[发明专利]一种复杂风险源下的混凝土桥梁悬臂施工风险评估方法

说明书

技术领域

本发明属于土木工程领域混凝土桥梁悬臂施工风险评估技术领域，尤其涉及一种基于正交试验设计—BP神经网络—蒙特卡罗模拟的风险估计方法。

背景技术

复杂环境下的连续刚构桥悬臂施工存在着诸多风险。充分考虑连续刚构桥悬臂施工阶段的风险因素并建立适宜的风险概率计算方法，对保证施工安全意义重大。

桥梁施工风险评估近些年来开始流行，不同类型的桥梁、不同形式的施工方法在进行风险评估时的准确性有一定的影响。目前基于遗传算法的风险评估方法结果较为准确，便于理解与推广。但是，对于混凝土桥梁在复杂风险源下的悬臂施工进行风险评估尚没有特别准确适用的方法。复杂危险源要求考虑多重风险因素，在桥梁悬臂施工的最大悬臂状态结构受力复杂，影响因素众多。

发明内容

为了解决上述技术问题，本发明提供了一种基于正交试验设计—BP神经网络—蒙特卡罗模拟的风险估计方法，对复杂风险源下混凝土桥梁最大悬臂施工阶段的风险进行评估，得到更加准确的风险估计值，进行风险描述，指导桥梁悬臂施工与监测。

本发明所采用的技术方案是：一种复杂风险源下的混凝土桥梁悬臂施工风险评估方法，其特征在于，包括以下步骤：

步骤1：将复杂风险因素视为随机变量，确定随机变量及其概率分布，建立复杂风险因素下桥梁悬臂施工风险临界状态方程；

步骤2：建立有限元模型，对随机变量进行样本设计；

利用正交试验设计产生样本数据输入值，根据样本数据输入值，建立混凝土桥梁悬臂施工最大悬臂状态有限元模型；

根据正交试验设计确定样本点个数，分为A组和B组，其中A组有a个样本，B组有b个样本；

步骤3：将A组和B组样本代入有限元模型，计算样本数据理论输出值，构造BP神经网络训练样本与检验样本；

步骤4：通过A组样本训练BP神经网络，使BP神经网络形成样本输入参量和输出参量间的非线性映射关系，B组样本检验BP神经网络，检验网络精度是否满足要求；

步骤5：判断检验网络精度是否满足要求；

若是，则执行下述步骤6；

若否，则回转执行步骤2；

步骤6：对随机变量进行N次抽样，神经网络仿真，得到N组响应值；

步骤7：根据步骤1中的风险临界状态方程，获得风险发生次数为m，利用蒙特卡罗原理模拟随机抽样，求解具体复杂风险因素的风险概率Pf：

本发明的有益效果如下：

本发明提出了对复杂风险源下的混凝土桥梁悬臂施工最大悬臂状态进行风险评估的方法，可以考虑多重复杂风险因素对桥梁悬臂施工的风险影响。确定桥梁悬臂施工阶段各主要风险因素以及其概率分布，通过正交试验设计方法形成各风险因素的样本数据点并进行有限元计算；将有限元计算得到的结果作为神经网络训练样本，训练神经网络形成相应输入与输出量的非线性高次映射关系；使用蒙特卡罗模拟对复杂风险因素下桥梁的风险概率进行求解，更加准确地对悬臂施工中的桥梁进行定量风险评估。

附图说明

图1为本发明实施例的流程图；

图2为本发明实施例的BP神经网络计算流程图；

图3为本发明实施例的神经网络训练学习示意图；

图4为本发明实施例的混凝土连续刚构桥有限元仿真模型图；

图5为本发明实施例的悬臂施工最大悬臂阶段有限元模型图；

图6为本发明实施例的神经网络训练过程误差曲线图；

图7为本发明实施例的神经网络训练样本输出值与有限元计算值对比图；

图8为本发明实施例的检验样本输出值与有限元计算值对比图；

图9为本发明实施例的跨中合拢段挠度误差范围图；

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。