混凝土箱梁截面稳态温度场的径向基函数配点法反演

为了解决混凝土箱梁温度效应分析过程中,对箱梁温度场进行仿真时,边界条件难以确定的问题,采用一种基于节点建模的无网格法数值计算理论,并基于无网格法理论的配点法,建立混凝土箱梁径向基函数配点法模型,对混凝土箱梁截面的稳态温度场反分析进行研究.研究结果表明,径向基函数配点法不仅能有效对混凝土箱梁温度场进行数值分析,而且能对缺失边界条件的混凝土箱梁温度场进行直接计算,无网格计算结果和有限元法结果吻合度较高.

混凝土水化过程中箱梁温度场及其效应的测试与分析

为了确定福建东南沿海山区高墩大跨桥梁的箱梁温度场,对后亭溪大桥PC箱梁水化热阶段和日照温度分布及其应变进行了连续观测,研究了混凝土浇筑前后箱梁温度场及其效应的时变规律。结果表明:箱梁腹板中部混凝土的最高温度和最大温差明显高于顶板和底板内的混凝土,但单箱双室的中腹板的最高温度和最大温差明显小于两侧腹板;混凝土浇筑后温升较快,顶板、底板和腹板混凝土分别在浇筑后约16~17 h和22~26 h达到最高温度,浇筑混凝土后约120 h,顶板温度已经逐渐下降至外界大气温度附近,而底板和腹板则需要更长时间;由于混凝土凝结硬化过程中水化热和收缩的影响产生的温度效应,混凝土浇筑后大约20~24 h混凝土拉应变达到最大,最大拉应变达到100με,虽然从尺度上有别于大体积混凝土,但考虑混凝土受拉性能较差,应考虑其产生温度裂缝的可能性,应注意采取措施控制温差。

基于LSTM模型的高原桥梁温度场预测研究

基于LSTM(long short-term memory,长短期记忆)神经网络深度学习模型,通过自适应矩估计算法建立桥位处的环境温度、地表太阳辐射量(包括直接辐射和散射辐射)、平均风速和风向等环境参数与箱梁温度场之间的映射关系,并通过贝叶斯算法优化LSTM模型中的超参数,使均方差降至最低,从而获得箱梁温度场预测模型。预测值与实测值的对比分析表明,建立的LSTM神经网络深度学习模型能够根据环境参数准确预测高原环境下连续刚构桥箱梁的温度场,且模型具有较强的泛化能力。