桥梁施工评估的神经网络模型和区间分析.pdfVIP

Serial 总第225期 交通科技 No．225 2007年第6期 TransportationScience＆Technology No．6Dec．Z007 桥梁施工评估的神经网络模型和区间分析 叶士昭1 蔡 军2 (1．襄樊市交通基本建设质量监督站襄樊441000；2．襄樊市交通规划设计院襄樊441000) 摘 要介绍了人工神经网络、遗传算法和不确定结构的区间分析法等桥梁施工智能化控制技 术．应用智能化方法建立桥梁施工状况评估模型，通过敏感度分析修正模型参数，并运用区间分 析法对含随机误差和少样本情况下的张拉判定结果进行离差分析和预应力张拉状况的评估与 判定。 关键词桥梁状况评估神经网络 区间分析智能控制技术 本文结合某大桥进行分析，该桥主桥上部构 测点的反拱和控制截面顶板、底板的应力增量，而 m+80m+52 造为三跨一联(52 m)预应力混凝 网络输出则是预应力张拉状况(达到设计值的百 土连续刚构的施工控制，通过现场测试的应力变 分比)。 化值及T构的反拱变形，使用人工神经网络、遗 网络模型对张拉状况判定误差进一步用区 传算法和不确定结构的区间分析法等智能化控制 间分析法进行认定。根据反拱和应力测量可能发 技术，对各节段施工中的预应力张拉状况进行评 生的误差，分别让实测值在误差的上、下界变化， 估，及时指导张拉或补张拉施工。 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 l桥梁施工状态评估分析法 别能力，确定实测的测点反拱值和相应截面的应 1．1评估误差的区间分析 力增量最可能对应的张拉状况，指导预应力的张 对于含不确定性变量的问题，采用统计分析 拉的智能反馈控制。 需要大量的样本。当统计数据的信息很少的情况 2预应力张拉状况引起结构反拱的正问题分析 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 2．1不同张拉力情况下的反拱变形理论计算 率数据的小误差而导致结构的概率计算出现较 该桥某一节段仅有顶板索，4束的张拉力各 大误差的现象发生。作为一种选择，可采用 为234kN，还有2束的张拉力为117kN，总张拉 Ben‘Haim[1]等人提出的一种非概率的凸集模型， 170 力为1 kN。分别以100％、90％、80％和70％ 它将不确定参量视为有界的，包含在某一凸集合 的张拉力进行反拱的理论计算，其反拱变形呈二 中，运用区间数理论，开展相关分析，该方法称为 次曲线形式[2]；同时，反拱随着预应力索张拉力的 “区间分析法”。由于桥梁施工控制中，影响因素 降低，逐步变小。 复杂，建立完整的数学模型有一定的困难，故采用 2．2实测反拱数据的相关处理 经学习后的神经网络模型进行区间分析。 对实测反拱数据进行二次曲线拟合，根据反 1．2神经网络状态评估方法 拱产生的机理，以测量反拱值为基础，将其用二次 因为不同的张拉力将引起不同的测点反拱 曲线描述。可采用遗传算法的优选方法，寻找最 值和控制截面顶板、底板的不同应力增量。反过