一个完整的、基于现代控制理论的桥梁施工控制系统应具备以下6大功能模块：.docVIP

一个完整的、基于现代控制理论的桥梁施工控制系统应具备以下6大功能模块： （1）高精度的快速量测系统。通过量测施工过程中结构的实际行为，来确定或识别引起偏差的主要设计参数，从而确定反馈控制量。最可靠、最方便的是节点位移和索力的测量值，这些测量值也能较好地反应结构的总体受力性能； （特别是施工过程结构实际行为的宏观反应量如节点位移和索力等测量值，这些测量值变化量大，测量相对误差较小，能构较好地反应结构的总体受力性能） （2）最优估计系统，包括参数识别和状态估计； （3）实时跟踪计算系统。根据实测、识别结果，计算结构当前状态； （4）状态预测系统。根据估计结果，建立预测模型，预测以后可能的状态； （预测以后主梁标高和斜拉索索力在施工各状态的变化轨迹） （5）理想状态（参考轨迹、控制目标）修正系统。根据识别、预测结果，重新计算以后各阶段目标状态； （未施工梁段立模标高要作相应调整） （6）状态调整（最优控制）系统。选择控制量，使斜拉桥从当前状态转移到指定的目标状态，同时使某一目标函数达到最优。 （即误差调整系统，使斜拉桥从当前误差累积状态调整到修改后的理想施工状态） 桥梁施工控制是以上6个模块的循环过程。本文讨论后五个模块，它们是施工控制系统的核心技术。 3.1 最优估计 对受到随机干扰和随机测量误差作用的物理系统，按照某种性能指标最优的原则，估计出系统某些参数或某些状态变量，这就是最优估计问题，即参数估计和状态估计。 在反馈控制、自适应控制等控制系统中，最关键但又最薄弱的环节是参数估计，它关系到整个控制系统的成败。如果不解决模型中多参数的估计问题，再好的模型也不会起到很好的控制效果。 参数估计技术在结构动力方面已有很大发展[34]。对于斜拉桥施工控制中的参数估计，较方便的是采用基于结构静力反应的参数识别方法。主梁阶段的吊装、拉索张拉等工序为参数识别提供了很好的机会。但目前基于静力的参数识别研究较少，很不成熟。 从当前结构的输入、输出关系到等价模型的建立是一个按照某种准则和算法调整原模型的过程。这个过程既可以作为反问题优化求解，也可以作为正问题摄动求解。主要有三类方法：（1）基于误差最小化算法，如最小二乘法；（2）基于随机状态估计理论的算法，如扩展Kalman滤波法；（3）非经典算法，如神经网络等。 除识别精度外，识别策略的鲁棒性对桥梁施工控制是重要的和挑战性的课题[35]。需要考虑三个因素：（1）因为实际输入和输出受噪声污染，识别策略应该对噪声不敏感；（2）识别策略不能要求完全观测；（3）为了收敛到真实解，不能对初值有过分要求。 3.1.1 基于误差最小化的方法 最小二乘是最常用、最简单的识别方法。文献[36]用最小二乘法识别一个三自由度系统的刚度和阻尼系数；文献[37,38]提出以位移误差估计和力误差估计最小化为目标的结构参数识别算法；文献[39,40]基于静载试验，把构件面积、惯性矩取为待识别参数，以量测得到的位移、应变反应与模型分析结果的差值建立优化目标，采用最小二乘来优化求解待识别参数；文献[41,42]对参数识别中的建模、精度、稳定性等问题进行了总结；文献[43]基于Gauss-Newton最小二乘技术预测结构损伤的位置和程度；我国学者也将最小二乘法用于桥梁施工控制的参数识别[13,23,44]。 对于参数非线性影响较大的场合，最小二乘不太适合。增加二次影响矩阵可使参数线性误差减小[45]。参数估计的最小二乘法虽然简便，但对I/O噪声敏感。尤其对于多参数混合估计时，最小二乘法结果须经过认真判定后才能采用。 常用的参数估计方法还有最大似然估计、最小方差估计等。这些算法的共同点是，先从参数化的结构平衡方程推导出观测值的函数表达式，再由此推导出一个目标函数，通过使目标函数最小化获得最优参数估计。文献[46]应用最大似然法识别悬索桥二维模型参数。由于桥梁施工过程结构体系和参数不断变化，测点位置和数量也在变化，因此很难求出目标函数及其导数，这类方法难以直接应用于桥梁施工控制。 3.1.2 扩展Kalman滤波法 Kalman滤波根据被噪声污染的信号估计系统的真实状态，具有平滑、滤波和预测功能，是最优控制、自适应控制的基础[1,47]。Kalman滤波的特点是可以根据每组观测值递推估计系统的状态，每次估计只跟前次估计值和当前一组观测值有关，无需计算目标函数的导数，因此具有很好的适用性。对每组测量值可以有不同的观测矩阵，因此可以适应桥梁施工中体系不断变化、不同阶段的测点数量及位置不断变化的特点。利用Taylor级数将状态转移矩阵和观测矩阵展开，就可以进行非线性系统的状态估计。 对于桥梁施工控制系统，只要把结构参数作为系统的状态向量，并以静力平衡方程为观测方程，就可以应用Kalman滤波根据静力反应估计结构参数[41,42]。Kal