老房子加固的"卡脖子"問題
走在歷史街區,常見外墻貼著一層"塑料布"——這是纖維增強聚合物(FRP),一種輕便高強的建筑加固材料。但你知道嗎?這些"塑料布"和老磚墻的粘結強度,直接決定著地震時房子會不會塌。傳統設計靠經驗公式,誤差大時甚至可能高估50%!沙特學者用AI破解了這個難題:機器學習模型預測FRP與砌體粘結強度,誤差僅1kN,準確率超97%。
粘結強度:加固效果的"命門"
FRP像"建筑創可貼",靠粘結力把脆弱的老磚墻"粘"成整體。但現實中,粘結失效是加固失敗的主因——就像創可貼沒貼牢,一撕就掉。過去,工程師用意大利指南(CNR-DT 200 R1)估算粘結強度,公式依賴"經驗系數",遇到不同磚塊(黏土磚、石灰巖等)就容易"翻車":測試數據顯示,傳統方法誤差最高達3.7kN,相當于高估了近一半的安全余量。
1583次試驗喂出的"粘結預測師"
為了讓AI學會"看"粘結強度,研究者翻遍56篇文獻,收集了1583次剪切拉拔試驗數據(相當于把FRP從磚塊上"硬扯"的力值)。這些數據涵蓋黏土磚、石灰巖等7類砌體,CFRP、GFRP等6種FRP材料,甚至包括不同寬度、厚度的FRP板。
關鍵一步是"挑重點":工程師篩選出7個最影響粘結力的參數——磚塊抗壓強度、FRP板寬/厚/彈性模量、粘結長度等。就像做蛋糕,面粉、糖、烤箱溫度是關鍵,其他材料影響小。
AI vs 老公式:誰更準?
訓練好的三種AI模型(CatBoost、Extra Trees、XGBRegressor)開始"考試":
- 準確率:測試數據中,AI模型解釋了87%-90%的粘結力變化(R2值),相當于100道題能答對87-90道;
- 誤差小:平均預測誤差僅1kN(傳統方法誤差3-5kN),相當于用尺子量身高,AI誤差1厘米,老公式誤差3-5厘米;
- 抗干擾:面對磚塊強度波動、FRP厚度變化等復雜情況,AI能捕捉到"非線性關系"——比如FRP板寬增加,粘結力不是簡單翻倍,而是先漲后穩,老公式卻只會算直線。
AI的"透明化":它到底看了啥?
為了讓工程師敢用AI,研究者用"敏感性分析"和"SHAP值"給模型"拆盲盒"。結果發現:
- FRP板寬是最大影響因素(就像創可貼越寬越難撕),其次是粘結長度(貼得越長越牢);
- 磚塊抗壓強度、FRP彈性模量等參數影響較小——這解釋了為啥老公式總出錯:它沒抓住"板寬"這個關鍵變量。
未來:從實驗室到工地的"最后一公里"
目前,AI模型已在沙特部分歷史建筑加固中試用。工程師表示:"以前設計得反復調整參數,現在輸入FRP尺寸、磚塊類型,AI秒出結果,還能標注風險點。"
論文作者提到,下一步計劃把模型集成到建筑設計軟件中,并擴展數據覆蓋更多砌體類型(如我國常見的青磚)。未來,老房子加固可能像"點外賣":選好FRP型號,AI一鍵算出最安全的粘結方案。
來源: FrontClVlL