矮塔斜拉桥施工控制关键技术问题研究及动力特性分析

摘要

随着我国交通运输事业的不断发展，越来越多的桥梁结构形式不断涌现出来。矮塔斜拉桥作为其中的代表，既改善了主梁的利用效率与跨越能力，又降低了斜拉索所承受的应力。正因为矮塔斜拉桥的受力特点和结构优势，国内外路网中越来越多的工程采用矮塔斜拉桥作为跨线结构。 矮塔斜拉桥的现场施工往往伴随着一个漫长的过程。在这一过程中，由于受到施工现场组织，技术条件以及结构内、外部因素的影响，将会导致施工误差在施工过程中不断累积，影响施工的进程并对结构的受力特性造成影响。为了尽量减小或者消除这些施工误差，确保矮塔斜拉桥在施工后期能够顺利合龙，保障结构各构件在施工、运营阶段处于一个安全、理想的受力状态，就需要对施工控制工作进行一个深入的研究。本文以安徽境内某在建矮塔斜拉桥为工程依托，对其施工过程中的施工控制工作以及抗震性能进行研究，主要完成以下几个方面的工作。 1、建立全桥有限元模型对全桥各个施工阶段进行模拟，计算分析各个施工阶段条件下桥梁各构件的受力状态和位移变形，为现场监控工作提供理论基础；对桥梁结构在成桥状态各个分项荷载作用下的受力状态进行验算；建立实体模型，对桥梁结构0#块进行各施工阶段条件下的细部分析。 2、根据项目桥梁施工控制方案，本文详细介绍了项目桥梁线形、应力、塔偏位以及索力的现场控制测试成果，并对现场实测结果与理论分析结果间的误差进行分析。 3、本文对矮塔斜拉桥各构件进行了详细的敏感性分析。对于矮塔斜拉桥而言，主梁砼容重对结构线形的影响最为显著；温度荷载对结构应力的影响最为显著。 4、本文研究了最小二乘法、神经网络法针对矮塔斜拉桥结构施工控制工作进行参数识别的适用性与准确性。在具体参数识别工作中，最小二乘法能够满足施工控制过程中对于单一参数、双参数的识别工作；BP神经网络法对于单一参数、双参数能够做到准确识别，但由于施工控制工作数据采集的局限性导致训练样本不足，BP神经网络对三个不同参数进行识别的效果并不理想。 5、本文研究了GM（1,1）、SCGM（1,1）、BP神经网络三种状态预测方法在施工控制工作中的应用。GM（1,1）灰色预测模型能够利用较少的几组数据对结构后续状态进行较为准确预测。但由于结构状态随时间节点推移而不断产生差异，GM（1,1）模型的准确度逐渐降低，SCGM（1,1）新陈代谢模型预测精确度更高，适用性更强。BP神经网络预测模型同样具有较高的预测精度，但其需要大量学习样本，适用性不强。 6、本文对项目桥梁的抗震性能进行了一系列的分析，分析表明项目矮塔斜拉桥在地震荷载作用下表现出良好的抗震性能，满足E1、E2地震效应作用下的具体要求。项目矮塔斜拉桥在地震荷载作用下的最不利受力位置为主墩墩底以及主塔塔底，E2地震荷载作用下主墩墩底的抗压、抗剪承载能力均接近承载能力极限状态。

目录

第一个书签之前