所述的基于反射高光谱的玻璃幕墙结构胶力学性能识别方法,其特征在于,所述步骤S2中,对所述H型试件开展力学试验,具体包括:
采用万能力学试验机对所述H型试件进行加载试验,获得荷载-历程曲线,根据加载试验结果,获取所述常规力学性能参数。
5.根据权利要求1所述的基于反射高光谱的玻璃幕墙结构胶力学性能识别方法,其特征在于,所述常规力学性能参数包括:正割拉伸模量、最大拉伸强度、断裂伸长率、初始刚度、初始剪切刚度、超弹性本构关系。
6.根据权利要求1所述的基于反射高光谱的玻璃幕墙结构胶力学性能识别方法,其特征在于,所述步骤S5中,采用反射光谱仪测试所述H型试件的反射高光谱数据的原理如下:
硅酮结构胶属于聚硅氧烷,化学成分中包含CH基团和OH基团,不同类型的硅酮结构胶包含的CH基团和OH基团的含量不同,通过采用反射光谱仪测试不同类型硅酮结构胶制作的H型试件的反射高光谱,根据反射高光谱数据的差异来区分不同类型的硅酮结构胶。
7.根据权利要求1所述的基于反射高光谱的玻璃幕墙结构胶力学性能识别方法,其特征在于,所述步骤S5中,采用反射光谱仪测试所述H型试件的反射高光谱数据,具体包括:
在每个H型试件随机选择多个测点进行测试,每个测点连续测量多次,以获取稳定的反射高光谱数据。
8.根据权利要求1所述的基于反射高光谱的玻璃幕墙结构胶力学性能识别方法,其特征在于,所述步骤S6中,通过深度学习模型建立所述反射高光谱数据样本库与所述力学性能参数样本库之间的映射关系,具体包括:
基于卷积神经网络和多注意力机制构建深度学习模型;
以所述反射高光谱数据样本库和所述力学性能参数样本库作为训练集,对所述深度学习模型进行有监督式数据训练,建立所述反射高光谱数据样本库与所述力学性能参数样本库之间的映射关系。
9.根据权利要求8所述的基于反射高光谱的玻璃幕墙结构胶力学性能识别方法,其特征在于,所述步骤S6还包括:
利用训练后的深度学习模型作为硅酮结构胶力学性能智能识别模型,对于输入的硅酮结构胶的反射高光谱数据,能够输出对应的硅酮结构胶的类型和力学性能参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311449384.0A CN117169139B (zh) | 2023-11-02 | 2023-11-02 | 一种基于反射高光谱的玻璃幕墙结构胶力学性能识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311449384.0A CN117169139B (zh) | 2023-11-02 | 2023-11-02 | 一种基于反射高光谱的玻璃幕墙结构胶力学性能识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117169139A CN117169139A (zh) | 2023-12-05 |
CN117169139B true CN117169139B (zh) | 2024-01-26 |
Family
ID=88937970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311449384.0A Active CN117169139B (zh) | 2023-11-02 | 2023-11-02 | 一种基于反射高光谱的玻璃幕墙结构胶力学性能识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117169139B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001049827A (ja) * | 1995-07-08 | 2001-02-20 | Toto Ltd | 建物外壁、建物外壁用構造要素及び建物外壁用コーティング材 |
CN103439263A (zh) * | 2013-08-06 | 2013-12-11 | 南京航空航天大学 | 一种波纹型复合材料机翼蒙皮渐进损伤监测方法及系统 |
CN103969180A (zh) * | 2013-02-05 | 2014-08-06 | 中国建筑科学研究院 | 既有幕墙用硅酮结构密封胶粘结性能的测试方法 |
CN106840869A (zh) * | 2016-12-15 | 2017-06-13 | 北京航空航天大学 | 一种基于两种布贴方式下光纤光栅光谱图像分析的孔边裂纹诊断方法 |
CN107727592A (zh) * | 2017-10-10 | 2018-02-23 | 中国矿业大学 | 一种基于煤岩高光谱反射特性的煤岩界面识别方法 |
CN108562490A (zh) * | 2018-04-13 | 2018-09-21 | 武汉理工大学 | 基于fbg传感器阵列光谱的裂纹损伤监测与应变场测量方法 |
KR20200050434A (ko) * | 2018-11-01 | 2020-05-11 | 주식회사 노스퀘스트 | 질량 스펙트럼에 기초한 균주 동정 방법 및 장치 |
CN111239189A (zh) * | 2019-04-01 | 2020-06-05 | 武汉珈鹰智能科技有限公司 | 一种既有建筑玻璃幕墙的检测方法 |
CN112881174A (zh) * | 2021-01-21 | 2021-06-01 | 山东大学 | 一种岩石双扭试件裂纹亚临界扩展断裂能仿真方法 |
CN113011057A (zh) * | 2021-02-22 | 2021-06-22 | 河南农业大学 | 基于胶层梯度退化的老化后粘接结构性能预测方法、系统 |
CN114354487A (zh) * | 2022-01-12 | 2022-04-15 | 深圳市房屋安全和工程质量检测鉴定中心 | 玻璃幕墙结构胶粘结性能检测方法 |
CN115931764A (zh) * | 2023-01-09 | 2023-04-07 | 中冶建筑研究总院(深圳)有限公司 | 混凝土表面遭受的最高温度近红外高光谱成像检测方法 |
CN116026785A (zh) * | 2023-02-13 | 2023-04-28 | 中冶建筑研究总院(深圳)有限公司 | 一种基于近红外高光谱成像的碳化深度检测方法 |
CN116818772A (zh) * | 2023-06-29 | 2023-09-29 | 深圳中航幕墙工程有限公司 | 一种幕墙结构胶粘接情况检测装置及方法 |
CN116879026A (zh) * | 2023-08-16 | 2023-10-13 | 中国工程物理研究院化工材料研究所 | 一种tatb/氟橡胶界面微力学行为测试方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9599555B2 (en) * | 2014-11-13 | 2017-03-21 | Rochester Institute Of Technology | Doping profile measurement using terahertz time domain spectroscopy (THz-TDS) |
CN110865044A (zh) * | 2018-08-28 | 2020-03-06 | 中蓝晨光成都检测技术有限公司 | 一种鉴别掺白油有机硅产品的光谱分析方法 |
-
2023
- 2023-11-02 CN CN202311449384.0A patent/CN117169139B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001049827A (ja) * | 1995-07-08 | 2001-02-20 | Toto Ltd | 建物外壁、建物外壁用構造要素及び建物外壁用コーティング材 |
CN103969180A (zh) * | 2013-02-05 | 2014-08-06 | 中国建筑科学研究院 | 既有幕墙用硅酮结构密封胶粘结性能的测试方法 |
CN103439263A (zh) * | 2013-08-06 | 2013-12-11 | 南京航空航天大学 | 一种波纹型复合材料机翼蒙皮渐进损伤监测方法及系统 |
CN106840869A (zh) * | 2016-12-15 | 2017-06-13 | 北京航空航天大学 | 一种基于两种布贴方式下光纤光栅光谱图像分析的孔边裂纹诊断方法 |
CN107727592A (zh) * | 2017-10-10 | 2018-02-23 | 中国矿业大学 | 一种基于煤岩高光谱反射特性的煤岩界面识别方法 |
CN108562490A (zh) * | 2018-04-13 | 2018-09-21 | 武汉理工大学 | 基于fbg传感器阵列光谱的裂纹损伤监测与应变场测量方法 |
KR20200050434A (ko) * | 2018-11-01 | 2020-05-11 | 주식회사 노스퀘스트 | 질량 스펙트럼에 기초한 균주 동정 방법 및 장치 |
CN111239189A (zh) * | 2019-04-01 | 2020-06-05 | 武汉珈鹰智能科技有限公司 | 一种既有建筑玻璃幕墙的检测方法 |
CN112881174A (zh) * | 2021-01-21 | 2021-06-01 | 山东大学 | 一种岩石双扭试件裂纹亚临界扩展断裂能仿真方法 |
CN113011057A (zh) * | 2021-02-22 | 2021-06-22 | 河南农业大学 | 基于胶层梯度退化的老化后粘接结构性能预测方法、系统 |
CN114354487A (zh) * | 2022-01-12 | 2022-04-15 | 深圳市房屋安全和工程质量检测鉴定中心 | 玻璃幕墙结构胶粘结性能检测方法 |
CN115931764A (zh) * | 2023-01-09 | 2023-04-07 | 中冶建筑研究总院(深圳)有限公司 | 混凝土表面遭受的最高温度近红外高光谱成像检测方法 |
CN116026785A (zh) * | 2023-02-13 | 2023-04-28 | 中冶建筑研究总院(深圳)有限公司 | 一种基于近红外高光谱成像的碳化深度检测方法 |
CN116818772A (zh) * | 2023-06-29 | 2023-09-29 | 深圳中航幕墙工程有限公司 | 一种幕墙结构胶粘接情况检测装置及方法 |
CN116879026A (zh) * | 2023-08-16 | 2023-10-13 | 中国工程物理研究院化工材料研究所 | 一种tatb/氟橡胶界面微力学行为测试方法 |
Non-Patent Citations (2)
Title |
---|
Finite element modeling of debonding failure in CFRP-strengthened steel beam using a ductile adhesive;Wang, Z etal;《COMPOSITE STRUCTURES》;第311卷;116818(1-10) * |
装配式建筑玻璃幕墙接缝用密封胶性能测试;包海利;《液压气动与密封》(第07期);92-97 * |
Also Published As
Publication number | Publication date |
---|---|
CN117169139A (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kopp et al. | “Three little pigs” project: hurricane risk mitigation by integrated wind tunnel and full-scale laboratory tests | |
Morrison et al. | The response of a wood-frame, gable roof to fluctuating wind loads | |
CN103063528B (zh) | 一种高温构件剩余寿命现场快速测评方法 | |
CN102053062A (zh) | 结构胶现场检测方法及其检测装置 | |
Centelles et al. | Viscoelastic characterization of seven laminated glass interlayer materials from static tests | |
Taileb et al. | Infrared imaging as a means of analyzing and improving energy efficiency of building envelopes: the case of a LEED gold building | |
Maia et al. | Laboratory tests and potential of thermal insulation plasters | |
CN117169139B (zh) | 一种基于反射高光谱的玻璃幕墙结构胶力学性能识别方法 | |
Carlsson et al. | The applicability of accelerated life testing for assessment of service life of solar thermal components | |
Botz et al. | Experimental determination of the shear modulus of polymeric interlayers used in laminated glass | |
CN114354487A (zh) | 玻璃幕墙结构胶粘结性能检测方法 | |
Balasubramaniam et al. | Ultrasonic guided wave-based debond identification in a GFRP plate with L-stiffener | |
Pereira et al. | Harmonising correlation matrices within a global building expert knowledge-based inspection system | |
CN106596262A (zh) | 一种获取标准件环境适应性标杆数据的自然环境试验方法 | |
Morrison | Response of a two-story residential house under realistic fluctuating wind loads | |
Lovisa et al. | Characterising fatigue macrocrack initiation in profiled steel roof cladding | |
Wu et al. | Wind vulnerability analysis of standing seam roof system considering fatigue damage | |
Pan et al. | Sealant Delamination Detection of Structural Sealant Glazing Systems Based on Driving‐Point Accelerance | |
Chang et al. | The predictive research of ancient wooden building internal defects compressive bearing capacity based on nondestructive testing methods | |
KR102334361B1 (ko) | 열관류율 진단 장치 및 그것의 제어 방법 | |
Riahinezhad et al. | Innovative Construction Products: From Qualification and Performance Assessment to Quality Control | |
Sivapathasundaram | Localised pull-through failures of thin steel roof battens subject to wind uplift loads | |
de Andrade et al. | Hygrothermal simulation applied to degradation modeling of ceramic facades | |
CN115452694B (zh) | 一种玻璃-结构胶界面粘结强度受老化因素影响的测试方法 | |
Calderone et al. | The behaviour of glass under wind loading |
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 |