基于遗传算法的钢筋混凝土桥墩抗震性能设计方法

发布时间：2017-09-13 02:24

  本文关键词：基于遗传算法的钢筋混凝土桥墩抗震性能设计方法

  更多相关文章： 钢筋混凝土桥墩 基于性能抗震设计 遗传算法 位移延性 承载力 配筋率

【摘要】：地震灾害在我国发生较为频繁,往往造成巨大的经济损失与人员伤亡。在桥梁震害中,桥墩的破坏可能会直接导致桥梁整体的垮塌或倾覆,往往震后难以修复。单纯以保证结构安全为目标的抗震思想和基于强度的抗震设计方法已经不能满足当今社会发展的需求。基于性能的抗震设计思想和方法成为当前抗震设计的研究重点。然而,基于性能的抗震设计还主要通过反复试算配筋来使桥墩达到所需的抗震性能,这个试算过程往往比较繁琐。如何避免这个试算过程,还有待进一步研究。本文通过遗传算法,计算出同时满足承载力与位移延性双重需求下的配筋率范围,提出了一种直接基于性能需求的钢筋混凝土桥墩抗震设计方法。主要内容和所得结论如下：(1)设计出了相应的遗传算法,用于分别求解达到期望位移延性系数时和达到期望抗弯承载力时的配筋方案,并对算法的正确性进行了检验。(2)算法内存在多项参数需要确定,这些参数决定了算法的精度和计算速度,通过对算法内关键性参数的研究,确定参数的取值。(3)改变桥墩的期望位移延性系数与抗弯承载力,通过本文的算法得到此时的配筋率：研究配筋率的变化规律,进而给出同时满足期望位移延性系数与抗弯承载力的配筋率范围；当配筋率范围不存在时,通过同时调节箍筋与纵筋找到满足条件的配筋方案。(4)结合圆形截面桥墩与矩形截面桥墩抗震设计算例,验证了本文设计方法的可行性。
【关键词】：钢筋混凝土桥墩 基于性能抗震设计 遗传算法 位移延性 承载力 配筋率
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U442.55
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 绪论11-17
• 1.1 课题研究背景11-12
• 1.2 国内外研究现状12-15
• 1.2.1 基于性能的抗震设计12-13
• 1.2.2 钢筋混凝土墩、柱延性研究13-14
• 1.2.3 遗传算法在桥梁设计中的应用14-15
• 1.3 本文的研究内容15-17
• 2 基于遗传算法的钢筋混凝土桥墩抗震性能设计方法17-45
• 2.1 总体思路17-19
• 2.2 材料的本构关系模型19-23
• 2.2.1 钢筋应力—应变关系19
• 2.2.2 混凝土应力—应变关系19-23
• 2.3 纤维模型23-29
• 2.3.1 弹塑性纤维单元的基本假定23-24
• 2.3.2 截面纤维模型网格划分24-25
• 2.3.3 已知曲率的截面内力计算方法25-29
• 2.4 曲率加载29-30
• 2.4.1 曲率加载初值29-30
• 2.4.2 曲率加载规律30
• 2.5 中和轴搜索范围30-34
• 2.6 曲率延性系数与位移延性系数34-37
• 2.6.1 延性系数的定义34-35
• 2.6.2 位移延性系数与曲率延性系数的关系35-37
• 2.7 两阶段遗传算法37-44
• 2.7.1 初始化编码38-39
• 2.7.2 目标函数与适应度函数转化39-41
• 2.7.3 初始种群41-42
• 2.7.4 选择算子42
• 2.7.5 交叉算子42-43
• 2.7.6 变异算子43-44
• 2.8 本章小结44-45
• 3 关键性参数分析45-59
• 3.1 关键性参数45-46
• 3.2 第一阶段遗传算法关键性参数46-51
• 3.2.1 曲率递增系数46-47
• 3.2.2 目标函数判断系数47-49
• 3.2.3 种群规模、交叉概率和变异概率49-51
• 3.3 第二阶段遗传算法关键性参数51-58
• 3.3.1 钢筋根数搜索范围52-53
• 3.3.2 纤维模型分块参数53-54
• 3.3.3 目标函数判断系数54-56
• 3.3.4 种群规模、交叉概率和变异概率56-58
• 3.4 本章小结58-59
• 4 算法验证及配筋方案分析59-77
• 4.1 算法验证59-64
• 4.1.1 第一阶段遗传算法验证59-61
• 4.1.2 第二阶段遗传算法验证61-64
• 4.2 配筋率范围64-72
• 4.2.1 圆形截面桥墩配筋率范围64-67
• 4.2.2 矩形截面桥墩配筋率范围67-72
• 4.3 同时调节箍筋与纵筋的配筋方案72-76
• 4.3.1 同时调节箍筋与纵筋的圆形截面桥墩配筋方案72-73
• 4.3.2 同时调节箍筋与纵筋的矩形截面桥墩配筋方案73-76
• 4.4 本章小结76-77
• 5 钢筋混凝土桥墩设计算例77-83
• 5.1 圆形截面桥墩设计算例77-79
• 5.2 矩形截面桥墩设计算例79-81
• 5.3 本章小结81-83
• 6 结论与展望83-85
• 6.1 结论83
• 6.2 展望83-85
• 参考文献85-89
• 作者简历89-93
• 学位论文数据集93

【相似文献】

中国期刊全文数据库 前10条

1 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

2 王毅,曹树良;遗传算法在并联水泵系统运行优化中的应用[J];流体机械;2003年10期

3 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

4 李凡,黄数林,张东风;一种改进的多倍体遗传算法[J];华中科技大学学报(自然科学版);2005年01期

5 韦雪洁;黎明;刘高航;田贵超;;注入式的遗传算法的分析与研究[J];南昌航空工业学院学报(自然科学版);2006年01期

6 阎纲;;遗传算法及其仿真[J];湖南工程学院学报(自然科学版);2006年04期

7 ;遗传算法[J];电网与清洁能源;2008年10期

8 吴玫;陆金桂;;遗传算法的研究进展综述[J];机床与液压;2008年03期

9 李培植;肖利明;于静涛;;基于遗传算法的结构优化方法[J];公路交通科技(应用技术版);2008年08期

10 于金;金乐;杜海璐;;基于改进遗传算法的集装箱装载优化问题研究[J];船海工程;2008年05期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

4 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

5 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

6 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

7 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

8 吴欣欣;改进GA-TS算法优化的BP神经网络入侵检测研究[D];湖南工业大学;2015年

9 王垒;基于遗传算法的A型单喇叭互通立交线形优化[D];长安大学;2015年

10 龚高;基于遗传算法的桥梁结构传感器优化布置研究[D];长安大学;2015年

，

本文编号：840967