公路交通科技
公路交通科技
공로교통과기
JOURNAL OF HIGHWAY AND TRANSPORTATION RESEARCH AND DEVELOPMENT
2014年
7期
72-79
,共8页
桥梁工程%斜拉桥%混合算法%神经网络%可靠指标%安全评估%参数敏感性
橋樑工程%斜拉橋%混閤算法%神經網絡%可靠指標%安全評估%參數敏感性
교량공정%사랍교%혼합산법%신경망락%가고지표%안전평고%삼수민감성
bridge engineering%cable-stayed bridge%hybrid algorithm%neural network%reliability index%security assessment%parameter sensitivity
为研究大跨度顸应力混凝土(PC)斜拉桥的可靠度评估问题,提出了适用于大跨度PC斜拉桥这类复杂结构可靠性分析的混合算法.该方法综合运用了有限元分析(FEA)、径向基函数(RBF)神经网络、遗传算法(GA)和Monte Carlo重要抽样(MCIS)方法,并对算法中的关键步骤(RBF神经网络的初始样本点设计方法、MCIS的抽样中心点位置等)进行了改进,使结构分析模块与可靠度计算模块智能结合.利用数值算例的可靠度分析对该算法的有效性进行了验证.最后,以一座主跨为420 m的双塔PC斜拉桥为工程背景,进行了正常使用极限状态下的可靠度分析.参数分析表明:在汽车荷载作用下,该斜拉桥的主梁跨中位移超限失效概率比最长斜拉索强度失效概率高;汽车荷载的均值和标准差是影响斜拉桥可靠度的重要因素;随着汽车荷载均值系数的增大,主梁跨中位移超限失效的可靠指标下降的趋势较为显著.
為研究大跨度頇應力混凝土(PC)斜拉橋的可靠度評估問題,提齣瞭適用于大跨度PC斜拉橋這類複雜結構可靠性分析的混閤算法.該方法綜閤運用瞭有限元分析(FEA)、徑嚮基函數(RBF)神經網絡、遺傳算法(GA)和Monte Carlo重要抽樣(MCIS)方法,併對算法中的關鍵步驟(RBF神經網絡的初始樣本點設計方法、MCIS的抽樣中心點位置等)進行瞭改進,使結構分析模塊與可靠度計算模塊智能結閤.利用數值算例的可靠度分析對該算法的有效性進行瞭驗證.最後,以一座主跨為420 m的雙塔PC斜拉橋為工程揹景,進行瞭正常使用極限狀態下的可靠度分析.參數分析錶明:在汽車荷載作用下,該斜拉橋的主樑跨中位移超限失效概率比最長斜拉索彊度失效概率高;汽車荷載的均值和標準差是影響斜拉橋可靠度的重要因素;隨著汽車荷載均值繫數的增大,主樑跨中位移超限失效的可靠指標下降的趨勢較為顯著.
위연구대과도한응력혼응토(PC)사랍교적가고도평고문제,제출료괄용우대과도PC사랍교저류복잡결구가고성분석적혼합산법.해방법종합운용료유한원분석(FEA)、경향기함수(RBF)신경망락、유전산법(GA)화Monte Carlo중요추양(MCIS)방법,병대산법중적관건보취(RBF신경망락적초시양본점설계방법、MCIS적추양중심점위치등)진행료개진,사결구분석모괴여가고도계산모괴지능결합.이용수치산례적가고도분석대해산법적유효성진행료험증.최후,이일좌주과위420 m적쌍탑PC사랍교위공정배경,진행료정상사용겁한상태하적가고도분석.삼수분석표명:재기차하재작용하,해사랍교적주량과중위이초한실효개솔비최장사랍색강도실효개솔고;기차하재적균치화표준차시영향사랍교가고도적중요인소;수착기차하재균치계수적증대,주량과중위이초한실효적가고지표하강적추세교위현저.
