田 谷,續(xù)若楠,繆長青,孫傳智

(東南大學(xué) 土木工程學(xué)院,江蘇 南京210096)

0 引 言

在現(xiàn)代橋梁工程的建設(shè)中,越來越多的工程研究表明大體積混凝土中的溫度變化的重要性?；炷翝沧⒑?水泥與水結(jié)合發(fā)生水化作用,同時也是混凝土的凝固過程。隨著水化熱的逐漸減少及熱量的散發(fā),混凝土的溫度就會慢慢地降低。橋墩施工中的混凝土大都體積龐大,其溫度在澆筑后3 d～5 d內(nèi)呈上升趨勢,以后溫度逐漸下降,一般經(jīng)過較長時間才能達(dá)到穩(wěn)定溫度。在這個過程中,水泥水化作用要生成大量的熱量,由于混凝土自身的熱物理性能和外界不同情況下的氣溫狀況,形成不同的溫度分布,構(gòu)成整個橋墩的溫度場。由于溫度場分布的不均勻,內(nèi)外形成溫差以及表面和外界形成溫差,溫差的存在產(chǎn)生溫度熱應(yīng)力.如果該溫度應(yīng)力超過混凝土的拉應(yīng)力,將可能產(chǎn)生裂縫[1]。

我國的《公路橋涵施工技術(shù)規(guī)范》(JTJ041-2000)關(guān)于大體積混凝土的定義是:現(xiàn)場澆注的最小邊界尺寸為1m～3 m且必須采取措施以避免水化熱引起的溫差超過25℃的混凝土稱為大體積混凝土。美國的混凝土學(xué)會ACI的規(guī)定為:“任何就地澆注的混凝土,其尺寸之大,必須得采取措施解決其水化熱及隨之引起的體積變形問題,以最大限度減少開裂”。關(guān)于大體積的混凝土的定義國內(nèi)外不盡相同,在大體積混凝土澆筑過程中的溫度場分布是一種非常復(fù)雜的高度非線性映射關(guān)系,結(jié)構(gòu)斷面尺寸、外界氣溫、水泥配合比、結(jié)構(gòu)內(nèi)部溫差以及結(jié)構(gòu)自身特點等都會影響混凝土澆筑與控制方法,并影響結(jié)構(gòu)最終應(yīng)力。因此需要綜合考慮各種影響溫度變化的因素予以確定[2,3]。

本文利用人工神經(jīng)網(wǎng)絡(luò)理論從反問題的角度用多組影響因素數(shù)據(jù)和溫度值訓(xùn)練出能夠描述溫度場的網(wǎng)絡(luò),簡化了原本復(fù)雜的求解過程,此神經(jīng)網(wǎng)絡(luò)對大體積混凝土的溫度控制起一定的指導(dǎo)作用。

1 應(yīng)用BP神經(jīng)網(wǎng)絡(luò)預(yù)測混凝土水化熱溫度

1.1 工程背景

瀛洲大橋結(jié)構(gòu)共分為三個部分,主橋中跨為跨徑120 m帶懸臂剛架的中承式鋼管混凝土系桿拱橋(如圖1所示),主橋邊跨為3 m×50 m帶懸臂半孔的無推力上承式鋼筋混凝土箱型拱橋,兩岸引橋為預(yù)應(yīng)力鋼筋混凝土連續(xù)箱梁結(jié)構(gòu)。在正常使用階段,剛架系桿拱是超靜定結(jié)構(gòu),橋梁上部、下部以及基礎(chǔ)甚至地基連成一體,結(jié)構(gòu)的超靜定次數(shù)較多,受力十分復(fù)雜。系桿拱拱墩固節(jié)點的構(gòu)造較為復(fù)雜,拱肋、橋墩、帽梁匯聚在這里,一般為不規(guī)則的幾何體。固節(jié)點處的受力很復(fù)雜,各方向的力都集中于此點,且受系桿強大的集中力作用,容易在主拉應(yīng)力方向發(fā)生開裂。另一方面,瀛洲大橋拱肋2位于主跨側(cè),根部厚度2m,高度3.5m,橫向長度為20 m,底板和頂板厚度為0.5 m,中腹板厚度為0.6 m,邊腹板厚度為0.699 m～0.954 m,中心隔板寬為4 m,厚度為2.5m,因此此處拱肋具有了明顯的大體積混凝土結(jié)構(gòu)特點,本文選擇的三角區(qū)橋跨內(nèi)側(cè)拱肋為研究對象,如圖1所示。

圖1 瀛洲大橋結(jié)構(gòu)主跨示意圖

1.2 BP神經(jīng)網(wǎng)絡(luò)的參數(shù)選擇

導(dǎo)熱系數(shù)、計算厚度這兩個參數(shù)與混凝土的溫度和環(huán)境溫度有著很大的關(guān)聯(lián)。根據(jù)混凝土溫度場的分布規(guī)律,筆者認(rèn)為:當(dāng)結(jié)構(gòu)的尺寸一定時,雖然混凝土材料、外界環(huán)境溫度、和導(dǎo)熱性能是影響某點混凝土的主要因素,但是某點溫度的變化情況、最大值、與外界溫差主要和此點的位置以及入模溫度相關(guān)。

大量工程實踐表明,混凝土內(nèi)部的實際水化熱溫升與每m3的水泥用量,結(jié)構(gòu)計算厚度,混凝土的熱性能,入模溫度和環(huán)境溫度有關(guān)。根據(jù)現(xiàn)場埋設(shè)的溫度傳感器,可以量測混凝土水化熱溫度的變化情況。選擇單位體積混凝土發(fā)熱量、導(dǎo)熱系數(shù)、計算厚度、澆筑入模溫度和外界溫度等5個參數(shù)作為BP網(wǎng)絡(luò)的輸入?yún)?shù),來進(jìn)行訓(xùn)練樣本。

國內(nèi)大體積混凝土工程一般的溫度計算都是計算混凝土的中心最高溫度Tmax及表面溫度Tb,本文為了更突出且簡便地反映混凝土水化熱對位置不同的測點的溫度影響,因此選擇訓(xùn)練樣本的三維坐標(biāo)和入模溫度作為輸入?yún)?shù),輸出參數(shù)為各樣本的溫度隨時間變化值,隱層的神經(jīng)元數(shù)目為10[4,5]。

鑒于現(xiàn)場測試點較少,且只集中在兩個截面上,故提取有限元仿真結(jié)構(gòu)作為輸出值,圖2為瀛洲大橋拱肋的尺寸示意圖。輸出值第1 d每隔3 h取1次值,第2 d、3 d每6 h取1次值,第4 d、5 d每12 h取1次值、第6 d～10 d每1 d取1次值,圖3為拱肋的有限元模型。

圖2 拱肋2尺寸示意圖

1.3 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本

本文采用拱肋中心部分水化熱溫度變化值作為所研究對象,樣本點位置如圖4所示,共34個點數(shù)據(jù)作為訓(xùn)練樣本(●表示),樣本輸入?yún)?shù)如表1。神經(jīng)網(wǎng)絡(luò)預(yù)測的溫度結(jié)果用4個點作為檢驗樣本(▲表示)。訓(xùn)練樣本點與檢驗樣本點位置如圖4所示。

圖3 拱肋的有限元模型

表1 樣本輸入?yún)?shù)

圖4 樣本點位置示意圖

1.4 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練及檢驗

把訓(xùn)練向量輸入BP神經(jīng)網(wǎng)絡(luò)模型,利用MATLAB中的neural network中的NNTOOL進(jìn)行訓(xùn)練。網(wǎng)絡(luò)共進(jìn)行了1 047次訓(xùn)練,收斂于全局最小點。最后,應(yīng)用Sim()函數(shù)進(jìn)行仿真和檢驗。檢驗選擇結(jié)構(gòu)中4個點的溫度數(shù)據(jù)作為檢驗樣本,4個檢驗樣本的輸入?yún)?shù)如表2所示。正常坐標(biāo)下的最終逼近曲線如圖5所示,有限元仿真與神經(jīng)網(wǎng)絡(luò)預(yù)測的溫度變化曲線如圖6～圖9所示[6～9]。

表2 驗證樣本

圖5 正常坐標(biāo)下的最終逼近曲線

圖6 樣本1預(yù)測結(jié)果與有限元結(jié)果對比圖

圖7 樣本2預(yù)測結(jié)果與有限元結(jié)果對比圖

圖8 樣本3預(yù)測結(jié)果與有限元結(jié)果對比圖

圖9 樣本4預(yù)測結(jié)果與有限元結(jié)果對比圖

從以上數(shù)據(jù)對比中可以發(fā)現(xiàn),BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果總體上與有限元仿真結(jié)果相差不大,樣本1～樣本4的平均誤差分別為-1.02%,0.64%,-0.38%,0.52%,最大誤差值分別為-4.8%,5.8%,-5.2%,5.3%,最大誤差值發(fā)生的時間分別在澆筑后192 h,120 h,192 h,216 h。

由于樣本點1和樣本點4處于拱肋結(jié)構(gòu)的內(nèi)部,在混凝土澆筑后45 h～50 h,水化熱引起這兩點的最高溫度達(dá)到最大值(＞70℃),此時神經(jīng)網(wǎng)絡(luò)預(yù)測的溫度值平均誤差分別為-0.2%和1%;樣本點2和樣本點3位于拱肋的邊界,受外界環(huán)境溫度影響比較明顯,在混凝土澆筑后30 h～45 h,水化熱引起這兩點的最高溫度達(dá)到最大值(＜42℃),神經(jīng)網(wǎng)絡(luò)預(yù)測的溫度值平均誤差為1%和0.4%。

由此看出,利用此BP神經(jīng)網(wǎng)絡(luò)預(yù)測大體積混凝土澆筑后水化熱產(chǎn)生的溫度峰值和最大溫差梯度是可以應(yīng)用于工程實踐的。

2 結(jié) 語

控制大體積混凝土水化熱階段的裂縫開展,必須首先對其進(jìn)行溫度監(jiān)控,繼而考慮溫度效應(yīng)對早期結(jié)構(gòu)的不利影響,從而采取降低水化熱的放熱量及其反應(yīng)速率,調(diào)整內(nèi)外溫差峰值等方法提高早期強度,防止早期裂縫。通過工程實例分析表明利用BP人工神經(jīng)網(wǎng)絡(luò)能夠較準(zhǔn)確地對橋梁的大體積混凝土水化熱時的溫度場進(jìn)行預(yù)測,并可以通過訓(xùn)練確定適應(yīng)效果最優(yōu)的BP人工神經(jīng)網(wǎng)絡(luò),在此基礎(chǔ)上結(jié)合有限元分析,影響參數(shù)的修正和溫度效應(yīng)的計算能得到與工程實際更加吻合的結(jié)果[10]。

[1] 趙秀云.橋梁大體積混凝土裂縫產(chǎn)生原因與防治措施[J].中國新技術(shù)新產(chǎn)品,2009,(15):52.

[2] 朱伯芳.大體積混凝土溫度應(yīng)力與溫度控制[M].北京:中國電力出版社,2001.

[3] 呂建福.大體積混凝土溫度應(yīng)力場與開裂的研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2005.

[4] 王旭,王 宏,王文輝.人工神經(jīng)元網(wǎng)絡(luò)原理及應(yīng)用[M].沈陽:東北大學(xué)出版社,2003.

[5] 鄧 磊.基于神經(jīng)網(wǎng)絡(luò)的橋梁承臺混凝土溫度預(yù)測系統(tǒng)研究[D].武漢:武漢理工大學(xué),2006.

[6] 虞和濟(jì),陳長征,張 省,等.基于神經(jīng)網(wǎng)絡(luò)的智能判斷[M].北京:冶金工業(yè)出版社,2000.

[7] 董長虹.Matlab的神經(jīng)網(wǎng)絡(luò)與應(yīng)用[M].北京:國防工業(yè)出版社,2005.

[8] 許 波,劉征.Matlab工程數(shù)學(xué)應(yīng)用[M].北京:清華大學(xué)出版社,2000.

[9] 王新剛,王啟才,周 巖,等.基于人工神經(jīng)網(wǎng)絡(luò)的大體積混凝土溫度場預(yù)測[J].混凝土,2006,(9):21-24.

[10] 韋愛鳳.大體積混凝土裂縫控制的有效措施[J].廣西工學(xué)院學(xué)報,2000,(2):20-23.