工程结构损伤识别的反问题研究

论文摘要

随着科学技术和交通事业的发展，预应力混凝土连续梁桥以其施工简便、造价经济、受力合理、行车舒适等独特优势在近年来得到了迅速崛起。但由于它出现较晚，其理论和经验还不十分完善，在修建过程中也存在一些技术上的问题。在现代预应力混凝土结构中，预应力损失的大小直接影响着结构的抗裂度和挠度。 本文以钟祥汉江公路大桥为依托，将遗传算法用于大跨度混凝土桥梁的预应力附加损失的识别。建立附加损失的数学模型，根据桥梁病害的几个明显特征，确定病害成因，并用遗传算法识别损失模型的参数，确定有关各截面的损失值。分析表明该方法是有效的，与实际的病害现象较吻合。 另外，提出了以神经网络和遗传算法为主的智能识别、预测方法。结构损伤识别可转化为极小化问题求解，利用遗传算法可以有效地求得全局优化解，但需要大量的有限元分析计算。而BP神经网络可以建立结构损伤参数(输入)与结构响应变化(输出)之间的非线性映射关系，BP网络这种建立全局性映射关系的能力，为遗传算法求解损伤识别问题提供了强大的计算手段。文中给出了BP神经网络与遗传算法结合进行损伤识别的方法步骤。 根据钟祥大桥的设计，施工资料及试验检测报告，对该桥进行了有限元建模和分析计算。针对该桥实际病害，从结构损伤和预应力附加损失两方面进行了反问题参数识别研究。利用正交试验法进行BP网络的训练样本的正交设计，将损伤位置与损伤程度作为BP网络的输入，然后用有限元方法(GQJS)计算损伤结构与完好结构的挠度差作为BP网络的输出，最后利用训练好的网络通过遗传算法对损伤结构的损伤参数进行识别，并结合实测数据对该桥损伤后的实际承载能力进行了估算。结果表明，采用本文的损伤识别方法是合理的、有效的，不仅为该桥梁的治理方案制定提供可靠的科学依据，而且此方法可望推广应用类似病害桥梁的加固优化分析。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 预应力混凝土桥梁的发展和待解决的技术问题
• 1.1.1 预应力混凝土连续梁桥的现状
• 1.1.2 大跨径预应力混凝土连续梁桥的发展
• 1.1.3 预应力混凝土连续梁桥需要解决的问题
• 1.2 文献资料综述
• 1.2.1 反问题研究进展
• 1.2.2 预应力损失与结构分析计算
• 1.2.3 结构损伤识别相关技术的发展
• 1.2.4 遗传算法近几年来的发展
• 1.3 本论文研究的意义
• 1.4 本论文主要研究内容
• 第2章 反问题的定义和性质
• 2.1 反问题的定义
• 2.2 反问题的分类
• 2.3 反问题分析所必要的信息
• 2.4 反问题的不适定性
• 第3章 反问题分析方法基础
• 3.1 反问题分析方法的特点
• 3.2 积分方程形式
• 3.2.1 积分方程形式
• 3.2.2 积分变换
• 3.2.3 用伴随算子的边界积分
• 3.3 矩阵方程法
• 3.4 矩阵特征值分解法
• 3.5 Tikhonov调整法和人工噪声调整法
• 3.6 调整参数的确定方法
• 3.7 选择法和最小残差法
• 3.3 反问题的几个例子
• 3.3.1 逆散射
• 3.3.2 在声波波动方程的反问题中基函数的优化
• 第4章 钟祥汉江公路大桥工程简介及病害描述
• 4.1 钟祥大桥工程概述
• 4.1.1 钟祥大桥的主要技术标准
• 4.1.2 钟祥大桥的经济地位
• 4.2 主桥上部构造和预应力设计
• 4.2.1 主桥总体布置
• 4.2.2 主桥上部结构布置
• 4.2.3 主桥下部结构布置
• 4.2.4 主桥其他设施布置
• 2.3 钟祥大桥安全隐患检测情况
• 4.3.1 跟踪检测背景
• 4.3.2 腹板裂缝
• 4.3.3 桥面线形
• 4.3.4 其他缺陷情况
• 第5章 连续梁桥上部结构建模及计算分析
• 5.1 概述
• 5.2 桥梁结构有限元分析系统软件“桥梁博士”系统简介
• 5.3 计算模型及参数选择
• 5.3.1 分析方法及软件运用
• 5.3.2 计算模型
• 5.3.3 坐标系
• 5.3.4 主要截面单元节点坐标
• 5.3.5 边界条件
• 5.3.6 荷载
• 5.3.7 受力阶段的划分
• 5.4 数据输入及计算结果
• 5.4.1 结构计算数据输入
• 5.4.2 运营阶段计算结果
• 第6章 预应力附加损失研究
• 6.1 钟祥汉江公路大桥病害成因的探讨
• 6.1.1 主要病害描述
• 6.1.2 病害成因的探讨
• 6.1.3 关于预应力损失造成的桥梁病害成因分析
• 6.2 预应力附加损失现象
• 6.2.1 线形方面的反映
• 6.2.2 腹板斜裂缝方面的反映
• 6.3 纵向预应力附加损失建模与分析
• 6.3.1 生长模型
• 6.3.2 预应力附加损失模型
• 6.4 纵向预应力附加损失的具体识别过程
• 6.4.1 设计目标函数
• 6.4.2 遗传算法的主要优点
• 6.4.3 实数直接操作的遗传算法
• 6.4.4 对遗传算法的说明
• 6.4.5 计算结果
• 6.4.6 线形方面的效果
• 6.5 预应力混凝土连续箱梁裂缝
• 第7章 基于BP神经网络和遗传算法结合的损伤识别方法
• 7.1 人工神经网络（Artificial Neural Networks—ANNs）
• 5.1.1 人工神经网络基本概念
• 7.1.2 BP神经网络基本原理
• 7.2 神经网络的损伤识别方法
• 7.3 遗传算法（Genetic Algorithm—GA）
• 7.3.1 遗传算法工作原理
• 7.3.2 遗传算法的显著特点
• 7.4 遗传算法的结构损伤识别方法
• 7.5 BP神经网络与遗传算法结合的损伤识别方法
• 第8章 损伤识别过程分析
• 8.1 有限元建模
• 8.1.1 公路桥梁结构设计系统GQJS简介
• 8.1.2 模型的建立
• 8.2 损伤识别研究的几点说明
• 8.3 抗弯刚度损伤的识别
• 8.3.1 弹模E损伤的样本采集
• 8.3.2 BP神经网络训练
• 8.3.3 遗传算法的目标函数设计
• 8.4 纵向预应力附加损失的识别
• 8.4.1 预应力附加损失的样本采集
• 8.4.2 BP神经网络训练
• 6.4.3 遗传算法的目标函数设计
• 8.4.4 识别的结果
• 8.5 钟祥大桥实际承载能力估算
• 8.6 本章小节
• 第9章 结论与展望
• 9.1 本论文结论
• 9.2 后续研究工作展望
• 第10章 附录：避免近亲繁殖的遗传算法
• 10.1 前言
• 10.2 遗传算法的改进概述
• 10.2.1 编码
• 10.2.2 适应值函数的建立
• 10.2.3 遗传操作的改进
• 10.3 避免近亲繁殖的遗传算法
• 10.3.1 个体差异的衡量
• 10.3.2 种群多样性的控制
• 10.3.3 个体间距离的动态判别
• 10.4 算例分析
• 10.4.1 例一
• 10.4.2 例二
• 10.5 结语
• 参考文献
• 致谢
• 攻读博士学位期间发表的论文、研究工作及获奖