白云騰，王曉明，錄哲元，張嘉鼎

(1.長(zhǎng)安大學(xué) 橋梁工程研究所，陜西 西安 710064；2.長(zhǎng)安大學(xué) 舊橋檢測(cè)與加固技術(shù)交通行業(yè)重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710064；3.黃河勘測(cè)規(guī)劃設(shè)計(jì)研究院有限公司，河南 鄭州 450003；4.中交第二公路工程局有限公司，陜西 西安 710065)

0 引 言

相比于傳統(tǒng)預(yù)應(yīng)力混凝土連續(xù)剛構(gòu)橋，波形鋼腹板連續(xù)剛構(gòu)橋采用波形鋼腹板來(lái)代替混凝土，大大減輕了結(jié)構(gòu)自重，避免了腹板開(kāi)裂問(wèn)題，顯著增加了橋梁的跨越能力[1-2]。然而，在波形鋼腹板連續(xù)剛構(gòu)橋懸臂拼裝施工過(guò)程中，由于波形鋼腹板的剪切剛度遠(yuǎn)小于混凝土腹板，波形鋼腹板的剪切變形將導(dǎo)致主梁撓度增加，甚至導(dǎo)致螺栓孔錯(cuò)位[3-4]。對(duì)于螺栓孔錯(cuò)位這種懸臂拼裝施工易出現(xiàn)的典型問(wèn)題，現(xiàn)場(chǎng)往往采用重新沖孔的粗糙措施，導(dǎo)致懸臂拼裝施工過(guò)程中螺栓孔錯(cuò)位所引起并加劇的局部結(jié)構(gòu)應(yīng)力擾動(dòng)和力流傳遞時(shí)空變異性無(wú)法得到充分反映，嚴(yán)重制約了結(jié)構(gòu)損傷早期預(yù)警準(zhǔn)確性的提升。

從監(jiān)測(cè)和評(píng)估的需求看，響應(yīng)分析方法的時(shí)延越短就越有利，長(zhǎng)的時(shí)延有可能會(huì)產(chǎn)生非常嚴(yán)重的穩(wěn)定性問(wèn)題；在線評(píng)估過(guò)程中，更是要求具備快速反應(yīng)能力。機(jī)器學(xué)習(xí)方法為該難題的解決提供了新思路[5]：經(jīng)過(guò)訓(xùn)練的機(jī)器學(xué)習(xí)模型可以基于復(fù)雜輸入快速映射結(jié)果，實(shí)現(xiàn)結(jié)構(gòu)響應(yīng)的快速分析。

本文在研究傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)[6]的基礎(chǔ)上，提出了基于MEC-BP神經(jīng)網(wǎng)絡(luò)的撓度預(yù)測(cè)方法。采用思維進(jìn)化算法(Mind Evolutionary Computation，MEC)來(lái)提高BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度和訓(xùn)練效率[7]。該方法特別適用于解決橋梁結(jié)構(gòu)響應(yīng)的快速分析與預(yù)測(cè)問(wèn)題。

橋梁的傳統(tǒng)施工控制采用人工監(jiān)控的方式，存在監(jiān)測(cè)效率較低、靈活性較差以及檢測(cè)結(jié)果人為因素影響較大等一系列問(wèn)題。為解決人工監(jiān)控存在的諸多問(wèn)題，實(shí)現(xiàn)橋梁施工的智能化控制，研究人員開(kāi)發(fā)了多種自動(dòng)提取及分析現(xiàn)場(chǎng)信息的施工控制系統(tǒng)[8]。現(xiàn)有智能化施工控制的方法主要有兩類：第一類是基于物聯(lián)網(wǎng)技術(shù)的智能施工控制系統(tǒng)[9]，基于物聯(lián)網(wǎng)的系統(tǒng)以目標(biāo)物體為監(jiān)測(cè)對(duì)象，依靠電子傳感器，通過(guò)不斷收集傳感器的信息來(lái)分析對(duì)象的狀態(tài)，包括速度、加速度和方向等；第二類是基于計(jì)算機(jī)視覺(jué)技術(shù)的智能施工控制系統(tǒng)[10]，依靠普通攝像機(jī)或深度攝像機(jī)獲取視頻，并使用計(jì)算機(jī)視覺(jué)算法進(jìn)行分析，從而獲取信息[11]。

本文結(jié)合梁渠溝大橋懸臂拼裝施工過(guò)程的智能化控制需求，建立了基于可視化管控系統(tǒng)和MEC-BP神經(jīng)網(wǎng)絡(luò)的智能化施工控制系統(tǒng)。本文通過(guò)三維實(shí)體有限元模型進(jìn)行懸臂拼裝施工過(guò)程分析，考慮了剪切變形對(duì)主梁線形的影響；通過(guò)靈敏度分析確定了影響主梁線形的關(guān)鍵參數(shù)，進(jìn)而構(gòu)建了基于MEC-BP神經(jīng)網(wǎng)絡(luò)的主梁撓度預(yù)測(cè)模型，實(shí)現(xiàn)了波形鋼腹板連續(xù)剛構(gòu)橋主梁線形的快速分析；結(jié)合MEC-BP撓度預(yù)測(cè)模型和可視化管控系統(tǒng)，建立了智能化施工控制系統(tǒng)，實(shí)現(xiàn)了梁渠溝大橋懸臂拼裝施工過(guò)程的智能施工控制。上述方法在梁渠溝大橋的建造過(guò)程中得到了有效的應(yīng)用與驗(yàn)證。

1 智能化施工監(jiān)控方法

1.1 基于物聯(lián)網(wǎng)技術(shù)的智能化施工監(jiān)控

基于物聯(lián)網(wǎng)的系統(tǒng)以目標(biāo)物體為監(jiān)測(cè)對(duì)象，通過(guò)持續(xù)收集電子傳感器的信息分析監(jiān)測(cè)對(duì)象的狀態(tài)，包括位移、速度和加速度等[9]。其系統(tǒng)框架如圖1所示，主要包括以下4個(gè)步驟：

圖1 基于物聯(lián)網(wǎng)技術(shù)的智能施工控制系統(tǒng)

(1)數(shù)據(jù)采集。通過(guò)采集不同數(shù)據(jù)參數(shù)、部署實(shí)時(shí)荷載、位移、應(yīng)力、應(yīng)變、加速度等力學(xué)傳感器、溫/濕度等環(huán)境傳感器及視頻監(jiān)控等構(gòu)成監(jiān)控網(wǎng)絡(luò)，由底層的傳感網(wǎng)絡(luò)層進(jìn)行數(shù)據(jù)采集。

(2)數(shù)據(jù)匯聚。傳感器采集的數(shù)據(jù)較為分散，需將采集的數(shù)據(jù)匯聚到傳輸匯聚層。

(3)數(shù)據(jù)分析處理。匯聚后的數(shù)據(jù)通過(guò)多種無(wú)線技術(shù)將傳感器信息實(shí)時(shí)傳輸?shù)綐蛄簩?shí)時(shí)監(jiān)測(cè)平臺(tái)并進(jìn)行數(shù)據(jù)分析和處理。

(4)實(shí)時(shí)監(jiān)測(cè)預(yù)警。經(jīng)過(guò)分析處理的數(shù)據(jù)送達(dá)業(yè)務(wù)應(yīng)用層，從而實(shí)現(xiàn)對(duì)橋梁安全狀況進(jìn)行實(shí)時(shí)監(jiān)測(cè)預(yù)警、分析、評(píng)估以及對(duì)高危橋梁及時(shí)地發(fā)出危險(xiǎn)警告，對(duì)橋梁施工安全具有重大意義。

1.2 基于計(jì)算機(jī)視覺(jué)技術(shù)的智能化施工監(jiān)控

基于計(jì)算機(jī)視覺(jué)技術(shù)的智能化施工控制系統(tǒng)具體指通過(guò)相機(jī)獲得圖像或視頻，由計(jì)算機(jī)代替人眼對(duì)目標(biāo)進(jìn)行圖像識(shí)別、運(yùn)動(dòng)跟蹤、場(chǎng)景重建、圖像恢復(fù)、圖像測(cè)量等任務(wù)處理，進(jìn)一步通過(guò)理解圖像來(lái)獲取其中包含的信息和知識(shí)?；谟?jì)算機(jī)視覺(jué)技術(shù)的橋梁智能化施工控制主要從結(jié)構(gòu)振動(dòng)視頻中獲取結(jié)構(gòu)位移參數(shù)，參數(shù)獲取過(guò)程一般分為以下4個(gè)步驟(圖2)[12]：

圖2 計(jì)算機(jī)視覺(jué)位移測(cè)量的一般步驟

(1)相機(jī)標(biāo)定。標(biāo)定相機(jī)，計(jì)算出圖像坐標(biāo)系與真實(shí)坐標(biāo)系間的幾何轉(zhuǎn)換關(guān)系，找出圖像中像素塊在真實(shí)坐標(biāo)系中所代表的實(shí)際長(zhǎng)度。

(2)特征提取。從圖像中選取測(cè)量目標(biāo)作為圖像子區(qū)域，提取子區(qū)域特征，特征提取對(duì)象可以是結(jié)構(gòu)自身紋理特征，也可以是人為添加的標(biāo)志特征，不同特征對(duì)象對(duì)應(yīng)的追蹤算法也有所不同。

(3)視覺(jué)跟蹤。采用視覺(jué)跟蹤算法對(duì)既定目標(biāo)進(jìn)行跟蹤，并在每幀圖像中更新既定目標(biāo)的位置，從而獲得既定目標(biāo)的位置信息。

(4)坐標(biāo)變換和位移計(jì)算。通過(guò)對(duì)每幀圖像中目標(biāo)的位置變化進(jìn)行比較分析，得到既定目標(biāo)在圖像坐標(biāo)系中的位移，在此基礎(chǔ)上，結(jié)合相機(jī)標(biāo)定信息，從而得到既定目標(biāo)在實(shí)際坐標(biāo)系中的位移。

2 基于MEC-BP神經(jīng)網(wǎng)絡(luò)的智能化施工控制方法

2.1 MEC-BP撓度預(yù)測(cè)模型

2.1.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)[13](BPNN)是一種具有反向傳播學(xué)習(xí)算法的多層前饋網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)可以通過(guò)建立一個(gè)數(shù)學(xué)模型來(lái)描述輸入與輸出之間的映射關(guān)系。

BP神經(jīng)網(wǎng)絡(luò)主要分為3層：輸入層、隱含層和輸出層，其結(jié)構(gòu)形式如圖3所示。假設(shè)輸入層、隱含層、輸出層的神經(jīng)元個(gè)數(shù)分別為n、m、k，則該神經(jīng)網(wǎng)絡(luò)的輸出O如式(1)所示。

圖3 BP神經(jīng)網(wǎng)絡(luò)

O=Ψ[Vφ(wX-θ)-θ′]=

(1)

誤差函數(shù)E為

(2)

式中：S為所有樣本數(shù)量；T為歸一化后的輸出目標(biāo)值。

BP神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的非線性處理能力。然而，BP神經(jīng)網(wǎng)絡(luò)仍然存在一些明顯的缺點(diǎn)，包括收斂速度慢、局部最優(yōu)和學(xué)習(xí)速度不穩(wěn)定[14]。因此，本文將采用MEC算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，提出了基于MEC-BP神經(jīng)網(wǎng)絡(luò)的波形鋼腹板連續(xù)剛構(gòu)橋撓度預(yù)測(cè)方法。

2.1.2 MEC算法

MEC算法[15]是一種基于群體搜索、模擬人類思維過(guò)程的優(yōu)化算法，該算法提出采用“趨同”與“異化”來(lái)替代遺傳算法中的“交叉”與“復(fù)制”。MEC算法系統(tǒng)框架如圖4所示。

圖4 思維進(jìn)化算法

MEC算法的優(yōu)化過(guò)程為：

(1)初始化種群。隨機(jī)生成一定數(shù)量的初始種群群體。根據(jù)得分，在若干個(gè)得分最高的個(gè)體周圍生成優(yōu)勝子種群和臨時(shí)子種群。

(2)趨同(局部競(jìng)爭(zhēng))。在每一子群體內(nèi)找到得分最高的個(gè)體作為獲勝者，根據(jù)正態(tài)分布將所有個(gè)體分散在獲勝者周圍，并根據(jù)重復(fù)計(jì)算的分?jǐn)?shù)生成新的獲勝者。當(dāng)獲勝者沒(méi)有變化時(shí)，該組可以被視為優(yōu)勝子種群，獲勝者的分?jǐn)?shù)將代表該組的分?jǐn)?shù)。

(3)異化(全局競(jìng)爭(zhēng))。比較臨時(shí)子種群與優(yōu)勝子種群的得分，如果臨時(shí)子種群的得分高于優(yōu)勝子種群，則優(yōu)勝子種群將會(huì)被替代。相反，則臨時(shí)子種群將被丟棄，并隨機(jī)生成一個(gè)新的臨時(shí)子種群。

(4)重復(fù)上述步驟，當(dāng)最優(yōu)勝者的得分得不到進(jìn)一步的改善時(shí)，則認(rèn)為是最優(yōu)子種群。

2.1.3 MEC-BP框架

根據(jù)第2.1.2節(jié)所述算法對(duì)BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閥值進(jìn)行優(yōu)化，進(jìn)而提高BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度，建立用于波形鋼腹板連續(xù)剛構(gòu)橋懸臂拼裝施工過(guò)程結(jié)構(gòu)響應(yīng)的快速預(yù)測(cè)模型(MEC-BP撓度預(yù)測(cè)模型)，模型框架如圖5所示，具體流程為：

圖5 基于MEC-BP神經(jīng)網(wǎng)絡(luò)的撓度預(yù)測(cè)模型框架

(1)確定預(yù)測(cè)目標(biāo)并建立有限元模型，通過(guò)敏感性分析獲得關(guān)鍵參數(shù)，通過(guò)抽樣獲得輸入樣本，經(jīng)過(guò)有限元分析得到對(duì)應(yīng)的輸出樣本，從而獲得訓(xùn)練樣本和測(cè)試樣本。

(2)確定BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)，如神經(jīng)元數(shù)量、種群大小等。

(3)利用MEC進(jìn)行神經(jīng)網(wǎng)絡(luò)的參數(shù)優(yōu)化，通過(guò)MEC進(jìn)行反復(fù)的“趨同”“異化”操作，直到滿足收斂條件獲得最優(yōu)權(quán)值和閾值。

(4)采用最優(yōu)權(quán)值、閾值進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與測(cè)試，直到滿足誤差要求，獲得撓度預(yù)測(cè)模型。

2.2 基于可視化管控系統(tǒng)的智能化施工控制方法

本文基于波形鋼腹板連續(xù)剛構(gòu)橋懸臂拼裝施工過(guò)程的智能化施工控制需求，開(kāi)發(fā)了一套可視化管控系統(tǒng)，同時(shí)建立了電腦端和手機(jī)端的操作界面，如圖6～8所示，便于施工管理人員進(jìn)行操作分析。該管控系統(tǒng)可實(shí)現(xiàn)施工信息的實(shí)時(shí)監(jiān)測(cè)與修正，并將其以圖形化的方式進(jìn)行呈現(xiàn)，大幅提高了橋梁建造過(guò)程中的溝通效率。

圖6 可視化管控系統(tǒng)

圖7 可視化管控系統(tǒng)(手機(jī)端APP)

圖8 線形數(shù)據(jù)的可視化

在本文開(kāi)發(fā)的可視化管控系統(tǒng)的基礎(chǔ)上，進(jìn)一步建立了橋梁預(yù)警指標(biāo)體系(表1)，并將其與提出的MEC-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行結(jié)合，實(shí)現(xiàn)波形鋼腹板連續(xù)剛構(gòu)橋懸臂拼裝施工過(guò)程的智能施工控制。

表1 橋梁預(yù)警指標(biāo)體系

3 工程應(yīng)用

3.1 工程概況

梁渠溝大橋是一座波形鋼腹板連續(xù)剛構(gòu)橋，其主橋全長(zhǎng)430 m(75 m+2×140 m +75 m)，頂板寬12.65 m，底板寬6.65 m，梁高3.5～8.5 m；主橋橋墩采用空心薄壁墩。主梁頂、底板采用C60混凝土，腹板采用Q345qDNH耐候鋼。主橋結(jié)構(gòu)參數(shù)如圖9(a)所示，其中DX表示單向活動(dòng)支座。腹板剪切變形對(duì)波形鋼腹板連續(xù)剛構(gòu)橋的線形影響較大，故采用可考慮剪切變形的ANSYS實(shí)體-殼單元模型進(jìn)行施工階段分析，具體建模參數(shù)如圖9(b)所示，其中t為腹板厚度。

圖9 梁渠溝大橋工程概況及有限元模型

主橋采用懸臂對(duì)稱施工，如圖10所示。各節(jié)段施工時(shí)先進(jìn)行波形鋼腹板的定位安裝，再進(jìn)行頂?shù)装寤炷恋臐仓?/p>

圖10 施工工序

3.2 基于MEC-BP神經(jīng)網(wǎng)絡(luò)的撓度預(yù)測(cè)模型

3.2.1 參數(shù)敏感性分析

為了降低MEC-BP模型的計(jì)算量并提高計(jì)算效率，本文通過(guò)靈敏度分析來(lái)確定不同參數(shù)對(duì)于結(jié)構(gòu)線形的重要性。在本研究中，初步選擇了對(duì)主梁撓度影響較大的8個(gè)參數(shù)進(jìn)行靈敏度分析，包括混凝土彈性模量Ec、鋼材彈性模量Es、混凝土重度γc、鋼材重度γs、張拉控制應(yīng)力σ、系統(tǒng)溫度T′、均布荷載P、節(jié)段與懸臂長(zhǎng)度之比d/L。除了確定性參數(shù)d/L之外，其他參數(shù)均會(huì)受到施工環(huán)境的較大影響，故視為隨機(jī)變量。根據(jù)規(guī)范[16]，本文將考慮表2中的所有隨機(jī)變量。

表2 隨機(jī)變量

本文采用正交試驗(yàn)分析的方法進(jìn)行參數(shù)敏感性分析，進(jìn)而確定影響主梁施工線形的參數(shù)敏感性。試驗(yàn)假設(shè)各隨機(jī)變量相互獨(dú)立，并采用極差值Rj作為靈敏度指標(biāo)來(lái)評(píng)價(jià)正交試驗(yàn)分析結(jié)果。

Rj=max{K1j,K2j,…,Kij}-min{K1j,K2j,…,Kij}

(3)

(4)

式中：Kij為參數(shù)j在i水平下的平均值；N為參數(shù)j在i水平下的測(cè)試數(shù)量；Yk為第k個(gè)響應(yīng)值。

極差值Rj的計(jì)算結(jié)果如圖11所示。從圖11可以看出：σ、γc、Ec、Es、γs對(duì)主梁線形的影響較大，是重要參數(shù)；相比之下，T和P對(duì)主梁線形的影響無(wú)關(guān)緊要，可以忽略不計(jì)。因此，MEC-BP撓度預(yù)測(cè)模型的輸入?yún)?shù)確定為σ、γc、Ec、Es、γs，輸出參數(shù)確定為現(xiàn)澆段的撓度值DZ。

圖11 敏感性分析結(jié)果

3.2.2 代理模型評(píng)價(jià)

經(jīng)過(guò)試算得出，當(dāng)MEC種群大小M=400時(shí)，優(yōu)勝子種群個(gè)數(shù)與臨時(shí)子種群個(gè)數(shù)均為5，子種群大小為40。

為有效評(píng)價(jià)代理模型的預(yù)測(cè)精度，本文采用樣本的相對(duì)誤差Err[式(5)]進(jìn)行擬合精度評(píng)估。

(5)

式中：ti和Oi分別為樣本i的有限元分析值和代理模型預(yù)測(cè)值。

波形鋼腹板連續(xù)剛構(gòu)橋在施工初期，由于結(jié)構(gòu)剛度較大，參數(shù)變化對(duì)主梁線形的影響并不明顯，故本文從4號(hào)塊開(kāi)始積累訓(xùn)練樣本，從6號(hào)塊開(kāi)始預(yù)測(cè)主梁線形。本文通過(guò)拉丁超立方抽樣及有限元分析獲得300個(gè)訓(xùn)練樣本和50個(gè)測(cè)試樣本，測(cè)試結(jié)果如圖12所示。

圖12 測(cè)試結(jié)果

從圖12可以看出，MEC-BP模型的預(yù)測(cè)值與有限元模擬值之間的相對(duì)誤差均小于5%，遠(yuǎn)小于BP模型的測(cè)試誤差，充分體現(xiàn)了MEC-BP撓度預(yù)測(cè)模型的預(yù)測(cè)精度，可以較好地用于波形鋼腹板連續(xù)剛構(gòu)橋懸臂拼裝施工的實(shí)時(shí)控制系統(tǒng)。

3.2.3 預(yù)測(cè)結(jié)果對(duì)比

訓(xùn)練好的MEC-BP預(yù)測(cè)模型被用于梁渠溝大橋的主梁撓度預(yù)測(cè)，預(yù)測(cè)結(jié)果與現(xiàn)場(chǎng)實(shí)測(cè)值對(duì)比如圖13～15所示。

圖13 4號(hào)墩懸臂梁撓度變化

圖14 5號(hào)墩懸臂梁撓度變化

圖15 6號(hào)墩懸臂梁撓度變化

可以看出，有限元計(jì)算的主梁撓度值與MEC-BP模型的預(yù)測(cè)值基本一致，現(xiàn)場(chǎng)測(cè)試值與預(yù)測(cè)值之間的最大絕對(duì)誤差為1.8 mm，最大相對(duì)誤差為6.66%，盡管相對(duì)誤差超過(guò)了工程領(lǐng)域的通用標(biāo)準(zhǔn)(5%)，但兩種值之間的差異仍然滿足規(guī)范[17]的要求。與此同時(shí)，考慮到橋梁施工的復(fù)雜環(huán)境和神經(jīng)網(wǎng)絡(luò)的效率，這種精度水平可被視為可接受的撓度控制范圍。

3.3 預(yù)警結(jié)果

預(yù)測(cè)結(jié)果對(duì)比如圖16所示?？梢钥闯?，通過(guò)基于MEC-BP神經(jīng)網(wǎng)絡(luò)的撓度預(yù)測(cè)模型取得了良好的應(yīng)用效果，撓度預(yù)測(cè)差值與實(shí)測(cè)差值擬合較好，符合誤差變化規(guī)律，預(yù)測(cè)結(jié)果可以指導(dǎo)施工。

圖16 預(yù)測(cè)結(jié)果對(duì)比

施工控制模塊可實(shí)現(xiàn)波形鋼腹板連續(xù)剛構(gòu)橋施工過(guò)程的分級(jí)預(yù)警，表3給出了智能施工控制的監(jiān)測(cè)結(jié)果。從監(jiān)測(cè)結(jié)果可以看出，施工過(guò)程中只有3個(gè)傳感器測(cè)點(diǎn)出現(xiàn)了黃色預(yù)警，其余傳感器均為正常工作狀態(tài)。現(xiàn)場(chǎng)施工人員對(duì)出現(xiàn)黃色預(yù)警的指標(biāo)進(jìn)行了妥善處理，并最終取得了梁渠溝大橋懸臂拼裝施工過(guò)程的圓滿成功。

表3 智能施工控制監(jiān)測(cè)結(jié)果

4 結(jié) 語(yǔ)

(1)敏感性分析結(jié)果表明：σ、γc、Ec、Es、γs對(duì)主梁線形的影響較大，是重要參數(shù)；相比之下，T和P主梁線形的影響較小，可以忽略不計(jì)。

(2)通過(guò)MEC-BP預(yù)測(cè)模型、BP預(yù)測(cè)模型和有限元模型的對(duì)比分析可知：MEC-BP預(yù)測(cè)模型的預(yù)測(cè)精度和效率均優(yōu)于BP預(yù)測(cè)模型，MEC-BP預(yù)測(cè)模型可以很好地實(shí)現(xiàn)波形鋼腹板連續(xù)剛構(gòu)橋懸臂拼裝施工過(guò)程結(jié)構(gòu)響應(yīng)的快速分析與預(yù)測(cè)。

(3)智能化施工控制結(jié)果表明：通過(guò)分級(jí)預(yù)警可實(shí)現(xiàn)波形鋼腹板連續(xù)剛構(gòu)橋懸臂拼裝施工過(guò)程的智能化施工控制，助力梁渠溝大橋懸臂拼裝施工過(guò)程的圓滿成功。