大跨度刚构桥上部结构施工风险预测仿真

李莉斯,斯朗拥宗,汪汉龙

(西藏大学工学院,西藏 拉萨 850000)

1 引言

随着交通领域的快速发展,作为一种全新的桥梁工程,刚构桥以受力合理性的主要优势被普遍使用于山区、丘陵等偏僻或特殊地形中[1]。大跨度刚构桥施工过程中,较长的施工工期导致其包含风险因素较多。考虑其跨度较大,自身结构较为复杂,施工过程中需确保全部截面的完整性[2]。大跨度刚构桥上部结构施工过程中通常选用条件普遍对称的分节段悬臂浇筑法,由此对其自身结构造成较为多变的内力与位移波动[3]。同时结合大跨度刚构桥上部结构施工过程中的大量不确定性因素,令其风险预测成为桥梁工程施工研究领域的热点课题。

文献[4]提出一种基于F-R-M法的刚构-连续梁桥施工期结构强度风险预测方法。该方法以某地一特大桥为研究对象,通过构建有限元模型确定大跨度刚结构施工中存在的敏感参数以及随机变量,然后借助人工智能方法计算建筑结构的主要风险以及结构失效风险,完成施工风险预测。该方法研究中考虑的桥梁参数较多,具有一定预测精度,但操作过程较为复杂,存在一定局限。文献[5]提出基于BP神经网络的跨既有线高速铁路桥梁施工安全风险评估方法。该方法首先通过对现有桥梁进行施工风险因素的识别,借助4M1E分析方法构建施工安全风险评估指标体系,在此基础上,借助BP神经网络对桥梁施工安全风险进行评估。该方法风险预测的速度较快,但构建的风险指标存在一定限制,需要进一步的改善。

基于上述方法中存在的不足,本文提出一种新的大跨度刚构桥上部结构施工风险预测方法。通过对大跨度刚构桥上部结构分析,确定其施工风险,完成风险预测。与传统方法相比,本文方法具有风险预测精度高的优势。

2 大跨度刚构桥上部结构施工风险预测方法

2.1 大跨度刚构桥上部结构施工风险预测流程

大跨度刚构桥上部结构施工风险预测以大跨度刚构桥上部结构施工信息采集与分析为基础,确定该施工工程存在潜在风险后,利用模糊层次分析法识别潜在风险因素,并利用有限元—径向基神经网络—蒙特卡洛模拟(FRM)算法预测大跨度刚构桥上部结构施工风险,输出准确风险预测值。

2.2 风险因素确定

风险因素确定是大跨度刚构桥上部结构施工风险预测的主要环节[6],该环节所获取风险因素的准确性直接影响最终风险预测的准确性。考虑到大跨度刚构桥上部结构施工风险由多方面因素导致,因此,本文采用模糊层次分析法确定主要风险因素[7]。表1所示为大跨度刚构桥上部结构施工风险因素指标。

表1 施工风险因素指标

利用层次分析法构建大跨度刚构桥上部结构施工风险事故识别指标体系后,选用三标度法逐一对比不同指标内两个因素[8],构建优先关系矩阵,获取模糊一致判断矩阵。利用风险交流获取不同指标体系间相对关键度[9]。以U={u1,u2,…,un}表示影响评价对象的n种基本因素集合,通过式(1)可表示其优先关系判断矩阵

(1)

式(1)内,rij可通过三标度法获取,所得结果如式(2)所示

(2)

式(2)内,g(i)为因素u(i)的相对关键性,g(j)为因素u(j)的相对关键性。

以r为基础获取模糊一致判断矩阵,其中R表示

(3)

利用Rij描述U={ui,u2,…,un}内第i个因素同第j个因素间的相对关联度:

1)在Rij值为0.5的条件下,因素u(i)和因素u(j)的相对关键性一致;

2)在Rij值为大于等于0且小于0.5的条件下,因素u(j)的关键性高于因素u(i),Rij值同两因素的关键性间呈反比例相关[10];

3)在Rij值为大于0.5且小于等于1的条件下,因素u(i)的关键性高于因素u(j),Rij值同两因素的关键性间呈正比例。

获取R后,即可依照关键性确定主要风险因素。利用和法确定相对权重值,通过相对权重W={wi,w2,…,wn}T描述U={ui,u2,…,un}内元素ui,u2,…,un的排序指标,相对权重值确定过程如下:

1)依列归一化处理R内的元素Rij,获取指标层矩阵B=(bij)n×n,其中:

(4)

2)依行相加矩阵B内的各元素,获取因素层向量C={c1,c2,…,cn}T,其中:

(5)

3)归一化处理因素层向量C,获取W={wi,w2,…,wn}T,其中:

(6)

依照所获取相对权重值,得到因素层相对于指标层和指标层的相对关键度。在此基础上,实施整体排序各层次,由此获取因素层相对于目标层的相对权重值。式(7)可描述已经获取的指标层上n个因素相对于目标层的W:

(7)

式(7)中,A和B分别表示目标层和指标层。

式(8)可描述因素层上n个因素相对于指标层内不同指标的W

(8)

式(8)中,C表示因素层。

式(9)可描述因素层内各因素对于目标层合成的W

(9)

由此利用上述过程能够得到各因素对于目标层与指标层的相对权重值,依照相对权重值能够确定大跨度刚构桥上部结构施工主要风险因素。

2.3 大跨度刚构桥上部结构施工风险预测

在确定主要风险因素后,利用有限元—径向基神经网络—蒙特卡洛模拟(FRM)算法预测大跨度刚构桥上部结构施工风险[11]。

1)依照模糊层析分析法获取主要风险因素结合其概率分布,构建大跨度刚构桥上部结构的极限状态方程;

2)设计各主要风险因素样本,并在有限元模型内引入设计完成后的(a+b)主要风险因素,由此获取(a+b)组响应值,通过组合获取(a+b)组样本点。

3)将a组样本与b组样本分别作为训练样本与检测样本数据,通过训练径向基神经网络、检验样本准确定与泛化能力保障径向基神经网络的应用性。

4)对各主要风险因素实施N次随机抽样,依照蒙特卡罗模拟所需次数确定N值[12],通过神经网络仿真运算获取N组响应值,将所获取结果引入极限状态方程,通过蒙特卡罗模拟确定大跨度刚构桥上部结构施工风险。

3 仿真分析

为验证本文大跨度刚构桥上部结构施工风险预测方法的实际应用性能,在有限元软件上实施仿真测试,以某高速公路上构建的大跨度刚构桥为仿真对象,利用本文方法获取仿真对象上部结构施工风险预测结果。

3.1 仿真方案

仿真对象位于高速公路上,属于三跨预应力变截面连续刚构桥,跨径达到235 m以上,桥墩与桥桩分别采用空心薄壁墩和钻孔灌注桩。仿真对象上部结构中板宽度分别为13.0m和6.6m,箱梁根部梁高与合拢段梁高分别为6.2m和2.5m。主梁采用三向预应力体系,钢绞线与锚具型号和张拉力分别为15φ15.35mm、OVM15-15和2945kN;竖向与横向预应力、锚具与张拉力,分别为φ30mm高强精轧螺纹钢筋和3φ15.35mm钢绞线、YGM锚具和BM15-3锚具、463kN和597kN。

仿真对象上部结构混凝土型号、标准强度与初始抗压强度分别为C50、50MPa和27MPa,预应力整体抗拉强度、弹性模量分别为1950MPa和1.98×105MPa。在仿真软件内设定仿真对象上部结构所承受荷载,其中主要包括:自重荷载、二期恒载和预应力荷载。表1所示为仿真对象上部结构混凝土和预应力钢束施工阶段容许应力数据。

表1 仿真对象上部结构混凝土和预应力钢束施工阶段容许应力数据

3.2 实验结果分析

3.2.1 指标权重计算

在上述参数基础上利用仿真软件构建仿真对象模型,构建目标层与指标层间的优先关系判断矩阵,在获取此矩阵后,依照本文方法确定指标层内四个指标相对于目标层的权重向量值,获取结果与模糊一致矩阵,结果如表2所示。

表2 目标层与指标层间模糊一致矩阵及相对权重值

分析表2得到,仿真对象上部结构四个风险预测指标的关键度排序为:质量控制风险指标>规划设计风险指标>建设施工风险指标>自然环境风险指标。由此说明质量控制风险指标是造成仿真对象上部结构风险的主要指标,其次为规划设计风险指标,对仿真对象上部结构风险影响最小的指标为自然环境风险指标。

3.2.2 层次排序与一致性检验

为确定本文方法中指标体系因素层内各因素对于指标层的相对关键度,统计各层权重,确定风险层析总排序,结果如表3所示。

表3 层次总排序

分析表3得到,仿真对象上部结构施工风险主要指标为质量控制风险指标,其中桥墩应力因素、合拢端高差因素和悬臂浇筑质量因素为造成仿真对象上部结构施工风险的主要因素。

3.2.3 风险预测精度分析

为进一步验证本文预测方法的有效性,实验分析了本文方法、文献[4]方法以及文献[5]方法对样本对象上部结构施工风险预测精度,得到的结果如图1 所示。

图1 不同方法预测精度分析

分析图1 中数据可以看出,在相同实验环境下采用本文方法、文献[4]方法以及文献[5]方法对样本结构进行预测的精度存在一定差异。相比之下所提方法的预测精度最高约为99%,而其他两种预测方法的精度始终低于本文方法,验证了本文方法的有效性。

4 结论

大跨度刚构桥上部结构施工过程的复杂性导致其事故风险因素具有复杂性,基于此,本文研究大跨度刚构桥上部结构施工风险预测方法。利用模糊层析分析法确定导致施工风险的主要因素,通过F—R—M算法预测大跨度刚构桥上部结构施工风险。与传统方法相比本文方法可有效确定风险因素,且预测的精度较高。