论文部分内容阅读
预应力的大小是影响预应力混凝土桥梁结构安全性的一个重要因素,预应力的损失会加快桥梁裂缝的发展使桥梁承载能力下降,因此如何正确的评估桥梁内的有效预应力,不但可以准确的评价预应力桥梁的使用性能,还可以对预应力桥梁养护和加固提供科学的建议。但是在保持结构完整性的前提下,除非在结构中事先埋入预应力检测装置如压力传感器等,否则目前没有有效的手段可以检测到结构内的现存预应力值。相关研究结果表明,预应力梁的自振频率与预应力间存在一定的敏感性,因此,根据预应力梁的自振频率对有效预应力的识别是具有很强的工程实践意义。本文依托吉林省交通科技项目“体内无粘结预应力混凝土简支梁自振频率计算方法及预应力识别算法”,开展了以下工作:1、将预应力简支梁看作受压混凝土梁和受张力的预应力筋两个子结构的组合;通过哈密尔顿原理、变形协调关系和边界条件建立无粘结预应力混凝土梁的振动微分方程;接着考虑偏心预应力作用下梁的初始挠度对预应力梁自振特性的影响,通过达朗贝尔原理推导了偏心预应力作用下简支梁的振动微分方程,得到一个非线性微分方程;最后通过改进的打靶算法来求解该微分方程。2、为了进一步验证无粘结预应力混凝土梁的自振频率和预应力大小以及预应力筋布置情况之间的关系,制作了5根布筋形式不一的无粘结预应力混凝土梁,并明确了相应的测试方案,然后通过试验获取预应力大小与无粘结预应力混凝土梁自振频率间关系。3、为了在已知预应力混凝土梁自振频率情况下识别桥梁的有效预应力大小,构建了BP神经网络并讨论该网络的不足之处,通过粒子群优化算法来对BP神经网络中的阈值和初始权值进行优化,并将优化后的阈值和初始权值传递给BP神经网络,然后BP神经网络进行训练并预测。将试验数据进行分类得到训练样本和预测样本,应用训练数据对网络进行训练,采用实验数据的预测样本对预测结果进行验证比较。