预应力混凝土连续梁悬臂施工线形控制及影响因素分析

悬臂施工预应力混凝土连续梁线形控制尤为重要。结合工程实例,采用Ansys软件建立施工仿真模型,利用灰色理论对主梁线形变化进行预测,提供了各施工阶段的立模标高,分析了混凝土弹模、结构自重及预应力大小对线形的影响。该方法对同类桥梁的施工有很好的参考价值。     

神经网络方法在大跨度桥梁施工预拱度控制中的应用

将神经网络方法用于处理大跨度预应力混凝土连续刚构桥施工控制中箱梁线形控制的误差调整及预测,由于受诸多因素影响,标高的实测值与理论计算值有一定的差异,只有通过前期预测和后期调整相 结合,才能保证成桥实际状态同设计要求一致,神经网络可利用裤测样本的自学习达到此目的。实例表明神经网络法的预测精度高,在蔡甸汉江公路大桥的施工控制中得到较好的应用。     

徐州市和平路斜拉桥主梁施工线形控制

以徐州和平路斜拉桥的施工为背景,分析独塔双跨混凝土斜拉桥主梁施工线形控制中的有关问题,重点强调立模标高的准确性和施工过程中主梁标高误差的控制原则,对该桥的主梁施工线形进行了有效控制。     

部分斜拉桥施工过程参数识别方法应用与研究

本文以常澄高速公路某部分预应力混凝土斜拉桥为工程背景,采用有约束的最小二乘法对施工阶段计算模型中的主要参数进行识别,以主梁标高误差平方和最小为目标函数,参数调整量大小为约束条件。采用Matlab优化函数进行求解,得出了符合工程实际的参数修正值。实例证明采用该方法进行参数识别可以使计算模型基本上与实际结构相一致,在此基础上可以实现对施工状态进行更好的控制。     

大跨度桥梁施工过程中参数识别的BP神经网络方法

针对预应力混凝土大跨度桥梁的主梁参数反馈分析，改进和调整了传统的BP神经网络算法，结合斜拉桥工程实例，介绍了将BP神经网络方法应用于大跨度桥梁施工过程中的主梁物性参数的识别修正。     

改进的小波神经网络在桥梁施工控制中的应用

桥梁线形的预测和调整对于大跨径桥梁施工控制具有重要的指导作用。利用小波分析技术对实测数据进行消噪处理,将BP神经网络与Morlet小波结合起来,建立相应的小波神经网络模型,并对桥面标高偏差进行预测。结果表明,采用该方法对桥梁施工控制有较好的预测精度。     

大跨度混合梁斜拉桥参数敏感性分析

为了提高大跨度混合梁斜拉桥的施工控制精度,通过计算比较梁重、斜拉索张拉力、斜拉索的刚度等设计参数在成桥时对主梁挠度、主梁应力和索力的影响程度,分析了各设计参数的敏感性．计算结果表明,大跨度混合梁斜拉桥主要设计参数有梁重和拉索张拉力,而索的刚度对成桥状态影响不大．通过修正主要设计参数,同时忽略次要设计参数的影响,对荆岳长江公路大桥进行施工控制．成桥测试结果表明,拉索索力与成桥线形状况良好,均在误差控制允许的范围内,其中索力误差小于5％,主梁标高偏差小于65mm．     

基于模态参数和神经网络的结构损伤检测

基于Levenberg—Marquardt规则BP神经网络算法,利用频率变化量和曲率模态参数分别对框架结构损伤定位和定量识别问题进行了研究和实例分析。结果表明．它们均能对结构损伤进行预测,BP神经网络适用于此类损伤无规律对象问题的诊断。     

铁路矮塔斜拉桥结构参数敏感性分析

结合喀腊塑克特大桥工程实例,通过采用有限元软件Midas/Civil建立桥梁模型,对主梁混凝土容重、主梁刚度和锚下控制应力等三个结构参数进行敏感性分析,确定影响成桥阶段结构线形和受力状态的主要参数.得到了各参数变化时,成桥阶段下主梁竖向位移、主梁轴力、主梁弯矩和斜拉索索力的相应变化值.同时,计算结果表明:主梁混凝土容重和锚下控制应力为主要影响参数,主梁刚度为次要影响参数.所得结果可为该桥的施工监控提供参考.     

预应力混凝土连续刚构桥施工监控分析

以某预应力混凝土变截面连续刚构桥为研究对象,对承台沉降、应力和主梁阶段标高进行了监测,并对监测结果进行了分析,得到以下结论:通过对该大桥梁底立模标高复核,未发现梁段立模标高偏差超过规范要求的±10mm;通过对混凝土浇注前后、预应力张拉前后箱梁顶面、底面观测点高程的对比可知,混凝土浇注、预应力张拉对主梁节段高程的影响基本符合理论原理,处于正常状态;通过对该大桥主梁应力的监测和控制,实测应力在控制范围内,实测应力与理论应力较接近,实现了应力控制的目标;该大桥上部结构主梁施工线形、应力满足设计要求,实现了桥梁上部结构施工监控的目标。     

基于灰色残差新陈代谢模型的悬臂施工主梁标高误差预测

以PC斜拉桥施工节段主梁悬臂端标高误差为研究对象,利用灰色残差新陈代谢模型GM(1,1)对其进行分析预测,探讨了原始误差序列的数据取舍、应用条件和预测效果.结果表明,在分施工节段的前提下,该模型能进一步弱化偶然误差,预测下阶段误差的近似值,具有工程实际应用价值,同时对如何提高预测精度和适用范围做了相关研究.     

基于曲率模态和神经网络的结构损伤诊断

基于神经网络算法，利用曲率模态参数对框架结构损伤定位和定量识别问题进行了研究和实例分析，分别用两种网络对结构损伤进行诊断，并用灰色理论对结构损伤进行了预测。结果表明，灰色理论能成功地对结构损伤进行预测，神经网络适用于此类损伤无规律对象问题的诊断。     

北横引河桥挂篮施工标高控制误差修正方法

运用施工控制误差分析原理及修正方法,结合上海市北横引桥施工控制实例,对其主梁标高、轴线几何测量理论值与实测值产生的偏差拟合分析调整及误差修正方法进行分析,并探索及提出较科学的方法进行误差控制。对于我国桥梁挂篮施工中的误差控制和调整具有一定的指导意义。     

混凝土连续梁桥悬浇施工控制方法研究

对大跨预应力混凝土连续梁桥施工控制理论和方法进行了总结与评价,指出参数识别和状态预测均是大跨混凝土连续梁桥自适应施工控制系统内必不可少的功能。以主梁各悬浇梁段高程的理论计算值和实测值建立高程偏差反馈方程,并将其分为测量偏差、参数偏差和系统偏差三大部分;通过引入参数修正系数向量,实现对结构刚度、梁段自重、挂篮刚度、预应力效应和混凝土收缩徐变等参数的实时修正。以移动挂篮阶段的高程反馈偏差计算结构刚度修正系数,以浇注梁段阶段的高程反馈偏差计算主梁自重修正系数和挂篮刚度修正系数,以张拉预应力阶段的高程反馈偏差计算预应力修正系数,再根据各梁段在浇注过程的反馈偏差总值计算梁段系统偏差。基于灰色预测理论的GM(1,1)和修正GM(1,1)模型分别对待浇梁段的参数修正系数和系统偏差进行预测,获得了待浇梁段的立模标高。工程算例验证表明:随着悬浇梁段的增多、样本数量不断增大,提出的参数识别方法和计算公式能够较为迅速、准确地识别出各参数的真实值,而基于灰色理论的预测值也能够较为稳定的围绕在真值附近。     

基于神经网络的大跨度桥梁线形控制

简单介绍大跨桥梁施工控制,并以温福铁路连续梁桥为背景,应用桥梁专用软件分析各施工阶段的累计节点位移、主要截面内力及应力的变化。基于MATLAB平台开发桥梁施工控制神经网络预测立模标高程序。仿真计算结果表明：该程序在学习训练后,能预测后续各节段的立模标高并具有良好的精度和鲁棒性。     

变参数混沌时间序列的神经网络滚动预测研究

神经网络适合于全局建模预测,在确定性混沌系统时间序列的预测中获得广泛应用.许多混沌系统由于参数的慢变导致系统的动力学特性不断发生变化,全局预测方法很难适用,为此提出一种具有固定时间窗的神经网络滚动预测算法.对典型变参数Henon和Ikeda混沌时间序列的预测结果说明,该算法具有较好的跟踪预测性能.     

基于PSO—SVM的交通流量短时预测

参数选择问题影响了支持向量机预测模型在交通流量中的预测性能。为了解决支持向量机预测模型的参数选择问题,引入了粒子群优化算法机制,通过粒子群优化选择支持向量机预测模型的学习训练参数,得到较优的PSO-SVM预测模型。通过实例仿真实验,将PSO-SVM预测模型与神经网络预测模型进行了比较,显示了其优越性。     

斜拉桥桥面标高调整方案论证

通过对斜拉桥施工完成后的主梁线形测量及恒载索力测定,掌握竣工后桥面标高与设计值的差异情况。对于结构竣工后状态偏离设计要求的,有必要对桥面标高进行调整,使其满足安全、舒适的要求,结合计算结果归纳桥面标高调整的几种方法。     

模糊广义学习向量量化算法在交通事故预测方面的应用

模糊逻辑系统易于理解,而神经网络则有极强的自适应能力.本文将模糊数学方法和神经网络结合起来建立组合模型,用广义模糊神经网络(FGNN)预测道路交通事故.运用MATLAB语言编程,利用模糊广义学习向量量化算法(FGLVQ)建立模糊神经网络模型,并应用于交通事故预测中,改进了交通事故预测的计算方法.理论分析和实例表明,设计的模糊神经网络模型具有良好的非线性映射功能和泛化功能,对预测交通事故有较好的适应性.     

道路网短期交通流预测方法比较

介绍了用于短期交通流预测的两大类模型:统计预测算法和人工神经网络模型.对其中各种模型的特征进行了比较,将历史平均模型、求和自回归滑动平均模型(ARIMA)、非参数回归模型、径向基函数(RBF)神经网络模型与贝叶斯组合神经网络模型,应用于一个真实路网的短期流量预测,比较了各模型的预测结果.结果表明,组合神经网络模型预测误差最小,可靠性最高,是一种对短期交通流预测的有效方法.