鉴于索杆梁空间结构施工误差分析与结构参数修正理论相对于实际工程发展滞后的现状,本项目拟以结构非线性理论、误差分析理论以及模型修正理论为依据,首先归纳与统计影响结构施工的结构参数及其可能产生偏差的范围,并在分析施工模拟假定与实际情况差异的基础上,进行结构参数敏感性分析;然后采用反演分析法与最小二乘法、BP神经网络法等参数识别法,并结合模型试验重点对结构的施工误差、参数识别、模型修正等问题进行理论分析与试验研究。以揭示影响结构力学性能以及安全性能的关键结构参数,探讨控制参数种类选择、测点数量确定的原则,以及多测点控制误差合理性的评判准则,进而给出施工过程中结构参数误差分析、识别与修正的理论与算法。本项目的开展,有助于准确把握结构的施工过程,确保理论分析结果能够准确、可靠地指导实际施工,缩短施工周期、节约施工费用、规避施工期项目的工程风险,同时也可为已建在役项目的服役状态评估提供正确的理论模型。
Construction errors;model updating;model experiment;neural network;cable-bar-beam structures
本项目通过理论推导、数字模拟与模型试验相结合的方法,对索杆梁空间结构在施工过程中可能产生的误差进行了分析研究,并对用于结构计算与施工模拟以及性能评估的计算模型进行了模型修正方面的研究。现已完成了对索杆梁空间结构中索与节点之间摩擦假定的修正以及相互之间摩擦力大小的计算,给出了在环索连续贯通的状态下不宜采用较少张拉点进行环索张拉的结论;而且项目组对结构施工时所造成的几何误差进行了分析,评估了其对结构稳定性能的影响,提出了考虑初始几何缺陷的随机缺陷模态计算法;同时,也对施工过程中荷载的不确定性即外部荷载与模拟荷载的差别进行了分析,给出了施工时应避免局部堆载产生的结论。此外,利用线性叠加原理给出了计算结构模型所需施加预应力大小的方法,也验证了线性叠加原理在弦支穹顶结构中的适用性,为传统线性分析方法在索杆梁结构中的应用提供了理论依据;并且,利用神经网络中的BP算法实现了对计算模型多参数与多响应的相互预测与修正,利用这一方法将传统的找力问题归结为计算模型修正问题进行了研究,成功实现了多种类型参数相互耦合条件下模型参数的反演与修正;最后项目组设计开发了一种负高斯曲率索穹顶结构,并制作了一跨度为4米的负高斯曲率索穹顶试验模型,利用该模型项目组进行了施工模拟、施工误差、模型修正、静力性能、动力性能以及索杆破断的试验内容。本项目从理论分析、数值模拟与模型试验三方面入手,已取得了较好的预期研究成果。现已公开发表EI检索论文2篇,SCI检索论文2篇,协助培养研究生6名,2名已毕业。此外,项目组正在对项目后期所做的研究工作进行整理,部分成果已撰写成文处于投稿外审阶段,部分成果正在整理撰写阶段即将形成专利与论文。