原文传递
基于机器学习的正交异性钢桥面板疲劳损伤演化与可靠度分析方法
| 论文题名： | 基于机器学习的正交异性钢桥面板疲劳损伤演化与可靠度分析方法 |
| 关键词： | 交异性钢桥;结构可靠度;强化学习;冗余系统;贝叶斯网络;疲劳裂纹;裂纹扩展建模 |
| 摘要： | 正交异性钢桥面板广泛应用于大跨度钢桥。然而，其严重的疲劳问题给桥梁运营和维护带来了诸多困难。目前，相关研究大多关注于单个疲劳易损部位，无法全面表征桥面板系统的疲劳状态。本文系统地研究了正交异性钢桥面板疲劳裂纹空间不均匀分布与敏感度评估方法、疲劳裂纹时空扩展分析的动态贝叶斯网络方法、基于Kriging和子集模拟的局部桥面板可靠度高效分析方法、整体桥面板系统可靠度分析与维修决策的深度强化学习方法。建立了由单条到全桥疲劳裂纹、静态分布到动态扩展、局部到整体的桥面板疲劳状态评估方法。具体研究内容包括： 提出了基于贝叶斯网络的疲劳裂纹空间不均匀分布与敏感度评估方法：将桥面板划分为局部研究单元，根据结构构造、荷载环境和裂纹状态定义单元状态变量，基于贝叶斯网络建立单元状态变量的联合概率分布，通过实际裂纹检测数据对贝叶斯网络进行参数估计、模型验证和敏感性分析。 提出了基于动态贝叶斯网络的全桥疲劳裂纹时空扩展分析方法：建立了大跨桥梁多尺度有限元模型和基于监测数据的交通流统计模型，建立了基于断裂力学的疲劳裂纹扩展动态贝叶斯网络模型，考虑了不同裂纹扩展参数的相关性，实现了基于层级模型和动态贝叶斯网络的全桥裂纹扩展随机过程建模，通过数值模拟和实桥应用分别验证和获得了等效初始裂纹尺寸的后验概率分布。 提出了基于Kriging代理模型和子集模拟的结构可靠度高效分析方法：基于样本的误分类概率设计了Kriging模型主动学习采样策略，设计了两阶段收敛准则分别控制条件失效概率的层级误差和累积误差，保证了失效概率估计效率和全局精度，通过数值算例和疲劳开裂桥面板模型验证了所提方法的有效性。 提出了全桥正交异性钢桥面板系统可靠度分析与维修决策的深度强化学习方法：将整体桥面板建模成二维冗余系统，建立了桥面板系统可靠度的马尔科夫链精确计算方法，提出了以“维修成本-安全风险”为奖励函数的维修决策深度强化学习方法，分别验证了所提方法在可靠度指标线性和非线性退化条件下的有效性。 |
| 作者： | 陈家辉 |
| 专业： | 土木工程 |
| 导师： | 李惠 |
| 授予学位： | 博士 |
| 授予学位单位： | 哈尔滨工业大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
