板桁结合梁斜拉桥空间结构分析与施工控制技术研究

论文摘要

斜拉桥是一种由索、塔、梁三种基本构件组成的组合体系,属高次超静定结构,所采用的施工方法和安装顺序与成桥后的主梁线型及内力状念密切相关。斜拉桥建设过程中,受各种因素的影响,实际桥梁状态与设计状态必定产生误差,施工中这种误差的逐步积累,最终导致成桥后的状态与设计理想应力和线型状态相差较大,甚至危及结构安全。因此,大跨度斜拉桥的施工监控越来越受到业界人士的广泛关注。本文以天兴洲大桥工程为背景,就大跨度板桁给合钢桁梁斜拉桥的空间结构分析与施工控制技术进行系统的研究,其主要工作与研究成果如下:（1）基于非线性连续介质力学的基本原理,详细论述了杆系结构几何非线性分析理论,给出T.L.列式法和U.L.列式法的显式有限元公式,推演了Newton-Raphson迭代方程,讨论了U.L.列式与T.L.列式的区别。研究发现T.L.列式法与U.L.列式法在某些实际问题计算时结果相差甚微,由此可以理解很多文献在实际计算时,将两者中的应力与变形物理量相互混用的原因。（2）以天兴洲大桥工程为背景,重点讨论了斜拉桥结构计算参数化建模的方法、步骤与实施过程,利用ANSYS的二次开发工具APDL,实现了天兴洲大桥的参数化建模;利用已建模型,分析了大跨度钢斜拉桥几何非线性因素的影响。研究结果表明:非线性因素对不同受力构件的影响程度不同,主塔的纵向位移及主梁杆件的内力受几何非线性影响较大;几种非线性因素中,斜拉索垂度效应的影响最为显著,大位移效应次之,梁柱效应的影响最小。（3）在分析比较现有斜拉桥施工控制方法的基础上,提出BP神经网络法运用到桥梁施工控制的思想;系统讨论了斜拉桥的控制准则、精度目标和实施步骤;建立了天兴洲大桥施工控制体系,提交了施工监测方案。（4）分析了大跨度钢斜拉桥施工中各种误差产生的原因和对结构的影响程度。研究结果表明:对大跨度钢斜拉桥而言,由于工期长、施工期间季节温差大,而且钢材导热性能好,温度对其施工阶段的影响不容忽视;钢梁重量误差对结构成桥后的累计位移与内力影响也很显著;索力张拉误差是一种小范围误差。（5）在详细介绍神经网络原理与应用现状的基础之上,重点做了如下几方面的工作:讨论神经网络的收敛特性,非线性逼近能力和预测输出功能,从而为BP神经网络应用于大跨度斜拉桥施工控制中参数识别与预测预报找到理论依据;推演了BP神经网络训练与误差校验的计算公式,并归纳出实际应用时的详绌步骤;针对现有BP算法存在的缺陷与不足提出相应的改进措施与处理方法;设计了具有自适应调整功能的BP神经网络计算程序ABPNN;利用该程序分析了学习因子α、β和惯性系数η与学习速率的关系。结果表明:学习因子α、β的取值对收敛速度的影响较慢,其取值范围较宽,也因问题不同而异,通常α=β,且在0.2～5.0之间取值;惯性因子η的取值较为复杂,很易引起振荡,一般η在0.2～0.5之间取值较为合适。（6）运用BP神经网络的参数识别功能,实现天兴洲大桥施工过程中设计参数的识别;运用BP神经网络的预测预报功能,实现天兴洲大桥施工控制过程中的拼装标高和初始索力预测。实际结果表明,BP网络预测值与实测值吻合程度很好,完全满足工程及控制的要求。（7）首次利用BP神经网络的非线性逼近能力和逆向控制模型,实现天兴洲大桥施工过程中控制变量误差调整中的索力调整量计算和全桥合拢后的索力调整量计算。通过神经网络的实例分析与工程应用,结果表明了该方法的有效性和合理性,具有很好的理论和应用价值,是对传统方法新的补充。（8）文章最后总结几年的研究经验与体会,参照国内外发展趋势,并结合相关领域的研究成果,提出智能化大跨度斜拉桥施工控制体系的构想,为进一步的研究明确了方向。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 斜拉桥概述
• 1.1.1 斜拉桥的发展历程
• 1.1.2 斜拉桥的结构型式
• 1.1.3 斜拉桥的特点
• 1.1.4 斜拉桥的发展趋势与存在的问题
• 1.2 大跨度斜拉桥静力分析
• 1.2.1 斜拉桥几何非线性分析
• 1.2.2 斜拉桥施工计算
• 1.2.3 关于计算模型的研究
• 1.3 斜拉桥施工监控
• 1.3.1 斜拉桥施工监控的目的与意义
• 1.3.2 桥梁施工控制中的相关理论
• 1.3.3 斜拉桥施工监控方法与应用
• 1.4 本文的研究内容
• 1.4.1 研究的工程背景
• 1.4.2 本文研究的主要内容
• 第2章 大跨度斜拉桥几何非线性分析理论
• 2.1 几何非线性有限元法理论
• 2.1.1 物体的运动描述
• 2.1.2 应力、应变描述
• 2.1.3 几何非线性有限元解的基本公式
• 2.2 大跨度斜拉桥几何非线性分析
• 2.2.1 斜拉索垂度效应
• 2.2.2 弯矩与轴力的耦合效应
• 2.2.3 大位移效应
• 2.3 几何非线性有限元方程数值解法
• 2.3.1 直接迭代法
• 2.3.2 牛顿-拉扶逊法（Newton-Raphson）
• 2.3.3 增量法
• 2.3.4 混合法
• 2.4 收敛性问题讨论
• 2.4.1 收敛性准则
• 2.4.2 增量步长的选择
• 2.5 本章小结
• 第3章 基于 ANSYS的斜拉桥分析建模
• 3.1 ANSYS简介
• 3.1.1 ANSYS的基本构架
• 3.1.2 ANSYS结构分析功能
• 3.1.3 ANSYS二次开发工具及方法
• 3.2 斜拉桥分析模型
• 3.2.1 斜拉桥力学模型
• 3.2.2 本文所选用的单元特性
• 3.2.3 斜拉桥建模方法
• 3.3 天兴洲大桥计算模型
• 3.3.1 天兴洲大桥结构特点
• 3.3.2 天兴洲大桥成桥计算模型的建立
• 3.4 天兴洲大桥几何非线性分析
• 3.4.1 ANSYS环境中几何非线性计算的实现
• 3.4.2 计算参数与工况分析
• 3.4.3 计算结果分析
• 3.5 本章小结
• 第4章 斜拉桥施工监控体系研究
• 4.1 斜拉桥施工控制理论简介
• 4.1.1 基于确定性数学模型的控制理论
• 4.1.2 基于概率统计的随机过程控制理论
• 4.1.3 基于小样本、贫信息的灰色控制理论
• 4.1.4 基于人脑思维机制的神经网络控制理论
• 4.1.5 几种理论的对比分析
• 4.2 斜拉桥施工控制的主要内容和技术路线
• 4.2.1 斜拉桥施工控制的主要内容
• 4.2.2 斜拉桥施工控制技术路线
• 4.3 武汉天兴洲大桥施工监控体系
• 4.3.1 施工管理组织体系
• 4.3.2 施工控制系统的构成
• 4.4 施工控制的有关标准讨论
• 4.4.1 线形控制标准
• 4.4.2 施工控制的总体原则
• 4.4.3 关于施工理想状态的讨论
• 4.4.4 施工控制精度目标值
• 4.5 施工控制的实施步骤
• 4.6 施工监测方案
• 4.6.1 应力测试
• 4.6.2 位移测试
• 4.6.3 索力测试
• 4.6.4 温度测试
• 4.7 本章小结
• 第5章 大跨度钢斜拉桥施工过程仿真模拟
• 5.1 斜拉桥的施工方法
• 5.1.1 常用施工方法简介
• 5.1.2 现代大跨度斜拉桥的施工方法
• 5.2 斜拉桥施工阶段的分析方法
• 5.3 基于 ANSYS环境的施工计算模型
• 5.3.1 施工工况分析
• 5.3.2 在 ANSYS环境中正装迭代法的实现
• 5.4 标准节段施工过程的受力分析
• 5.4.1 梁段起吊时结构受力分析
• 5.4.2 梁段安装时结构受力分析
• 5.4.3 斜拉索第一次张拉时结构受力分析
• 5.4.4 吊机前移时的结构受力分析
• 5.4.5 斜拉索第二次张拉时结构受力分析
• 5.5 施工阶段的误差分析
• 5.5.1 温度对大跨度钢斜拉桥静力行为的影响
• 5.5.2 钢梁自重误差对大跨度钢斜拉桥静力行为的影响
• 5.5.3 索力张拉误差对大跨度钢斜拉桥静力行为的影响
• 5.5.4 拉索弹性模量误差对大跨度钢斜拉桥静力行为的影响
• 5.6 本章小结
• 第6章 BP神经网络原理及其特性研究
• 6.1 神经网络概述
• 6.1.1 人工神经网络的发展
• 6.1.2 人工神经网络的特点
• 6.1.3 人工神经网络的应用
• 6.2 BP神经网络基本原理
• 6.2.1 神经网络机理
• 6.2.2 BP神经网络模型
• 6.2.3 BP神经网络的学习和训练
• 6.3 BP神经网络的有关结论
• 6.3.1 多层前馈网络的逼近能力
• 6.3.2 用神经网络表示非线性系统的可能性
• 6.3.3 神经网络模型的输出预测与辨识
• 6.4 BP算法
• 6.5 BP算法的改进措施
• 6.5.1 转换函数的修正
• 6.5.2 基于学习误差的α，β和η参数自适应调整
• 6.5.3 避免出现局部最小的随机学习算法
• 6.5.4 训练集的归一化
• 6.5.5 中间层节点数的自适应调整
• 6.6 BP神经网络程序设计
• 6.6.1 数组及变量设计
• 6.6.2 程序框图
• 6.6.3 程序清单
• 6.6.4 算例分析
• 6.7 本章小结
• 第7章 BP神经网络在天兴洲大桥施工控制中的应用
• 7.1 概述
• 7.2 施工设计参数的识别
• 7.2.1 网络结构
• 7.2.2 输入向量与目标向量
• 7.2.3 网络仿真计算结果
• 7.3 梁端拼装标高和初始张拉索力的预测
• 7.3.1 施工预测的BP网络结构
• 7.3.2 模型的更新
• 7.3.3 数据的获取与处理
• 7.3.4 网络仿真计算结果
• 7.4 斜拉索索力调整方案
• 7.4.1 索力调整的影响矩阵法
• 7.4.2 索力调整的BP神经网络法
• 7.4.3 BP神经网络法用于施工误差调整的索力计算
• 7.4.4 BP神经网络法用于中跨合拢后的索力调整计算
• 7.5 本章小结
• 第8章 结论与展望
• 8.1 结论
• 8.2 大跨度斜拉桥智能施工监控体系的构想
• 8.2.1 现场施工管理分系统
• 8.2.2 数据高速采集系统
• 8.2.3 数据双向传输网络系统
• 8.2.4 计算分析与控制决策系统
• 参考文献
• 致谢
• 攻读博士学位期间参与的研究项目
• 攻读博士学位期间发表论文
• 附录A BP神经网络源程序清单