基于可靠度指標(biāo)的橋梁安全評(píng)估分級(jí)方法

胡俊亮,鐘繼衛(wèi) ,黃仕平,顏全勝

(1.中鐵大橋科學(xué)研究院有限公司,湖北 武漢 430034; 2.橋梁結(jié)構(gòu)健康與安全國家重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430034; 3.華南理工大學(xué), 土木與交通學(xué)院,廣東 廣州 510640)

?

基于可靠度指標(biāo)的橋梁安全評(píng)估分級(jí)方法

胡俊亮1,2,鐘繼衛(wèi)1,2,黃仕平3,顏全勝3

(1.中鐵大橋科學(xué)研究院有限公司,湖北 武漢 430034; 2.橋梁結(jié)構(gòu)健康與安全國家重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430034; 3.華南理工大學(xué), 土木與交通學(xué)院,廣東 廣州 510640)

摘要：針對(duì)目前橋梁結(jié)構(gòu)安全狀態(tài)評(píng)估分級(jí)方法主觀性強(qiáng)、費(fèi)用較高的問題，本文采用基于人工神經(jīng)網(wǎng)絡(luò)改進(jìn)響應(yīng)面法進(jìn)行結(jié)構(gòu)極限承載力可靠度分析，提出了基于可靠度指標(biāo)的有效極限承載能力比作為結(jié)構(gòu)安全狀況分級(jí)指標(biāo)，以實(shí)現(xiàn)橋梁安全狀況的定量分析。以一座鋼管混凝土拱-連續(xù)梁組合體系橋梁為例，計(jì)算了鋼管混凝土拱、預(yù)應(yīng)力混凝土主梁、吊桿三種構(gòu)件的極限承載能力可靠度指標(biāo)，得到的以有效極限承載能力比為指標(biāo)的結(jié)構(gòu)狀態(tài)評(píng)估結(jié)果與規(guī)范評(píng)定結(jié)果誤差在5%以內(nèi)，說明該方法能夠有效實(shí)現(xiàn)結(jié)構(gòu)安全狀況分級(jí)評(píng)定。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；響應(yīng)面法；可靠度；有效極限承載能力比；安全狀況評(píng)級(jí)

網(wǎng)絡(luò)出版地址：http://www.cnki.net/kcms/detail/23.1390.u.20160308.1257.002.html

結(jié)構(gòu)安全評(píng)估分級(jí)是一項(xiàng)復(fù)雜的任務(wù)，吸引了諸多學(xué)者投入大量精力研究此項(xiàng)工作[1]。Salawn[2]總結(jié)分析了4種傳統(tǒng)橋梁結(jié)構(gòu)安全評(píng)估方法：外觀檢查方法、模擬計(jì)算分析方法、荷載試驗(yàn)方法以及專家系統(tǒng)方法。第1種方法難以定量分析橋梁損傷狀態(tài)；第2種方法的問題在于實(shí)施過程如何準(zhǔn)確選取參數(shù)和模擬損傷；第3種方法是比較可靠的，但是費(fèi)用高昂并存在一定的風(fēng)險(xiǎn)；第4種方法同樣無法做定量分析并容易受到主觀因素的影響。不少學(xué)者嘗試采用基于可靠度的理論來對(duì)橋梁安全狀況進(jìn)行評(píng)估。文獻(xiàn)[3]基于簡單半概率方法定義了全局抗力安全系數(shù)用以評(píng)估結(jié)構(gòu)安全狀況。文獻(xiàn)[4]采用了多種方法評(píng)估混凝土強(qiáng)度對(duì)結(jié)構(gòu)可靠度指標(biāo)的影響，進(jìn)而對(duì)結(jié)構(gòu)安全狀況進(jìn)行評(píng)定。本文提出了基于承載能力極限狀態(tài)可靠度的結(jié)構(gòu)安全狀況分級(jí)指標(biāo)，結(jié)構(gòu)可靠度是建立在數(shù)學(xué)統(tǒng)計(jì)基礎(chǔ)上經(jīng)過計(jì)算分析確定的對(duì)結(jié)構(gòu)可靠性的定量描述，作為結(jié)構(gòu)狀況評(píng)估分級(jí)指標(biāo)具有概念清晰的特點(diǎn)，特別是與《公路橋涵養(yǎng)護(hù)規(guī)范》[5]相結(jié)合使其更具有實(shí)踐意義和可操作性空間。

1基于人工神經(jīng)網(wǎng)絡(luò)改進(jìn)響應(yīng)面法可靠度分析

橋梁的承載力是指橋梁在服役期限內(nèi)某考察時(shí)刻對(duì)使用功能荷載和環(huán)境災(zāi)害性荷載的綜合承受與抵御能力[6]。當(dāng)以定量描述的承載能力極限狀態(tài)可靠性指標(biāo)來說明橋梁結(jié)構(gòu)的承載力時(shí)，以其反映橋梁結(jié)構(gòu)的技術(shù)狀況水平則更具直觀效果。下面說明如何以結(jié)構(gòu)承載能力極限狀態(tài)可靠性指標(biāo)來進(jìn)行橋梁技術(shù)狀況分級(jí)。

對(duì)于一些復(fù)雜結(jié)構(gòu)，傳統(tǒng)模擬近似計(jì)算方法在求解結(jié)構(gòu)可靠度時(shí)存在或多或少的缺陷：一次二階矩法(first-order reliability method,FORM)雖然概念清晰、簡單應(yīng)用，但是在功能函數(shù)非線性程度較高時(shí)計(jì)算精度較差；二次二階矩法(second-order reliability method, SORM)雖然能滿足非線性功能函數(shù)的計(jì)算精度要求，但是計(jì)算過程復(fù)雜，不易求解；Monte Carlo模擬方法(MC方法)不受邊界條件的約束，能夠得到較精確的結(jié)果，但是計(jì)算效率較低。因此，一些智能計(jì)算方法如支持向量機(jī)法[7](support vector machine, SVM)、響應(yīng)面法 (response surface methodology, RSM)[8]等得到更廣泛的應(yīng)用。本文采用基于人工神經(jīng)網(wǎng)絡(luò)改進(jìn)響應(yīng)面法對(duì)結(jié)構(gòu)可靠度進(jìn)行求解。

1.1基于響應(yīng)面法的可靠度分析

對(duì)于一些隨機(jī)變量具有高度非線性映射關(guān)系的復(fù)雜結(jié)構(gòu)，無法預(yù)先確定可靠度分析模型，一般的可靠度分析方法也就無法應(yīng)用[9]。響應(yīng)面法通過擬合一個(gè)容易處理的響應(yīng)面代替復(fù)雜的狀態(tài)曲面，來解決這類復(fù)雜結(jié)構(gòu)的可靠度分析問題。響應(yīng)面方法的應(yīng)用關(guān)鍵是選擇的響應(yīng)面函數(shù)應(yīng)該對(duì)取樣點(diǎn)(尤其是驗(yàn)算點(diǎn)附近)有良好的擬合。

響應(yīng)面函數(shù)一般選擇形式簡單、待定系數(shù)較少這類較容易處理的函數(shù)，響應(yīng)面函數(shù)最常應(yīng)用的是基本隨機(jī)變量的多項(xiàng)式形式，一般取為較簡單的二次多項(xiàng)式。雖然基于二次多項(xiàng)式響應(yīng)面方法在一定程度上能夠反映結(jié)構(gòu)極限狀態(tài)方程的非線性，對(duì)解決這類問題有較好的應(yīng)用。但是，二次多項(xiàng)式在結(jié)構(gòu)上比較固定，不具備自適應(yīng)性，在分析某些非線性程度較高的結(jié)構(gòu)可靠度時(shí)仍會(huì)產(chǎn)生較大的誤差。人工神經(jīng)網(wǎng)絡(luò)在處理無明確功能函數(shù)表達(dá)式的復(fù)雜結(jié)構(gòu)的可靠度分析方面有著獨(dú)特的優(yōu)勢(shì)。人工神經(jīng)網(wǎng)絡(luò)具有高度非線性映射和聯(lián)想記憶功能，在處理一些復(fù)雜非線性問題時(shí)表現(xiàn)出極佳的靈活性和自適應(yīng)性。在獲得基本變量與結(jié)構(gòu)響應(yīng)數(shù)據(jù)以后，可通過神經(jīng)網(wǎng)絡(luò)來模擬結(jié)構(gòu)的功能函數(shù)，進(jìn)而應(yīng)用一次二階矩、二次二階矩、MC等方法計(jì)算結(jié)構(gòu)的可靠度指標(biāo)。但是，在建立BP神經(jīng)網(wǎng)絡(luò)模型時(shí)，網(wǎng)絡(luò)的初始連接權(quán)值與閾值對(duì)網(wǎng)絡(luò)訓(xùn)練的影響較大，若采用隨機(jī)權(quán)值和閾值顯然對(duì)可靠度分析結(jié)果有較大影響，因此，本文選擇GA算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾值進(jìn)行優(yōu)化。

1.2試驗(yàn)設(shè)計(jì)方法

響應(yīng)面法是通過選取一定數(shù)量和規(guī)律的試驗(yàn)點(diǎn)來獲取分析結(jié)果，然后根據(jù)分析結(jié)果擬合響應(yīng)面以替代未知的真實(shí)結(jié)構(gòu)狀態(tài)曲面，從而進(jìn)行結(jié)構(gòu)可靠度分析以降低求解難度和時(shí)間。為使得響應(yīng)面函數(shù)較好地逼近真實(shí)結(jié)構(gòu)狀態(tài)曲面，樣本的選取顯得至關(guān)重要。一般多因素試驗(yàn)設(shè)計(jì)方法有：正交試驗(yàn)設(shè)計(jì)、中心復(fù)合設(shè)計(jì)、均勻試驗(yàn)設(shè)計(jì)、完全隨機(jī)設(shè)計(jì)、拉丁超立方設(shè)計(jì)等。相比較而言，均勻設(shè)計(jì)具有試驗(yàn)點(diǎn)分布均勻、各具代表性的特點(diǎn)，而且隨著水平數(shù)的增加，均勻設(shè)計(jì)的試驗(yàn)次數(shù)較少。因此，本節(jié)選擇均勻設(shè)計(jì)方法來生成響應(yīng)面訓(xùn)練數(shù)據(jù)。

1.3基于均勻設(shè)計(jì)和BP神經(jīng)網(wǎng)絡(luò)改進(jìn)響應(yīng)面法可靠度分析流程

可靠度分析流程列于圖1所示。下面說明基于均勻設(shè)計(jì)和BP神經(jīng)網(wǎng)絡(luò)改進(jìn)響應(yīng)面方法分析結(jié)構(gòu)可靠度的步驟：

1)據(jù)隨機(jī)變量統(tǒng)計(jì)特性，采用均勻設(shè)計(jì)方法生成神經(jīng)網(wǎng)絡(luò)初始訓(xùn)練樣本輸入值；建立基本的結(jié)構(gòu)功能函數(shù)，通過結(jié)構(gòu)計(jì)算分析程序生成初始訓(xùn)練樣本點(diǎn)響應(yīng)值；

2)計(jì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，利用生成的數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，擬合初始真實(shí)結(jié)構(gòu)極限狀態(tài)函數(shù)；

3)用GA算法對(duì)BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)進(jìn)行優(yōu)化；

4)到GA算法優(yōu)化后BP神經(jīng)網(wǎng)絡(luò)最佳權(quán)值和閾值，建立神經(jīng)網(wǎng)絡(luò)模型，得到隨機(jī)變量和響應(yīng)值的映射關(guān)系，生成結(jié)構(gòu)響應(yīng)的預(yù)測(cè)值；

5)一次二階矩、二次二階矩、MC等方法計(jì)算失效概率和可靠度指標(biāo)。

2單層剛架可靠度分析算例

如圖2所示單層剛架，其極限狀態(tài)方程為Z=0.01-u3(A1,A2,P)=0，其中u3=(48k+32)P/((18k+3)EI1)，k=I2/I1為頂點(diǎn)3的水平位移(單位為m)，柱和梁的橫截面積A1、A2為對(duì)數(shù)正態(tài)分布的隨機(jī)變量，荷載P服從極值I型分布，其統(tǒng)計(jì)參數(shù)見表1。彈性模量E=2.0×106kN/m2，梁柱截面慣性矩分別為I1=A12/12、I2=A22/6。

圖2　單層單跨剛架示意圖Fig.2　Single span rigid frame

隨機(jī)變量單位均值μ變異系數(shù)V分布類型A1m20.360.1對(duì)數(shù)正態(tài)分布A2m20.180.1對(duì)數(shù)正態(tài)分布PkN200.25極值I型分布

在[μ-3σ,μ+3σ]區(qū)間范圍內(nèi)均勻生成試驗(yàn)點(diǎn)，采用均勻設(shè)計(jì)表U30(303)進(jìn)行試驗(yàn)點(diǎn)的設(shè)計(jì)。根據(jù)均勻設(shè)計(jì)產(chǎn)生的30個(gè)樣本點(diǎn)，采用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，優(yōu)化過程如圖3所示，由圖可知，迭代到15代后基本處于穩(wěn)定，按前述的算法進(jìn)行可靠度計(jì)算。按照傳統(tǒng)MC方法，抽樣1×108次計(jì)算得到失效概率為2.411 5×10-3，可靠度指標(biāo)為2.818 6；余曉琳[10]采用30次均勻設(shè)計(jì)抽樣得到結(jié)構(gòu)失效概率為2.279×10-3，可靠度指標(biāo)為2.836 7；Deng等[11]采用2 000次MC重要抽樣模擬得到結(jié)構(gòu)的失效概率是2.322 3×10-3，可靠度指標(biāo)是2.830 7；李生勇[12]通過63次抽樣采用響應(yīng)面方法，得到結(jié)構(gòu)的失效概率是2.259 9×10-3，可靠度指標(biāo)是2.839 4。將計(jì)算結(jié)果與對(duì)比結(jié)果列于表2所示。

圖3　GA算法誤差迭代過程Fig.3　Error iterative procedure of genetic algorithm

由圖4知道，在GA算法迭代到13代以后，得到了最佳BP網(wǎng)絡(luò)權(quán)值與閾值，而優(yōu)化后BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練23次后即收斂。由表3可以看出，本文方法計(jì)算結(jié)果與傳統(tǒng)MC方法較為接近。但是對(duì)于此算例而言計(jì)算效率不僅沒有提高，反而在GA算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型上花費(fèi)了較多時(shí)間。但是當(dāng)計(jì)算復(fù)雜結(jié)構(gòu)可靠度指標(biāo)時(shí)，該方法可以有效減少有限元計(jì)算分析過程，提高計(jì)算效率。

表2　算例1計(jì)算結(jié)果

圖4　優(yōu)化后BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練性能曲線Fig.4　Optimized BP neural network training performance curve

3基于結(jié)構(gòu)可靠度指標(biāo)的結(jié)構(gòu)技術(shù)狀況分級(jí)

假設(shè)結(jié)構(gòu)抗力R與荷載效應(yīng)S均服從正態(tài)分布，則結(jié)構(gòu)可靠度指標(biāo)可寫為

(1)

式中：β為無量綱數(shù)，稱為可靠度指標(biāo)；μR、μZ為抗力R與荷載效應(yīng)S的均值；σR、σZ為標(biāo)準(zhǔn)差。

(2)

令n=βd/β ，則有

(3)

(4)

定義η為結(jié)構(gòu)有效極限承載能力比。

本文借鑒文獻(xiàn)[5]中對(duì)橋梁技術(shù)狀況評(píng)定標(biāo)準(zhǔn)。該規(guī)范按照承載能力降低率將橋梁技術(shù)狀況評(píng)定等級(jí)分為一類、二類、三類、四類以及五類，結(jié)合文獻(xiàn)[5]對(duì)5類橋梁的定義準(zhǔn)則，以結(jié)構(gòu)有效極限承載能力比為結(jié)構(gòu)安全狀況評(píng)估指標(biāo)，將橋梁安全等級(jí)分為5級(jí)。分類標(biāo)準(zhǔn)如表3所示。

表3　橋梁安全等級(jí)劃分

4杜坑特大橋安全評(píng)估分級(jí)算例

杜坑特大橋?yàn)橐蛔鐝讲贾脼?58.4+128+58.4)m的大跨度鋼管混凝土連續(xù)梁拱組合體系鐵路橋橋，如圖5所示。橋梁設(shè)計(jì)活載為中-活載，線路等級(jí)為雙線I級(jí)鐵路，設(shè)計(jì)時(shí)速120 km/h，為客貨共線，滿足雙層集裝箱列車開行條件。

文獻(xiàn)[13]采用Kriging模型方法對(duì)杜坑特大橋進(jìn)行了有限元模型修正工作，以此修正模型為基礎(chǔ)進(jìn)行結(jié)構(gòu)分析有限元分析工作。以拱肋混凝土彈模(Ec1)、密度(ρc1)，拱肋鋼管彈模(Es1)、密度(ρs1)，吊桿彈模(Es2)、密度(ρs2)，主梁混凝土彈模(Ec2)、密度(ρc2)，風(fēng)撐剛臂彈模(Eg1)與吊桿剛臂彈模(Eg2)以及二期恒載(F)為隨機(jī)變量，在做杜坑特大橋極限承載能力可靠度分析時(shí)再加上移動(dòng)荷載(MF)為隨機(jī)變量。隨機(jī)變量統(tǒng)計(jì)參數(shù)見表4所示。

以前文杜坑特大橋作為極限承載能力可靠度算例，分別就主梁、拱肋、吊桿三部分構(gòu)件計(jì)算其在損傷狀態(tài)下極限可靠度指標(biāo)。

考慮幾何非線性建立杜坑特大橋可靠度計(jì)算模型，模型中潛在失效單元位置編號(hào)見圖6。

取半結(jié)構(gòu)失效單元，圖中主梁失效單元為3個(gè)；拱肋失效單元每片拱肋2個(gè)，雙片拱肋4個(gè)；杜坑橋吊桿為雙吊桿形式，因此，圖中所示吊桿失效單元為雙線雙吊桿共4個(gè)單元。

圖5　杜坑特大橋立面布置圖(單位:cm)Fig.5　Dukeng bridge elevation(unit: cm)

圖6　潛在失效單元編號(hào)Fig.6　Number of potential failure elements

4.1結(jié)構(gòu)極限狀態(tài)方程

分別定義杜坑特大橋主梁、拱肋、吊桿單元承載能力極限狀態(tài)方程。

1) 杜坑特大橋主梁承載能力極限狀態(tài)方程。

(5)

式中:gi(X)表示第i個(gè)單元的極限狀態(tài)函數(shù)；X表示結(jié)構(gòu)隨機(jī)向量；Mdi表示第i個(gè)單元的抗力，對(duì)主梁單元為結(jié)構(gòu)極限彎矩；M(X)i表示第i個(gè)單元的結(jié)構(gòu)響應(yīng)，即結(jié)構(gòu)計(jì)算彎矩。根據(jù)規(guī)范《TB10002.3-2005鐵路橋涵鋼筋混凝土和預(yù)應(yīng)力混凝土結(jié)構(gòu)設(shè)計(jì)規(guī)范》[14]計(jì)算結(jié)構(gòu)極限彎矩，潛在失效截面1極限彎矩為2.47×108N·m；潛在失效截面2極限彎矩為-2.28×109N·m；潛在失效截面3極限彎矩為3.3×108N·m。

2) 杜坑特大橋拱肋承載能力極限狀態(tài)方程。

杜坑特大橋拱肋為鋼管混凝土結(jié)構(gòu)，根據(jù)文獻(xiàn)[15]提出的壓彎構(gòu)件鋼管混凝土結(jié)構(gòu)強(qiáng)度承載能力計(jì)算公式，定義杜坑橋拱肋單元承載能力極限狀態(tài)方程為

(6)

3) 杜坑特大橋吊桿承載能力極限狀態(tài)方程。

吊桿的失效按照超過抗拉極限強(qiáng)度考慮，定義其單元承載能力極限狀態(tài)方程為

(7)

式中:Tdi=fy×As為吊桿極限抗拉力，Ti(X)為吊桿計(jì)算拉力。fy取其抗拉強(qiáng)度值為1 670 MPa，As為吊桿截面面積，得Tdi=3 532.99 kN。

列車活載布置為“中-活載”，雙線普通活載加載，根據(jù)《鐵路橋涵設(shè)計(jì)基本規(guī)范TB10002D1-2005》[16]，按跨中最大彎矩影響線(圖7)加載方式布置于主梁。

圖7跨中最大正彎矩影響線
Fig.7Max positive moment influence line of mid span

表4　算例2隨機(jī)變量統(tǒng)計(jì)參數(shù)

4.2計(jì)算結(jié)果分析

1) 杜坑橋主梁可靠度指標(biāo)。

以單元極限承載能力降低來模擬損傷，分別按照極限承載能力降低率(0、5%、10%、25%、30%計(jì)算杜坑橋主梁潛在失效單元可靠度指標(biāo)。由于該橋設(shè)計(jì)安全系數(shù)較高，在MC法抽樣點(diǎn)數(shù)為106時(shí)，施加1×(恒載+活載)，單元失效概率為0，結(jié)構(gòu)的極限承載力遠(yuǎn)大于荷載效應(yīng)，若增大抽樣點(diǎn)數(shù)則會(huì)增加計(jì)算量，影響計(jì)算效率。因此，在計(jì)算單元可靠度指標(biāo)時(shí)考慮保持設(shè)計(jì)變量不變，增大荷載倍數(shù)。在實(shí)際計(jì)算中，計(jì)算單元1失效概率時(shí)施加1.7×(恒載+活載)，計(jì)算單元2、3失效概率時(shí)施加3×(恒載+活載)，得到潛在失效單元可靠度指標(biāo)如表5所示。

分別以主梁1～3潛在失效單元極限承載力為判斷標(biāo)準(zhǔn)，計(jì)算3個(gè)單元分別在1.7×(恒載+活載)、3×(恒載+活載)工況下單元安全系數(shù)K為1.47、1.40、1.33。計(jì)算失效單元在五種狀態(tài)下的有效極限承載能力比η列于表5。根據(jù)表5中計(jì)算結(jié)果，以極限承載能力降低率為指標(biāo)評(píng)定，按照文獻(xiàn)[5]評(píng)定單元安全等級(jí)結(jié)果與以有效極限承載能力比為指標(biāo)的評(píng)定結(jié)果吻合良好。

表5　結(jié)構(gòu)潛在失效單元可靠度指標(biāo)β/有效承載能力比η

2) 杜坑橋拱肋可靠度指標(biāo)。計(jì)算拱肋單元失效概率時(shí)施加2.5×(恒載+活載)，得到潛在失效單元可靠度指標(biāo)如表5所示。

分別以拱肋潛在失效單元1～4單元極限承載力為判斷標(biāo)準(zhǔn)，計(jì)算4個(gè)單元分別在2.5×(恒載+活載)工況下單元安全系數(shù)K為1.44、1.32、1.32、1.40。計(jì)算失效單元在5種狀態(tài)下的有效極限承載能力比η列于表5。根據(jù)表5中計(jì)算結(jié)果，以極限承載能力降低率為指標(biāo)評(píng)定，按照文獻(xiàn)[5]評(píng)定單元安全等級(jí)結(jié)果與以有效極限承載能力比為指標(biāo)的評(píng)定結(jié)果基本吻合。

3) 杜坑橋吊桿可靠度指標(biāo)。計(jì)算吊桿單元失效概率時(shí)施加3×(恒載+活載)，得到潛在失效單元可靠度指標(biāo)如表5。

分別以吊桿潛在失效單元1～4單元極限承載力為判斷標(biāo)準(zhǔn)，計(jì)算4個(gè)單元分別在3×(恒載+活載)工況下單元安全系數(shù)K為1.57、1.57、1.57、1.57。計(jì)算失效單元在五種狀態(tài)下的有效極限承載能力比η列于表5所示。

根據(jù)表5中計(jì)算結(jié)果，以極限承載能力降低率為指標(biāo)評(píng)定，按照文獻(xiàn)[5]評(píng)定單元安全等級(jí)結(jié)果與以有效極限承載能力比為指標(biāo)的評(píng)定結(jié)果吻合良好。

綜上，分別對(duì)杜坑橋主梁、拱肋、吊桿三種構(gòu)件進(jìn)行了可靠度分析，并得到了三種構(gòu)件在模擬損傷情況下的有效極限承載能力比，以該指標(biāo)進(jìn)行單元安全狀態(tài)評(píng)估結(jié)果與文獻(xiàn)[5]評(píng)定結(jié)果基本一致，說明以該指標(biāo)進(jìn)行結(jié)構(gòu)安全狀態(tài)評(píng)估是有效合理的。

5結(jié)論

1) 基于人工神經(jīng)網(wǎng)絡(luò)改進(jìn)響應(yīng)面法計(jì)算結(jié)構(gòu)可靠度指標(biāo)具有較高的精度，對(duì)于一般簡單結(jié)構(gòu)，該方法計(jì)算效率不高，但是對(duì)于復(fù)雜結(jié)構(gòu)，該方法可以有效提高計(jì)算效率；

2) 以結(jié)構(gòu)極限承載能力比為指標(biāo)能夠有效地完成對(duì)結(jié)構(gòu)安全狀況的分級(jí)評(píng)估工作，與文獻(xiàn)[5]的評(píng)估結(jié)果基本一致，說明改方法具有較好的可執(zhí)行性，能夠應(yīng)用到實(shí)際工程中；

3) 目前該方法的安全狀況評(píng)估分級(jí)僅應(yīng)用到構(gòu)件級(jí)，下一步將進(jìn)行完整結(jié)構(gòu)體系級(jí)的研究工作。

參考文獻(xiàn)：

[1]馬建, 孫守增, 楊琦, 等. 中國橋梁工程學(xué)術(shù)研究綜述[J]. 中國公路學(xué)報(bào), 2014, 27(5): 1-96.

MA Jian, SUN Shouzeng, YANG Qi, et al. Review on China’s bridge engineering research: 2014[J]. China journal of highway and transport, 2014, 27(5): 1-96.

[2]SALAWN O S. Assessment of bridges: use of dynamic testing[J]. Canadian journal of civil engineering, 1997, 24(2): 218-228.

[3]BRüHWILER E, VOGEL T, LANG T, et al. Swiss standards for existing structures[J]. Structural engineering international, 2012, 22(2): 275-280.

[4]CASPEELE R, TAERWE L. Influence of concrete strength estimation on the structural safety assessment of existing structures[J]. Construction and building materials, 2014, 62: 77-84.

[5]中華人民共和國交通部. JTG H11-2004, 公路橋涵養(yǎng)護(hù)規(guī)范[S]. 北京: 人民交通出版社, 2004. Ministry of Transport of the People’s Republic of China. JTG H11-2004, Code for maintenance of highway bridges and culverts[S]. Beijing: China Communications Press, 2004.

[6]肖盛燮. 橋梁承載力演變理論及其應(yīng)用技術(shù)[M]. 北京: 科學(xué)出版社, 2009: 34-35.

[7]王立國, 趙亮, 石瑤, 等. 最小二乘支持向量機(jī)的兩點(diǎn)改進(jìn)[J]. 哈爾濱工程大學(xué)學(xué)報(bào), 2015, 36(6): 847-850.

WANG Liguo, ZHAO Liang, SHI Yao, et al. Two improvements for least squares support vector machines[J]. Journal of Harbin Engineering University, 2015, 36(6): 847-850.

[8]YANG Nana, DAS P K, YAO Xiongliang. Application of response surface method for reliability analysis of stiffened laminated plates[J]. Ships & offshore structures, 2014, 10(6): 1-7.

[9]李世龍, 馬立元, 王天輝, 等. 一種改進(jìn)的響應(yīng)面方法及其在損傷識(shí)別中的應(yīng)用[J]. 地震工程與工程振動(dòng), 2014, 34(6): 145-152.

LI Shilong, MA Liyuan, WANG Tianhui, et al. Improved response surface method and its application in damage identification[J]. Earthquake engineering and engineering dynamics, 2014, 34(6): 145-152.

[10]余曉琳. 自錨式懸索橋靜力可靠度研究[D]. 廣州: 華南理工大學(xué), 2010: 57-58.

YU Xiaolin. Structural static reliability analysis of self-anchored suspension bridges[D]. Guangzhou: South China University of Technology, 2010: 57-58.

[11]DENG Jian, GU Desheng, LI Xibing, et al. Structural reliability analysis for implicit performance functions using artificial neural network[J]. Structural safety, 2005, 27(1): 25-48.

[12]李生勇. 自錨式懸索橋結(jié)構(gòu)可靠性研究[D]. 大連: 大連理工大學(xué), 2007: 34-36.

LI Shengyong. The research on the structural reliability for self-anchored suspension bridges[D]. Dalian: Dalian University of Technology, 2007: 34-36.

[13]胡俊亮, 顏全勝, 鄭恒斌, 等. 基于Kriging模型的鋼管混凝土連續(xù)梁拱橋有限元模型修正[J]. 振動(dòng)與沖擊, 2014, 33(14): 33-38.

HU Junliang, YAN Quansheng, ZHENG Hengbin, et al. CFST arch/continuous beam bridge FEM model updating based on Kriging model[J]. Journal of vibration and shock, 2014, 33(14): 33-38.

[14]中華人民共和國鐵道部. TB 10002.3-2005, 鐵路橋涵鋼筋混凝土和預(yù)應(yīng)力混凝土結(jié)構(gòu)設(shè)計(jì)規(guī)范[S]. 北京: 中國鐵道出版社, 2005.

Ministry of Railways of the People’s Republic of China. TB 10002.3-2005, Code for design on reinforced and prestressed concrete structure of railway bridge and culvert[S]. Beijing: China Railway Publishing House, 2005.

[15]韓林海. 鋼管混凝土結(jié)構(gòu)[M]. 北京: 科學(xué)出版社, 2000: 238-240.

[16]中華人民共和國鐵道部. TB 10002.1-2005, 鐵路橋涵設(shè)計(jì)基本規(guī)范[S]. 北京: 中國鐵道出版社, 2005.

Ministry of Railways of the People’s Republic of China. TB 10002.1-2005, Fundamental code for design on railway bridge and culvert[S]. Beijing: China Railway Publishing House, 2005.

收稿日期：2015-08-23.

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目 (11202080) .

作者簡介：胡俊亮(1984-) 男，博士，工程師； 通信作者：顏全勝, E-mail: cvqshyan@ scut.edu.cn.

doi:10.11990/jheu.201507035

中圖分類號(hào)：TU312

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1006-7043(2016)04-0550-06

A method for bridge safety assessment based on reliability index

HU Junliang1,2, ZHONG Jiwei1,2, HUANG Shiping3, YAN Quansheng3

(1. China Railway Bridge Science Research Institute Ltd., Wuhan 430034, China; 2. State Key Laboratory of Bridge Structure Health and Safety, Wuhan 430034, China; 3. College of Civil Engineering and Communications, South China University of Technology, Guangzhou 510640, China)

Abstract：Current methods of evaluating bridge safety are either subjective or expensive. In this study, we applied an improved response surface method based on the neural network to analyze the structural ultimate bearing capacity reliability. We defined an effective ultimate bearing capacity ratio based on the reliability index to evaluate the safety conditions of damaged structures. A quantitative analysis was achieved. Considering a concrete-filled steel tubular (CFST) arch/continuous beam bridge as an example, we calculated the reliabilities of the ultimate bearing capacity of a CFST arch and its pre-stressed concrete beam and suspenders. The results of the bridge safety evaluation based on the effective ratio of the ultimate bearing capacity coincide well with the specifications, with errors of less than 5%. This method can effectively evaluate safety conditions with respect to structural safety.

Keywords：neural network; response surface method; reliability; effective ultimate bearing capacity ratio; safety condition evaluation

網(wǎng)絡(luò)出版日期：2016-03-08.

顏全勝(1968-) 男，博士，教授.