论文部分内容阅读
改革开放以来，我国建造了大量的预应力混凝土连续梁桥，随着使用年限的增加和车辆荷载的长期作用，许多桥梁出现了预应力损失和刚度变化等现象，对桥梁结构的承载能力和使用状态造成一定程度的影响，为了确保桥梁安全运营，对桥梁进行健康监测具有一定的理论和实践意义。在桥梁健康状态分析研究中，多数根据结构弹性模量的变化进行判定，本文采用小波神经网络方法分别从预应力和刚度损失方面进行预测，模拟分析预应力混凝土梁桥的健康状态。在预应力损失预测时，首先用MIDAS有限元软件建立预应力混凝土连续匝道桥模型，模拟分析预应力损失2%-20%时桥梁结构的应力，然后用MATLAB软件编制小波神经网络程序，将应力作为输入数据对小波神经网络进行训练；接着用MIDAS软件模拟成桥后第1年、第2年、第4年、第6年以及第8年的应力，用已经训练好的小波神经网络进行预应力损失预测。预应力损失预测模拟分析结果表明，成桥后1‐8年，预应力预测值由初始预应力的88.54%降为87.1%，公路桥规（JTG D62-2004）计算的预应力值由初始预应力的88.25%降为86.3%，二者最大误差为0.8%。在刚度损失预测方面，利用降低弹性模量的方法，首先模拟弹性模量损失2%-20%时桥梁结构的位移数据，训练小波神经网络；然后进行交通量预测，计算车辆荷载疲劳作用次数，利用李秀芬和钟铭公式计算疲劳弹性模量；再用MIDAS软件模拟疲劳和预应力损失共同作用时的位移，用训练好的小波神经网络进行弹性模量损失预测。刚度损失预测结果表明，李秀芬公式计算的疲劳弹性模量与预应力损失共同作用时，小波神经网络预测的弹性模量由初始弹性模量的77.24%降为72.64%；钟铭公式计算的疲劳弹性模量与预应力损失共同作用时，小波神经网络预测的弹性模量由初始弹性模量的67.3%降为62.7%。本文研究结果表明，小波神经网络方法预测出的弹性模量损失规律与李秀芬和钟铭公式计算的弹性模量损失规律一致；李秀芬公式和钟铭公式仅能考虑疲劳单一因素对桥梁弹性模量的影响，而本文的方法可以同时考虑预应力和疲劳两个因素，与桥梁实际状态更加相符，验证了论文提出方法的可行性和有效性，研究成果可为桥梁健康状态评估参考借鉴。