下载本文档
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
智能化技术在桥梁施工中的应用
在这项工作中,我们将结合一座桥梁进行分析。主桥上部结构采用三级单(52m-80m-52m)预测混凝土结构的连续刚结构施工控制。通过现场测试的应力变化值和t结构的反弧变形,以及人工神经网络、遗传算法法和不确定结构的区域分析等智能化技术,评估各部分施工中的预测张拉状况,并及时指导张拉和填充张拉的施工。1桥梁施工状态评价分析1.1区间分析方法对于含不确定性变量的问题,采用统计分析需要大量的样本。当统计数据的信息很少的情况下,必须采用一种不同于概率统计方法的小样本不确定问题分析方法,以避免因样本过少,使概率数据的小误差而导致结构的概率计算出现较大误差的现象发生。作为一种选择,可采用Ben-Haim等人提出的一种非概率的凸集模型,它将不确定参量视为有界的,包含在某一凸集合中,运用区间数理论,开展相关分析,该方法称为“区间分析法”。由于桥梁施工控制中,影响因素复杂,建立完整的数学模型有一定的困难,故采用经学习后的神经网络模型进行区间分析。1.2网络模型选择因为不同的张拉力将引起不同的测点反拱值和控制截面顶板、底板的不同应力增量。反过来,不同的测点反拱值和控制截面顶板、底板的应力增量,将对应着不同的预应力束张拉力。为此可以采用神经网络模型建立反拱、应力增量与张拉状况的非线性映射关系,其网络输入为选定测点的反拱和控制截面顶板、底板的应力增量,而网络输出则是预应力张拉状况(达到设计值的百分比)。网络模型对张拉状况判定误差进一步用区间分析法进行认定。根据反拱和应力测量可能发生的误差,分别让实测值在误差的上、下界变化,则可得到张拉状况判定误差的区间离差,从而判断张拉状况判定的可信度,并通过遗传算法的识别能力,确定实测的测点反拱值和相应截面的应力增量最可能对应的张拉状况,指导预应力的张拉的智能反馈控制。2对预测张力结构反演的积极问题的分析2.1张拉力和总张拉力该桥某一节段仅有顶板索,4束的张拉力各为234kN,还有2束的张拉力为117kN,总张拉力为1170kN。分别以100%、90%、80%和70%的张拉力进行反拱的理论计算,其反拱变形呈二次曲线形式;同时,反拱随着预应力索张拉力的降低,逐步变小。2.2反拱机理描述对实测反拱数据进行二次曲线拟合,根据反拱产生的机理,以测量反拱值为基础,将其用二次曲线描述。可采用遗传算法的优选方法,寻找最佳的拟合参数。2.3结构的应力增量计算实测反拱数据仅是一种实际张拉情况的反映,无法按理论计算那样,给出100%~70%张拉力的反拱数据,仅用这组数据尚无法对张拉状况作出判断。为此运用曲线相似性假定,即认为实测反拱拟合曲线同计算曲线有相等的比例关系,得到图1所示的不同张拉状况的假定反拱曲线。对于预应力张拉引起的结构内力变化亦采取实测与理论计算相结合的方法开展分析。不同张拉状况的结构应力增量计算得到1号截面和8号截面箱梁的顶板、底板的应力增量计算值如图2所示。由于T构的悬臂施工其力学分析属于静定结构,结构应力状态应该随荷载线形变化。因静定结构的受力分析相对比较明确,计算结果有一定的可信度,除应对温度引起的应力作必要的修正外,施工控制过程中应力增量的测试与理论计算结果往往吻合得较好,故分析时直接采用现场测试的应力增量数据,将不再作处理。3预测预测的神经网络模型与评价误差间隔的分析3.1张拉状态网络输出神经网络模型的输入为预应力张拉后的测点反拱值(6个)和1号、8号截面的顶板、底板的4个应力增量,共计10个变量;其输出是张拉状况(即张拉力的百分数,1个变量)。仍采用3层的BP网络,学习精度要求网络输出与样本的期望输出的误差小于0.5%。该网络模型建立了由反拱值、截面应力增量推测预应力张拉状况之间的非线形映射关系,对100%~70%预应力张拉的7个学习样本学习,可取得很好的学习效果。3.2张拉误差的区间离差及张拉方式选择本文还开展神经网络模型的输入变量对网络输出影响的分析,即预应力状况判定结果的敏感度分析。从而根据敏感度,确定剔除部分因测量误差而造成网络误判断的输入变量。27号T构9号节段预应力张拉状况的网络模型敏感度分析结果见表1和表2。表中,以张拉力状况为90%作区间分析的基准,认为各反拱测量误差为±1mm,应力测量误差为±0.1MPa时,将神经网络输出的张拉状况与基准之差称为张拉误差的区间离差。通过分析测点反拱的测量误差对张拉状况影响的区间离差(%),发现靠近张拉端的反拱测量误差对张拉状况的判定影响较小,而靠近T构墩顶处的影响较大。这种现象从力学角度是容易理解的,因为在T构的悬臂端与固支端附近如果要产生相同的反拱值,后者需要大得多的张拉力才可能达到。也就是说,靠近墩顶的反拱误差会更容易对张拉状况作出误判定,为此适当删除靠墩顶的反拱测量值,可能对张拉状况的判定反而有利。故下面仅选用靠张拉端的4个截面的反拱测量值作为网络模型的反拱输出,而应力测量由于仅在1号和8号截面的顶板、底板预埋有传感器,因测量数据有限,故全部予以保留。经如上分析、筛选后,用于张拉力状况判定的神经网络模型为8个输入变量,输出仍为张拉力状况1个量。按此模型同样进行误差的区间分析。3.3张拉力损失的判定按照区间分析法的有关理论,假定反拱与应力各自可能出现±1mm与±0.1MPa的测量误差时,可认为张拉状况判定值(张拉力的百分数)为一个区间数。将表1的反拱与应力对张拉的误差区间分析中各自的上界和下界求和,得到的张拉力判定误差的上、下界,如表3所示。误差的上、下界作为极端情况,不宜用作对判定结果的修正。现采用反拱与应力判定张拉力误差区间的均值之和-2.17%来鉴别神经网络模型识别的张拉力状况(达到设计张拉力的百分比)。根据部分(4个测点)张拉后的反拱值和1号、8号截面顶板、底板的应力增量值,建立的张拉力状况判定神经网络模型的分析结果列于表4。由表4可知,按照实测的4个测点的反拱与1号、8号截面顶板、底板的应力,判定的张拉力状况:反拱、应力共同考虑时张拉力达到设计的86.46%;仅考虑反拱时为93.09%;仅考虑应力时为78.05%。再采用遗传算法对张拉状况开展判定,通过实测的4个测点反拱值与4个应力增量,优化识别的预应力张拉状况为设计张拉值的92.33%,与神经网络模型仅考虑反拱时的判定结果是相当接近的。以上多手段分析,均表明实际施工中张拉有所不足,需要进行补张拉。考虑到仅采用反拱值时判定的张拉状况将达93.09%,与遗传算法得到的92.33%基本一致;按照施工检测的经验,张拉力沿管道有一个释放过程(大约需1d),即张拉效果会有部分提升,综合以上因素,在监控中应采取5%左右的预应力补张拉。施工控制实践表明,该节段正好为合龙口,采取补张拉后,达到了合理的桥面标高要求,保证了合龙的顺利进行。4智能预测反拱模型的建立在大
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 食品企业食品安全追溯指南
- 环保合规生产指引函(8篇)
- 中国进出口银行2025绿色金融白皮书
- 旅游景点讲解员服务礼仪与游客满意度提升方案
- 关于部门间沟通渠道确认函(4篇)范文
- 初中教资面试英语试讲高频考题题库参考答案
- 2026事业单位计算机岗面试结构化问答强化训练
- 事业单位计算机岗面试必练考题全真模拟试卷及解析
- 关于2026年跨部门协作会议时间确认的通知函(4篇)范文
- 2026初中教资面试道法试讲高频考题参考答案
- 大学管理岗位招聘考试试题及详细参考答案
- 2026年秋季开学学科教师家访工作培训课件
- 2026年网格员招聘笔试重点题库(350题)
- 时代新声·青年担当-高中学生会干部2026-2027学年度热点主题班会培训讲义
- 医德医风警示教育课件
- 妇科机器人保留生育功能手术
- DBJT15-60-2019 建筑地基基础检测规范
- T/CECS 10054-2019绿色建材评价钢质户门
- 《测绘工程管理与法规》课件-第三单元 测绘工程合同管理
- 初中文言文之字用法课件市公开课一等奖省赛课微课金奖课件
- 创新创业基础学习通超星期末考试答案章节答案2024年
评论
0/150
提交评论