首页 理论教育桥梁可靠度分析方法及应用

桥梁可靠度分析方法及应用

【摘要】:Rocco等[4]提出了联合SVM和MCS求解结构可靠度的方法。SVM在结构体系可靠度分析中的应用较少。为了发展工程结构体系可靠度理论与方法在桥梁安全评估中的应用,本章将建立桥梁结构体系可靠度分析的简化模型,总结现有结构体系可靠度分析方法,提出基于支持向量机的桥梁结构可靠度分析方法,最后采用两个算例分析表明支持向量机在桥梁结构体系可靠度评估中的应用。

近年来,结构可靠度理论与方法在工程结构安全评估中的应用得到了较快的发展。然而,复杂结构体系可靠度的研究与应用相对较为缺乏,主要原因如下:首先,实际工程结构一般为超静定结构,结构体系失效由多个构件通过串并联关系组合而成,其失效路径繁杂且难以寻找;其次,复杂结构体系的功能函数为高次非线性隐式功能函数,多种失效模式之间存在一定的相关性,这使得体系可靠指标求解较为困难。针对结构存在繁杂的失效路径问题,通常采用Thoft-Christensen等[1]提出的分枝-约界(branch and bound,B & B)识别潜在失效构件并形成失效树。为了克服B & B方法的低搜索效率和低精确度问题,Lee等[2]提出了改进的分枝-约界方法。针对结构体系失效概率计算问题,传统的一次二阶矩法(FOSM)和Monte Carlo抽样方法(MCS)无法直接应用于构件的可靠度分析。人工神经网络(ANN)和响应面法(RSM)等[3]方法通过拟合结构响应函数的方式将隐式功能函数显式化,然后采用传统的FOSM或MCS方法求解失效概率,得到了广泛的研究和应用。由于ANN是基于经验误差最小化原则,在拟合功能函数时有过拟合和局部收敛等问题,以结构风险最小化为原则的支持向量机(SVM)方法克服了上述缺点。Rocco等[4]提出了联合SVM和MCS求解结构可靠度的方法。Hurtado等[5]将SVM与随机有限元结合分析复杂结构可靠度。Chen[6]对比了SVM与ANN方法在可靠度分析中的效率和精度问题。金伟良等[7]将传统的SVM改进并提出了最小二乘-支持向量回归(Least Squares-Support Vector Regression,LS-SVR)方法。SVM在结构体系可靠度分析中的应用较少。

为了发展工程结构体系可靠度理论与方法在桥梁安全评估中的应用,本章将建立桥梁结构体系可靠度分析的简化模型,总结现有结构体系可靠度分析方法,提出基于支持向量机的桥梁结构可靠度分析方法,最后采用两个算例分析表明支持向量机在桥梁结构体系可靠度评估中的应用。