原文传递
基于深度学习的斜拉桥温致挠度异常预警方法
| 论文题名： | 基于深度学习的斜拉桥温致挠度异常预警方法 |
| 关键词： | 斜拉桥;深度学习;温致挠度;拉索断裂;异常挠度识别;神经网络 |
| 摘要： | 斜拉桥是我国重要的基础设施，在我国桥梁的发展中占有重要的地位。随着斜拉桥所占比例增加，工程研究的重心也由桥梁建造转化为桥梁的健康监测和后期养护。挠度作为衡量斜拉桥变形性能的重要指标，一直是斜拉桥健康监测的重点。在影响挠度变化的诸多因素中，温度变化是最重要的原因之一，对斜拉桥挠度的影响也是长期的。因此温致挠度与斜拉桥长期使用性能息息相关。温致挠度是由主梁、索塔和斜拉索组成的复杂温度场引起，当拉索出现破坏时，温致挠度会发生异常变化，进而影响斜拉桥的变形能力以及使用性能。因此对斜拉桥拉索损伤引起的主梁温致挠度异常变化进行识别与预警是斜拉桥健康监测领域的热点研究问题。本文以港珠澳大桥青州航道桥为工程背景，开展基于深度学习的斜拉桥温致挠度异常预警方法研究，论文选题具有重要的研究和应用价值。论文主要工作和创新点如下： （1）基于港珠澳大桥温度和主梁挠度长期监测数据，分析了塔梁温度和温致挠度的长期变化规律，总结了塔梁温度和主梁上不同位置挠度的相关性特征。具体结论为：塔梁温度与主跨挠度的相关性好于与边跨挠度的相关性；在同一跨内，越靠近跨中的位置，其挠度受温度变化的影响就越大，与温度的相关性也越强；对于主梁挠度而言，其与主梁温度的相关性好于与索塔温度的相关性。并建立了塔梁温度与挠度之间的多元线性回归模型。 （2）以主跨跨中位置为例，提出了斜拉桥温度场与主梁温致挠度的主成分回归模型，建立了塔梁温度与挠度之间的主成分回归模型，并比对之前的多元线性回归模型效果。结果证明：主成分分析能提高模型的训练效果。在此基础上采用长短时记忆神经网络建立了主梁温致挠度的高精度预测模型，并与多元线性回归模型、支持向量机模型等进行了对比分析，验证了深度学习模型的有效性。 （3）分析了健康监测数据质量对于主梁温致挠度深度学习效果的影响，用失真状态下的数据进行深度学习模型的建立，并与数据正常状态下的模型效果进行对比。结果证明：数据失真状态下的模型效果对比数据健康状态下的模型效果有较大差距，说明了数据质量对于深度学习有较大影响。在此基础上通过数据清洗并结和深度学习方法建立了斜拉桥所有测点温致挠度与塔梁温度之间的深度学习模型。 （4）建立了青州航道桥的有限元模型。采用有限元模型研究了斜拉桥不同位置拉索断裂时主梁温致挠度的变化特征，在此基础上将深度学习模型和假设检验方法相结合，提出了斜拉桥拉索异常状态下温致挠度的异常识别方法，实现了斜拉桥温致挠度异常的早期预警。 |
| 作者： | 毛永嘉 |
| 专业： | 建筑与土木工程 |
| 导师： | 丁幼亮;夏叶飞 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
