基于并行主动学习代理建模的可靠性分析:极端车辆荷载下梁桥倾覆的应用
《Engineering Structures》:Reliability analysis with parallel active-learning surrogate modeling: Application to girder bridge overturning under extreme vehicle loads
【字体:
大
中
小
】
时间:2026年09月24日
来源:Engineering Structures 7.6
编辑推荐:
本文建立了动态有限元分析框架,以模拟不确定性条件下梁桥的倾覆过程;开发了基于代理模型的方法,利用并行主动学习高效地分析抗倾覆可靠性;通过数值算例和工程案例验证了所提方法的有效性;识别了影响倾覆风险的关键因素,并提供了防止倾覆失效的实用建议。
**引言**
由单柱墩或间距较
本文建立了动态有限元分析框架,以模拟不确定性条件下梁桥的倾覆过程;开发了基于代理模型的方法,利用并行主动学习高效地分析抗倾覆可靠性;通过数值算例和工程案例验证了所提方法的有效性;识别了影响倾覆风险的关键因素,并提供了防止倾覆失效的实用建议。
**引言**
由单柱墩或间距较近的双柱墩支撑的连续箱梁桥,因其空间利用率高、施工便捷和经济性能好等优势,在高速公路和高架桥中被广泛采用。然而,由于梁桥在抵抗偏心重载下的扭转变形方面存在固有局限,其在偏心重载作用下的横向稳定性仍是一个关键问题。近年来,频发的偏心重载车辆对这类桥梁的安全性构成了严峻挑战。例如,2010年印度喜马偕尔邦西姆拉区Basantpur–Kingal国防公路上一座曲线桥发生倾覆[1];2011年浙江省上虞春辉互通立交匝道桥发生倾覆[2];2013年加尔各答Ultadanga高架桥因超载卡车导致部分路段坍塌[3];2015年广东省粤赣高速互通匝道桥倾覆坍塌[4],造成一人死亡、四人受伤。
上述倾覆事故受到了广泛关注,引发了一系列旨在阐明其失效机理的研究。初步调查表明,倾覆主要归因于桥梁布置所导致的抗扭能力有限以及车辆超载效应[5]。对于单柱墩支撑的连续梁桥,中跨通常由单个支座支撑的桥墩支撑。这种配置大大削弱了主梁在中墩处的横向抗扭能力,从而将大部分扭矩需求转移至梁端的抗扭支座。如果这些支座无法承受施加的扭矩,梁体可能发生整体滑移和扭转变形[6]。因此,横向抗扭刚度的不足使得此类桥梁比其他桥梁布置方式更容易发生倾覆[2,4]。另一方面,车辆超载是导致结构失效更直接的原因。已有文献[7]指出,由车辆超载引起的桥梁倾覆失效占所有超载相关桥梁失效事故的45.5%。在某些情况下,超载车辆的重量超过桥梁最大设计荷载的2.5倍。例如,2009年7月天津金津高速公路匝道桥的坍塌归因于四辆总重483吨的重型卡车偏载行驶,超过最大设计荷载的3.3倍[8]。类似地,2019年7月无锡西港路过街天桥在总重322吨的两辆超载卡车偏心荷载作用下坍塌,约为最大设计荷载的2.8倍[9]。综上所述,单柱墩支撑梁桥的固有结构特征与超载等外部风险因素共同导致了这些灾难性的桥梁坍塌。
面对上述风险因素,应注意在实际工程案例中,由结构行为变异(如材料性能、支座特性)、环境条件和外部荷载等引起的认知不确定性(epistemic uncertainty)和随机不确定性(aleatoric uncertainty)大量存在,并直接影响桥梁的承载能力和失效模式[[10],[11],[12]]。设X表示工程系统的不确定参数,g表示结构极限状态函数。可靠性分析旨在计算失效概率Pg(X≤0),已成为定量衡量相关工程风险水平的关键指标[13,14]。可靠性指标为工程实践中的结构设计和决策提供了重要依据。通过量化实际工程场景中梁桥的倾覆风险,可以做出明智决策,例如相关方是否应对车辆类型进行限制或实施桥梁加固措施,从而支持桥梁基础设施的有效运营和维护[[15],[16],[17]]。
从另一个角度来看,以往研究还表明,传统简化分析方法无法准确评估极端车辆荷载下连续梁桥的抗倾覆能力,因为它们依赖于对结构动力响应的过度简化假设。例如,设计规范中的分析方法[18]通常假设支撑体系在外部荷载作用下保持不变。而在实际工程场景中,桥梁倾覆涉及支座变形和梁体滑移与扭转耦合效应的复杂动力行为。为克服这些局限性,动态有限元分析(DFEA)提供了一种有效途径[19]。DFEA可以显式模拟倾覆的整个演化过程,捕捉惯性效应、支座脱空以及滑移与扭转变形之间的非线性相互作用[20]。然而,尽管具有高保真精度,使用DFEA表征梁桥的抗倾覆能力耗时极长——每次评估可能需要数小时。此外,在DFEA框架内,难以用连续的系统响应来表示整个结构的抗倾覆能力。相反,这类评估通常产生离散结果:要么结构在给定的外部荷载下具有足够的抗倾覆能力,要么发生倾覆坍塌。这些结论通常基于对多个关键响应的综合评估,包括梁体挠度、支座转角、能量演化以及其他关键指标。因此,采用蒙特卡罗模拟(MCS)或重要性抽样(IS)等传统基于采样的可靠性分析方法将带来不可接受的计算负担[[21],[22],[23]]。同时,由于极限状态函数本质上是离散的,一阶可靠性方法(FORM)等近似方法也不适用[24]。
为应对日益增长的计算负担带来的挑战,近年来基于元模型或代理模型的可靠性分析受到了广泛关注。这些方法旨在通过有限的性能函数评估次数构建数据集,然后建立计算效率高的代理模型以显著降低可靠性分析的计算负担。为实现计算资源更有效分配,主动学习或自适应训练策略在该领域得到了广泛应用。Bichon等人[25]提出了一种称为EGRA的高效全局可靠性分析方法,这是最早将主动学习融入可靠性分析的方法之一。该方法引入期望可行函数(EFF)来评估Kriging代理模型对极限状态面的逼近程度。随后,Echard等人[22]开发了知名的自适应Kriging–蒙特卡罗模拟框架,即AK-MCS,提出了U学习函数来估计误分类风险并指导最有信息量的样本选择。该领域的后续发展包括各种学习函数的开发[26,27]、停止准则的改进[28]、多保真度数据的引入[29,30]以及向设计优化的扩展[31,32]等。此外,为最小化挂钟时间,一些研究探索了基于Kriging模型的并行主动学习策略,旨在充分利用可用计算资源。例如,Lelièvre等人[33]开发了一种基于主动学习Kriging的多点富集技术,称为AK-MCSi。采用序列蒙特卡罗模拟,并在加权K-means中引入U学习函数以实现多样本选择。Razaaly等人[34]提出了一种用于罕见事件估计的增强型Kriging可靠性分析方法,称为极端AK-MCS,同样采用加权k-means聚类来支持并行计算。Zhan等人[35]提出了一种考虑基于重要性抽样的样本间相关性的新学习函数,并进一步引入k-means聚类以增强并行训练。
除上述进展外,应注意以Kriging为代表的元模型通常需要连续函数响应。因此,为更好地解决离散结构响应问题(如从DFEM获得的结果),一些研究人员有针对性地开发了基于分类导向机器学习(ML)技术的代理建模方法[[36],[37],[38]]。例如,Ataei和Padgett[39]提出构建代理模型来预测结构的失效或安全状态,即用分类输出替换极限状态函数,并评估了逻辑回归、支持向量机(SVM)和随机森林的性能。Kiani等人[40]进一步研究了十种基于分类的代理模型来预测地震灾害下的结构失效或存活。在以往的工作中,作者开发了一种基于概率支持向量机的方法(PSVM-RA)[36],其特点是使用主动学习自适应选择极限状态函数附近的训练样本,并采用基于误差的停止准则以更好地平衡效率和精度。这些方法为桥梁倾覆坍塌等工程问题的可靠性评估奠定了坚实的方法论基础。然而,现有方法仍存在一定局限性,具有进一步增强的潜力。虽然传统方法引入了主动学习策略,但大多数采用顺序选择新训练点。对于计算量极大的问题,跨多台计算机的并行计算对于充分利用可用计算资源至关重要。在此类场景中,现有方法(如PSVM-RA [36])所使用的顺序主动学习策略变得不足且不可用。尽管一些研究人员开发了相关策略[35,41,42],但这些方法通常依赖于不确定性预测(如高斯过程提供的预测)来指导并行抽样。然而,此类策略在直接应用于离散分类问题时可能面临挑战。据作者所知,并行主动学习代理模型在基于DFEA的桥梁倾覆坍塌分析中的应用仍然缺乏。
因此,为弥补上述空白,本研究旨在将现有方法进一步扩展推进为并行主动学习框架,称为Par-PSVM-RA,并将其与参数化DFEA深度集成,用于桥梁抗倾覆可靠性分析。主要贡献总结如下:
• 首先,识别并讨论了并行主动学习中的若干关键因素。在SVM训练样本选择的背景下,系统比较了k-means和k-medoids聚类的性能。基于这些见解,采用先过滤后聚类的策略进行SVM模型的并行主动学习。还提供了关于并行训练设置的实用建议,以在总计算成本和挂钟时间之间取得平衡。
• 其次,为解决实际桥梁工程可靠性分析中的计算挑战,本文仔细讨论了相关不确定参数,然后详细阐述了使用参数化DFEA模拟梁桥倾覆行为的建模过程。建立了一套简化的工作流,用于实际可靠性评估,将Par-PSVM-RA集成在参数化DFEA框架中。
• 最后,基于上述开发成果,通过两个数值算例验证了所提方法的有效性。为为背景桥梁的工程管理提供实用见解,选取一起真实事故作为案例研究,分别计算五轴车和六轴车通行时的可靠性指标,以支持决策制定。结果表明,该方法通过充分利用可用计算资源,为复杂工程问题提供了一种实用且高效的解决方案。
本文的组织结构如下:第2节详细介绍了考虑不确定参数的桥梁倾覆动态有限元分析模拟过程;第3节提出了并行主动学习策略并总结了所开发的方法论;第4节通过两个数值算例验证了所提方法的性能;第5节将所提方法应用于实际梁桥;最后,第6节给出结论。
---
**桥梁建模过程**
为确保可靠性分析的合理性,准确模拟桥梁结构在真实环境中的行为是基础。在这方面,动态有限元分析(DFEA)提供了一种精确的模拟框架来分析结构动力行为。具体而言,本研究采用了一种高保真DFEA框架,集成了ANSYS-APDL和LS-DYNA软件。为全面考虑真实世界条件,设置了三类不确定变量……
**所提出的并行主动学习代理方法**
在上一节详述的DFEA基础上,本节概述了现有的自适应SVM可靠性分析方法,从而进一步突出本文在方法论方面的动机。随后,给出了并行主动学习的基本流程图。在本节末尾,提出了所提方法论实施的分步流程。
**数值算例**
为验证所提方法的性能,本节研究了两个数值算例。
该方法实施的流程图仍遵循图11,系统性能通过数学函数进行评估,而非采用DFEA。本节中的所有数值实验均基于配备AMD Ryzen 5900HX处理器和32 GB内存的计算机完成。
工程应用
在通过数值算例验证所提方法性能后,选取一个实际桥梁案例作为案例研究,以评估其倾覆风险。基于研究结果,提出了所提方法在工程应用及桥梁管理方面的实用建议。
结论
本研究的动机在于满足涉及离散性能输出和计算代价高昂的DFEA仿真的工程问题在高效可靠性评估方面的实际需求。针对这一不足,本文开发了一种基于并行主动学习代理模型的方法,并将其应用于梁桥的抗倾覆可靠性评估。主要结论如下:
1. 现有的基于PSVM的可靠性分析尚未充分解决并行学习问题。
CRediT作者贡献声明
Chaolin Song:撰写初稿、可视化、方法论、形式化分析、概念构思。Zuqian Jiang:撰写审阅与编辑、验证、方法论、调查研究。Jiaji Wang:撰写审阅与编辑、指导、方法论、调查研究。Chi Zhang:撰写审阅与编辑、可视化、调查研究。Rucheng Xiao:撰写审阅与编辑、指导、概念构思。
利益冲突声明
作者声明,不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。
致谢
本研究部分由国家自然科学基金(52378185、52308196、52408221)和香港研究资助局早期职业学者计划(编号27201226)资助。
Chaolin Song | Zuqian Jiang | Jiaji Wang | Chi Zhang | Rucheng Xiao
生物通微信公众号
生物通新浪微博
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