基于人工智能方法的预应力混凝土梁式桥损伤识别研究

发布时间：2020-11-13 02:55

　　 随着科学技术和交通事业的发展,预应力混凝土梁式桥以其施工简单、造价经济、受力合理、行车舒适等独特优势越来越广泛地被采用,这样也使得存在损伤与病害的既有预应力混凝土桥梁不断增多。为保证此类桥梁的安全运营,如何及时有效地进行损伤识别已成为桥梁工程领域的重要研究课题。本文针对预应力混凝土梁式桥存在混凝土开裂严重和预应力损失两个方面的损伤,分别建立裂缝梁单元模型和预应力损失模型,采用人工智能的方法,进行这两个方面的损伤识别研究,建立了一套预应力混凝土梁式桥的损伤识别体系。主要研究工作包括以下几个方面: 总结结构裂缝的几种常用模型,并在已有研究成果基础之上,结合土木工程结构受力特点,增加节点扭矩荷载作用,采用每个节点6个自由度,运用断裂力学理论,建立三维裂缝梁单元有限元计算模型。基本思路是将带裂缝的梁单元看成3段式变刚度裂缝梁单元,其组成为:中间是无厚度的裂缝段,两边是无损梁段。裂缝段的描述采用局部柔度矩阵,这个矩阵通过应力强度因子的积分得到;无损梁段的描述与常规空间梁单元一样。然后运用传递矩阵方法,将3段不同刚度的梁段组合成裂缝梁单元,用于有限元计算。 总结目前常用的三种预应力损失计算方法:时步分析法,分项总和法和预应力总损失法。提出了混凝土结构中预应力筋的实际有效预应力变化情况存在两种趋势:预应力损失与阻滞损失效应,而且预应力损失效应趋势大于阻滞损失效应趋势,并假设预应力损失效应呈指数增长,阻滞损失效应呈线性增长,在结构的整个服役期限内,表现为构件内预应力筋预应力损失增长的趋势。并据此假设条件建立包含4个参数和1个时间变量的预应力损失计算数学模型方程。 概述人工神经网络和遗传算法的概念、基本工作原理及其各自特点,以及这两种人工智能方法在土木工程结构损伤识别中的应用。针对桥梁工程损伤识别这样的复杂非线性问题,将BP神经网络与遗传算法结合,利用神经网络建立的结构损伤参数与响应差的映射关系预测出与之对应的函数值,代替有限元分析结果,根据这个预测的函数值计算遗传算法适应度值,对大型桥梁结构的损伤进行参数识别,并详述GA-BP算法的实现步骤。 讨论预应力混凝土梁式结构的损伤识别基本理论,主要包括构件截面的几何特性计算和损伤识别敏感因子的选取原则。 采用基于人工智能方法的GA-BP算法,运用已经建立的裂缝梁单元理论和预应力混凝土损伤识别理论,对预应力T形截面简支梁桥进行混凝土裂缝的损伤识别,识别出裂缝位置和裂缝深度;对连续梁桥中跨箱梁预应力束损失进行识别,通过概略识别和精细识别两阶段识别方式,识别出单根预应力束预应力损失模型表达式的参数值,从而建立该钢束预应力损失模型方程式。
【学位单位】：西南交通大学
【学位级别】：博士
【学位年份】：2009
【中图分类】：U448.35;U441.4
【文章目录】：
摘要
Abstract
目录
第1章 绪论
    1.1 论文的研究意义及其背景
    1.2 论文的研究目的
    1.3 论文的主要研究内容
第2章 相关领域研究发展现状概述
    2.1 结构健康监测及损伤识别技术的发展
        2.1.1 结构损伤检测的发展
        2.1.2 结构健康监测的发展
        2.1.3 结构损伤识别技术的发展
    2.2 结构损伤识别基本原理与方法
        2.2.1 基于结构动态特性的结构损伤识别
        2.2.2 基于模型修正理论的结构损伤识别
        2.2.3 基于人工智能的结构损伤识别
        2.2.4 基于阻抗技术的结构损伤识别
    2.3 预应力混凝土桥的历史和发展及待解决的问题
        2.3.1 预应力混凝土桥的历史和发展
        2.3.2 预应力混凝土桥需要解决的问题
    2.4 在役预应力混凝土梁桥的损伤识别现状
第3章 结构裂缝损伤识别基本理论
    3.1 构件裂缝的类型
    3.2 描述构件裂缝的几何参数
    3.3 结构裂缝损伤基本模型
        3.3.1 短梁单元模型
        3.3.2 有限元模型
        3.3.3 断裂力学模型
        3.3.4 局部扰动函数模型
    3.4 基于断裂力学原理的裂缝梁单元基本理论
        3.4.1 局部柔度表示的裂缝模型
        3.4.2 裂缝梁单元刚度矩阵
        3.4.3 裂缝梁单元法实例验证
    3.5 本章小结
第4章 基于GA-BP算法的梁式桥裂缝损伤识别
    4.1 人工神经网络
        4.1.1 人工神经网络基本概念
        4.1.2 BP神经网络基本原理
    4.2 神经网络的损伤识别方法
    4.3 遗传算法（Genetic Algorithm-GA）
        4.3.1 遗传算法工作原理
        4.3.2 遗传算法的特点
    4.4 遗传算法的结构损伤识别方法
    4.5 神经网络与遗传算法相结合的结构损伤识别方法
    4.6 预应力混凝土梁式结构损伤识别理论
        4.6.1 截面几何特性计算公式
        4.6.2 损伤识别敏感因子的选取
    4.7 预应力混凝土简支T形梁桥裂缝损伤识别
        4.7.1 工程概况
        4.7.2 T梁裂缝损伤识别过程分析
        4.7.3 裂缝损伤识别结果
    4.8 本章小结
第5章 预应力损失基本理论
    5.1 预应力损失计算方法
        5.1.1 时步分析法
        5.1.2 分项确定预应力损失的方法
        5.1.3 预应力总损失的方法
    5.2 预应力损失的数学模型
        5.2.1 基本假设
        5.2.2 模型方程推导
        5.2.3 模型方程的性质及物理意义
        5.2.4 实例分析
    5.3 本章小结
第6章 基于GA-BP算法的预应力损失识别
    6.1 工程概况
    6.2 计算模型
        6.2.1 坐标系
        6.2.2 单元划分
        6.2.3 边界条件
        6.2.4 荷载
        6.2.5 受力阶段的划分
        6.2.6 数据输入和桥博建模
    6.3 预应力损失的模拟
    6.4 预应力损失的识别过程
        6.4.1 预应力钢束的分类
        6.4.2 预应力损失识别过程分析
    6.5 桥面线形验算
    6.6 本章小结
结论
致谢
参考文献
攻读博士学位期间发表的论文

【引证文献】

相关硕士学位论文 前5条

1 尹骏晖;基于模态分析理论和改进BP神经网络的桥梁损伤识别方法研究[D];河北工业大学;2011年

2 谭双全;基于敏感性分析的自锚式斜拉—悬吊组合体系桥梁有限元模型修正[D];西南交通大学;2012年

3 胡彩霞;基于GA-BP算法分子蒸馏参数检测及预测优化的研究[D];长春工业大学;2012年

4 许会超;声波信号在钢结构安全监测中的应用研究[D];北京建筑工程学院;2012年

5 胡绍强;基于神经网络的锅炉燃烧过程的建模分析[D];沈阳理工大学;2012年

本文编号：2881618