林旭梅，胡 川，朱广辉，陈一戈，苗芳荣

(青岛理工大学信息与控制工程学院，青岛 266520)

海水是一种富含侵蚀性盐类的腐蚀电解质溶液[1]，架驻在海洋环境下的钢筋混凝土工程在漫长服役期里易遭受腐蚀侵坏，其中内部钢筋的腐蚀是造成混凝土结构工程耐久性失效的主要原因，因此提高对服役钢筋损伤状态的检测精度，及时对危险工程做出预判尤为重要。

近年来，中外学者对钢筋混凝土腐蚀检测做出大量研究，Gotoh等[2]利用钢筋锈蚀过程中磁导率产生变化这一特性，利用电磁感应原理结合霍尔元件来检测钢筋锈蚀程度。王潇舷等[3]通过研究钢筋锈蚀应变力的变化结合数字图像技术实现对混凝土内部腐蚀程度的检测。Völker等[4]将探地雷达引入混凝土腐蚀检测之中，通过测量钢筋反射振幅，电势等特征数据，采用机器学习方法对数据进行融合处理来判断钢筋锈蚀程度。

阳极梯传感器在海洋工程钢筋腐蚀监测中被广泛应用[5]，现采用阳极梯传感器监测系统对腐蚀样本数据进行采集，将采集的腐蚀电压、腐蚀电流、腐蚀阻抗及环境温度等特征参数作为模型的输入，钢筋的腐蚀状态作为模型输出。针对小样本数据下浅层神经网络模型拟合能力不足，而加深网络层数出现网络性能退化问题，建立双跳跃深度残差网络模型，同时对Adam算法中影响学习率的二阶矩估计梯度进行调整，并将其用于钢筋混凝土腐蚀状态预测。

1 阳极梯传感器数据预处理及分类模型

1.1 钢筋混凝土腐蚀状态预测模型

钢筋混凝土腐蚀状态与各特征之间具有强耦合性，常规数学建模往往无法准确全面地反映出各因素与腐蚀程度之间的高度复杂关系。……