梁桥抗倾覆稳定性评估:基于机器学习的关键参数识别与承载能力预测

《Engineering Structures》:Anti-overturning stability assessment of girder bridges: Machine learning-based key parameter identification and load-carrying capacity prediction

【字体: 大 中 小 】 时间:2026年08月28日 来源:Engineering Structures 7.6

编辑推荐:

   摘要 梁桥倾覆事故已造成严重的人员伤亡和巨大的经济损失。然而,导致此类失效的关键因素仍未得到充分认识,高效且精确的抗倾覆安全评价工具也尚待开发。这些局限阻碍了针对性加固策略的制定和风险知导管理的有效实施。为填补这一空白,本研究充分结合高保真动力有限元分析与基于机器学习的代理

  

摘要

梁桥倾覆事故已造成严重的人员伤亡和巨大的经济损失。然而,导致此类失效的关键因素仍未得到充分认识,高效且精确的抗倾覆安全评价工具也尚待开发。这些局限阻碍了针对性加固策略的制定和风险知导管理的有效实施。为填补这一空白,本研究充分结合高保真动力有限元分析与基于机器学习的代理模型的互补优势,以实现关键参数的有效识别和承载力的准确预测。具体而言,通过对事故案例和易倾覆桥梁的系统调研,确定了典型结构构型和代表性设计参数。这些参数随后被用作参数化有限元建模框架中的输入变量,该框架集成了ANSYS-APDL和LS-DYNA,以捕捉梁桥在倾覆过程中复杂的非线性行为。通过全面的参数分析生成训练数据集,随后用于训练多个分类模型以进行排列重要性和SHAP分析。定量评估揭示了控制梁桥抗倾覆稳定性的关键参数,包括中心角、桥跨、跨数、桥面宽度和支距。此外,为实现工程实践中抗倾覆能力的快速评价,采用基于回归的机器学习技术分别对支座脱空阶段和结构失稳阶段进行建模。进一步调查了四个真实世界事故案例以评估所开发模型的性能。基于机器学习的预测结果与基于动力有限元分析的承载力估计值吻合良好,而事故中报告的车辆荷载在合理范围内超过了预测的结构失稳承载力。结果进一步验证了所提出的预测模型的有效性和适用性。

引言

梁桥因其成熟的结构设计标准、良好的经济性能和施工效率,被广泛应用于中小跨径工程。其中,独柱墩构型可最大限度地减少土地使用,对复杂交通布局具有更强的适应性,因此在城市高架桥和高速公路上匝道中被广泛采用。然而,由于梁端支距较窄,此类桥梁在抵抗偏心荷载下的横向-扭转变形方面存在固有局限。因此,重载偏心车辆荷载引发的倾覆失效已成为一项重大安全隐患,尤其在货运密集区域。在过去二十年间,发生了多起梁桥倾覆事故。2019年发生的无锡高架桥事故由两辆超载卡车(总重超过350吨)引发,造成了人员伤亡和财产损失[1]。2015年,粤赣高速上的一座弯道独柱墩匝道桥发生倾覆[2],造成1人死亡、4人受伤。2019年,上海内环高架桥的一座高架桥因重载偏心车辆荷载导致支座脱空,造成严重交通堵塞。上述倾覆失效事故引发了社会的广泛关注。

在当前工程实践中,梁桥抗倾覆能力的评价主要依赖于简化解析方法[3]、[4]、[5]和静力有限元方法[6]、[7]。这些传统方法便于实施且计算效率高;然而,它们存在局限性,如不足以捕捉倾覆过程中的动力和非线性行为。这些方法往往忽略了关键因素,如梁与支座之间的非线性相互作用、对梁挠度的耦合扭转-滑移效应以及橡胶支座的超弹性力学行为。因此,可能会产生相当大的计算误差,正如一些先前研究所指出的[8]、[9]。为解决上述问题,一些现有工作尝试采用高保真动力有限元方法(DFEM)更准确地捕捉梁桥的非线性性能和倾覆过程。例如,Wang和Ji [10]、[11]分别使用LS-DYNA和Abaqus软件研究了超载车辆作用下梁桥的倾覆过程和失效机理,并通过案例研究揭示了从支座脱空到梁体倾覆的失效路径。Shi等[2]使用DFEM模拟了粤赣高速匝道桥的倾覆过程,并建议桥梁失效过程可分为三个阶段:小转角阶段、大转角阶段和最终失效阶段。在先前的初步研究中,作者[8]已开发了一套基于DFEM的综合承载力评估框架,其中对叠层橡胶支座和挡块模拟的程序进行了战略性开发和研究。

此外,研究人员和工程师也在推进对倾覆事故失效机理的理解。Huang [12]利用静力有限元分析提出,抗倾覆稳定性随跨数增加而提高。Peng等[13]强调在倾覆分析中应考虑支座尺寸效应,并发现梁桥的抗倾覆能力随支座尺寸和支距的增加呈上升趋势。Xiong和Jiang等[8]、[14]发现在考虑支座尺寸效应的情况下,梁桥的抗倾覆能力随曲线半径的增加先降低后升高。相比之下,Pan [15]报告了抗倾覆能力随半径增加而持续下降的结论。Deng等[16]评估了桥面宽度对梁桥抗倾覆性能的影响,报告了倾覆风险随桥梁宽度增加而升高的结论。相比之下,Huang [12]认为更大的桥面宽度可以增强梁桥的抗倾覆性能。综上所述,现有研究表明,梁桥的抗倾覆能力不仅受截面构型(如梁跨高比、桥面宽度和腹板厚度)的影响,还受整体桥梁布局参数(如跨径比、曲线半径、桥跨和支距)以及详细支座特性(如支座摩擦系数)的影响。虽然许多研究考察了设计参数对抗倾覆能力的影响,但报告了不一致甚至相互矛盾的结论,这主要归因于建模假设的差异和数值模拟保真度的不同(如Huang [12];Deng等[16])。

因此,仍迫切需要开展研究以进行更准确、全面的识别影响梁桥抗倾覆能力的关键参数,从而更好地支持后续的设计和加固。满足这一需求需要将高保真动力有限元分析与对所有相关参数的整体考虑相结合,包括截面属性、整体布局构型和支座特性。然而,一个主要制约因素在于,此类高保真动力分析极其耗时,因此详细的参数研究将不可避免地导致不可接受的计算负担。

为缓解这一问题,利用近年来机器学习的优势,各种机器学习模型已被成功用作代理模型以替代高保真数值模拟,从而在效率和精度之间取得更好的平衡,特别是在需要重复评估的任务中。例如,为解决DFEM的高计算成本,Huang [17]开发了一个由数值模拟驱动的神经网络代理模型来表示渡槽结构的地震响应。对比分析表明,该代理模型所需的计算时间仅为DFEM的1%,动态预测误差小于3%。Zhu [18]采用支持向量机(SVM)算法,通过有限元动力分析获得的风险等级数据集进行训练,实现了飞机着陆风险的快速评估。从飞机模型着陆信息输入到风险等级输出的整个过程仅需80毫秒,预测准确率为0.99。在将机器学习技术应用于关键参数识别方面,Koh等[19]专注于识别影响钢框架稳定性的关键参数,并应用了带排列重要性分析和SHapley加性解释(SHAP)分析的决策树模型。Mangalathu等[20]采用随机森林分类器通过分析袋外误差的变化来量化每个输入参数的相对重要性。Huang等[21]通过分析随机森林和自适应提升(AdaBoost)模型生成的参数重要性评分,量化了输入参数对钢筋混凝土框架失效模式识别的贡献。此外,机器学习技术还被用于预测钢筋混凝土柱的耐火性能[22]和钢纤维增强混凝土梁的抗剪强度[23]。然而,据作者所知,机器学习代理模型在梁桥倾覆问题中的应用尚未在文献中报道。

为填补上述空白,本研究采用高保真DFEM模拟生成捕捉梁桥非线性倾覆响应的数据,并利用机器学习技术进行关键参数识别和基于代理模型的抗倾覆性能预测。主要贡献有三方面。第一,基于典型梁桥倾覆事故的失效特征,总结了易倾覆梁桥的结构构型、荷载条件和代表性参数范围,并相应建立了梁桥倾覆分析参数化DFEM数据库。第二,通过机器学习辅助的参数重要性分析定量识别了控制梁桥抗倾覆稳定性的关键参数,为后续承载力预测模型中的参数选择提供了合理依据。第三,开发了基于机器学习的回归模型,以快速估算不同梁桥构型在不利的倾覆荷载条件下由DFEM得出的承载力,从而为所研究参数范围内的抗倾覆性能初步筛选和工程评价提供了高效工具。

节段概要

总体框架

如上所述,本研究的主要目标是识别影响梁桥倾覆的关键参数,并进一步开发一种预测工具,使其能够在平衡预测精度和工程适用性的前提下,快速估算梁桥的抗倾覆能力。为提供清晰的展示,本节开头介绍了总体框架。如图1所示,本文提出的框架可大致分为四个阶段。

阶段一:问题定义与DFEM模拟

本节介绍了问题定义和DFEM模拟的参数化建模策略,为后续的机器学习模型训练和分析提供了基础。

机器学习辅助的参数重要性分析

准确识别控制梁桥抗倾覆稳定性的关键参数是理解桥梁行为的基础,也是开发可靠的抗倾覆能力预测模型的前提。因此,本节利用机器学习辅助的代理模型,并采用排列重要性和SHAP分析来定量评估每个参数对抗倾覆稳定性的贡献。

讨论

根据研究结果,排列重要性和SHAP分析结果显示出相似的结论。车辆重量、中心角、桥跨、桥面宽度、跨数和支距对抗倾覆稳定性有显著影响。排列重要性和SHAP分析的联合应用提供了一种有效的方法来识别主导参数并解释它们对梁桥倾覆稳定性的物理效应。

承载力预测

第4节的参数重要性分析识别了控制梁桥抗倾覆稳定性的关键设计参数,从而为本节开发的承载力预测模型的输入变量选择提供了合理依据。该参数选择的目的并非假设被排除的参数对承载力没有影响,而是识别主要参数并降低维度。

结论

本文的研究结果总结如下:

(1) 建立了结合ANSYS-APDL和LS-DYNA的参数化有限元框架,以捕捉梁桥的非线性倾覆行为,包括扭转和滑移响应。进一步开发了失效识别程序和基于二分法的承载力评估方法来评价抗倾覆性能。

(2) 基于参数重要性分析,包括排列重要性和SHAP分析,

CRediT作者贡献声明

蒋祖倩:撰写 – 初稿,可视化,验证,软件,方法论,概念化。宋朝林:撰写 – 审阅与编辑,撰写 – 初稿,方法论,调查,概念化。王家吉:撰写 – 审阅与编辑,指导,调查。郭宇涛:撰写 – 审阅与编辑,可视化,调查。孙斌:撰写 – 审阅与编辑,指导,调查。

肖汝成:写作 – 审阅与编辑、指导、方法,
利益冲突声明
作者声明不存在任何已知可能影响本文报告工作的竞争性财务利益或个人关系。
致谢
作者感谢中国国家自然科学基金(编号:52378185 和 52308196)提供的资金支持。本文观点和陈述不一定代表资助方的观点。
蒋祖谦|宋朝林|王家骥|郭玉涛|孙斌|肖汝成
同济大学桥梁工程系,中国上海 200092
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号