近年来桥梁劣化损伤现象日益严重和普遍,桥梁的管理和维修优化决策已经引起世界性关注。桥梁劣化损伤现象日益严重和普遍,而可以用于维修加固桥梁的资金却非常有限。对于桥梁群,为了将有限的资金用于最迫切需要维修加固的桥梁,在保证桥梁安全的前提下,使有限的资金发挥最大的效益;对于单座桥梁,尽可能使桥梁生命周期成本最低。二者都迫切需要对既有桥梁的安全性、耐久性进行正确的评定,并在此基础上制定最优维修加固策略。针对目前既有桥梁安全性与耐久性评估及维修加固决策中存在的问题,本文结合辽宁省交通厅重点科技攻关项目0101:在役桥梁质量分级指标安全性、耐久性综合评定方法研究,主要开展了以下几个方面的工作:1、 对从实际桥梁上替换下来的8根钢筋混凝土旧梁与5根钢筋混凝土新梁进行了弯曲对比荷载试验。分析比较了钢筋混土新、旧梁的截面应变、挠度、最大裂缝宽度、最大裂缝高度在各级荷载下的变化规律。试验结果表明已经服役了35年且有一定累积损伤的钢筋混凝土旧梁仍然基本符合平截面假定,旧梁破坏前出现较大的变形和裂缝,破坏仍然呈延性性质。通过新旧梁的对比,给出了服役35年的钢筋混凝土旧梁的承载能力折减系数0. 875。2、 根据现有的钢筋混凝土梁的抗剪试验资料,研究预裂后循环加载对斜截面承载能力和斜裂缝宽度的影响,以及预裂后循环加载情况下表观损伤特征(斜裂缝宽度)与承载率(承受的荷载与破坏荷载的比值)之间的对应关系,从而为根据表观损伤特征评估钢筋混凝土梁的抗剪承载能力提供参考。3、 以裂缝宽度、裂缝相对高度(裂缝实际开展高度与梁截面的比值)、挠度、混凝土强度、配筋率、钢筋屈服强度、钢筋直径、钢筋粘结特性系数、保护层厚度作为输入层向量,以受弯承载率(即所受荷载占其极限承载能力的比率,也可称为承载状态)为输出层向量,建立了反演钢筋混凝土梁受弯承载率的神经网络模型。在实际工程中由表观损伤特征反演在役钢筋混凝土桥梁主梁的承载状态时,应将主梁的最大裂缝宽度除以一个大于1的系数,从而将在役桥梁主梁的最大裂缝宽度折算为不考虑长期荷载作用和疲劳荷载作用影响时短期荷载作用下的最大裂缝宽度。当桥梁服役年限大于3年且重复荷载作用大于10万次时,最大裂缝宽度应除以折减系数τ=1. 5,近似折算为不考虑长期荷载作用和疲劳荷载作用影响时短期荷载作用下的最大裂缝宽度。其它情况下在役桥梁主梁的最大裂缝宽度可以根据桥梁的实际运营状况酌情折减。用折算后的最大裂缝宽度作为输入,就可以用训练得到的神经网络模型反演在役桥梁的承载状态,为其安全性评价及维修加固决策提供参考依据。4、 在分析钢筋混凝土梁桥受力特点的基础上,建立了桥梁安全性综合评定模型,大连理工大学博士学位论文该模型目标层评估项目“安全性”的因素集为{主梁(或板梁)、盖梁、横隔梁、桥面板、支座、墩台、地基};指标层评估项目“主梁(或板梁)”、“盖梁”、“横隔梁”、“桥面板’,、“支座’,、“墩台”、“地基”的因素集为{承载能力、构造、挠度、裂缝}。根据《公路养护技术规范》,将桥梁安全性分为四类(五个状态),相应的评语集为{一类(完好/良好状态)、二类(较好状态)、三类(较差状态)、四类(坏的状态)、四类(危险状态)},并且采用模糊综合评判法评定桥梁的安全性等级。 5、桥梁耐久性评估过程实质上是模糊推理过程,本文将模糊推理、神经网络、遗传算法三种技术有机融合在一起,建立了基于自适应神经一模糊推理系统ANFIS和遗传算法的桥梁耐久性评估专家系统。将桥梁耐久性评估过程蕴含于自适应神经一模糊推理系统中,根据桥梁专家的经验和知识确定初始模糊推理规则和隶属函数,采用遗传一BP混合算法作为系统学习方法,通过系统学习综合多名专家的经验和知识,把桥梁专家提供的学习实例或信息转换成能被学习系统理解并应用的形式存储在专家系统中。应用实例表明本文建立的专家系统对桥梁耐久性的评估结果与桥梁专家的评估结果较为吻合,证明本文建立的自适应神经一模糊推理系统ANFIs具有较好的学习能力,能够快速有效地模仿专家评估桥梁的耐久性,便于在实际工程中推广应用。 6、提出了一种基于时变可靠度预测钢筋混凝土梁桥的剩余使用寿命进而制定生命周期最优维修加固策略的新方法:由检测资料修正既有钢筋混凝土梁桥的抗力劣化模型,计算既有钢筋混凝土梁桥的时变可靠指标,并与目标可靠指标相比较,进而预测其剩余使用寿命。将预测得到的剩余使用寿命与预期的使用寿命相比较,确定可行的维修加固策略。引入折现率将不同时刻的维修加固费用折算为现值,以整个剩余使用寿命期内的费用现值总和最小为目标,以目标可靠指标为约束条件,寻求最优维修加固策略。最优维修加固策略对预期的使用寿命、系统失效准则、折现率较为敏感。关键词:钢筋混凝土桥梁;承载力;反演;安全性;耐久性;模糊推理;神经网络:遗 传算法;专家系统;时变可靠度;寿命预测;折现率;维修加固策略,--~一一一一-一-一-一一一一口一一- 一11-