【摘要】：U型梁是城市軌道交通中最為新穎的一種高架橋橋型,在國內(nèi)外都得到了越來越多的應(yīng)用。U型梁是由底板、腹板及橫梁等部分組成的一種新型的預應(yīng)力混凝土橋梁,屬于下承式預應(yīng)力混凝土橋梁,它具有節(jié)省投資、外形美觀、軌面標高低、施工周期短等特點。U型梁的橫截面比較特殊,腹板和底板比較薄,并且截面整體向上開口,導致抗扭剛度與傳統(tǒng)梁截面相比較差,傳統(tǒng)的U型梁由于受力比較冗雜,制作步驟較多,并且施工過程繁雜等一系列問題,對U型梁更大范圍內(nèi)的使用造成了一定的限制。而且,現(xiàn)階段U型梁在我國軌道交通中正處于起步階段,對于U型梁的研究并不多,國內(nèi)外對于U型梁的截面優(yōu)化的研究少之又少。為了使U型梁更加經(jīng)濟適用,使U型梁能夠在城市軌道交通中得到更好的應(yīng)用,就要分析U型梁的受力特性,對于U型梁的截面優(yōu)化設(shè)計就顯得尤為重要。設(shè)計橋梁的最根本要求就是要保證橋梁安全、適用和經(jīng)濟。優(yōu)化設(shè)計能夠使材料的性能得到最合理最充分地利用,使單元內(nèi)部各個單元最好的協(xié)調(diào),使各單元具有規(guī)范的安全度。同時,優(yōu)化設(shè)計為結(jié)構(gòu)整體性方案設(shè)計進行科學合理的決策,它是實現(xiàn)設(shè)計安全和經(jīng)濟的最終目標的有效途徑。遺傳算法是目前采用最廣泛的一種進行截面優(yōu)化的數(shù)學方法,它是建立在優(yōu)勝劣汰生物進化理論和生物遺傳學說基礎(chǔ)上的一種并行、高效的整體探求方式,具有適用范圍廣泛,優(yōu)化結(jié)果準確等很多優(yōu)點。本文以上海某軌道交通中的U型梁橋作為工程背景,采用有限元分析軟件MIDAS CIVIL和數(shù)學模型計算軟件MATLAB,先使用遺傳算法對U型梁截面進行優(yōu)化計算,再使用梁單元法建立模型對不同截面的U型梁的受力性能進行研究對比,得到符合規(guī)范并滿足受力條件的最優(yōu)化的截面。主要內(nèi)容包括:(1)通過分析U型梁的受力特點,來確定具有主要決定作用的截面參數(shù)。對于U型梁來說,決定結(jié)構(gòu)受力特性的變量有梁高、腹板厚度尺寸、底板厚度尺寸和預應(yīng)力配筋面積等,四種不同的截面參數(shù)決定了U型梁的截面形狀,也對結(jié)構(gòu)受力有不同的影響。(2)運用遺傳算法工具箱,從工程自身的實際問題出發(fā),得到數(shù)學模型,確定目標函數(shù)、設(shè)計變量和約束條件。本文中以預應(yīng)力U型梁的制造成本為目標函數(shù),以正截面強度要求、規(guī)范對結(jié)構(gòu)尺寸的限定以及滿足施工和使用階段的應(yīng)力等要求作為約束條件,分別以U型梁截面的梁高、腹板厚度、底板厚度和預應(yīng)力配筋面積為設(shè)計變量,應(yīng)用遺傳算法對得到的數(shù)學模型進行計算最終得到最佳的截面形式。(3)結(jié)合以上數(shù)據(jù),利用MIDAS CIVIL軟件就優(yōu)化前后的截面構(gòu)造形式分別用梁單元法建模,對不同參數(shù)下的截面進行受力特性的對比計算,通過對比得出最優(yōu)截面,分析驗算優(yōu)化后得到的截面形式。
[Abstract]:U beam is the most novel viaduct bridge type in urban rail transit. It has been applied more and more at home and abroad. U beam is a new type of prestressed concrete bridge composed of bottom slab, web plate and crossbeam. It has the characteristics of saving investment, beautiful appearance, high and low rail surface, short construction period and so on. The cross section of U-shaped beam is relatively special, the web plate and bottom plate are thin, and the section is open upward as a whole. As a result, the torsional stiffness is worse than that of the traditional beam section, and the traditional U-shaped beam has a series of problems, such as miscellaneous force, more fabrication steps, and complicated construction process, which has limited the use of the U-shaped beam in a wider range. Moreover, at present, the U-beam is in the initial stage in the rail transit of our country, the research of U-beam is not much, and the research of section optimization of U-beam at home and abroad is very few. In order to make the U-beam more economical and applicable and to make the U-beam be better applied in urban rail transit, it is necessary to analyze the mechanical characteristics of the U-beam, which is particularly important for the cross-section optimization design of U-beam. The most basic requirement of bridge design is to ensure bridge safety, applicability and economy. The optimum design can make the best use of the properties of the material, the best coordination of each unit within the unit, and the standard safety degree of each unit. At the same time, the optimal design is an effective way to realize the ultimate goal of design safety and economy by making scientific and reasonable decision for the structural integrity scheme design. Genetic algorithm (GA) is one of the most widely used mathematical methods for cross-section optimization. It is a parallel and efficient way of searching for the whole, which is based on the theory of evolution of survival of the fittest and the theory of biogenetics, and has a wide range of applications. The optimization results are accurate and so on. In this paper, taking the U-beam bridge in a Shanghai rail transit as the engineering background, the finite element analysis software MIDAS CIVIL and the mathematical model calculation software MATLAB are used to optimize the section of the U-shaped beam by genetic algorithm. Using the beam element method to establish a model to study and compare the behavior of U-shaped beams with different cross-sections, the optimized sections which accord with the specifications and satisfy the stress conditions are obtained. The main contents are as follows: (1) by analyzing the stress characteristics of the U-shaped beam, the parameters of the section are determined. For U-beam, the variables that determine the stress characteristics of the structure are beam height, web thickness, bottom plate thickness and prestressed reinforcement area. Four different cross-section parameters determine the cross-section shape of U-shaped beam. It also has different influence on the structure stress. (2) by using the genetic algorithm toolbox, the mathematical model, the objective function, the design variable and the constraint condition are obtained from the practical problems of the engineering itself. In this paper, the manufacturing cost of prestressed U-beam is taken as the objective function, the strength requirement of normal section is taken as the constraint condition, the restriction of structural size and the stress in construction and use stage are taken as the constraint conditions, and the beam height of the section of U-beam is taken as the constraint condition, respectively. The thickness of web plate, the thickness of bottom slab and the area of prestressed reinforcement are the design variables. The optimum section form is obtained by using genetic algorithm to calculate the mathematical model. (3) combining the above data, By using MIDAS CIVIL software, the cross-section before and after optimization is modeled by the beam element method, and the stress characteristics of the section under different parameters are compared and calculated. The optimum section is obtained by comparison, and the optimized section form is analyzed after checking and calculating.
【學位授予單位】：山東建筑大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：U442.5

【相似文獻】

相關(guān)期刊論文 前10條

1 張文修,梁怡;遺傳算法的數(shù)學基礎(chǔ)[J];西安交通大學學報;2000年10期

2 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設(shè)計[J];液壓氣動與密封;2001年02期

3 王毅,曹樹良;遺傳算法在并聯(lián)水泵系統(tǒng)運行優(yōu)化中的應(yīng)用[J];流體機械;2003年10期

4 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學學報(自然科學版);2004年05期

5 李凡,黃數(shù)林,張東風;一種改進的多倍體遺傳算法[J];華中科技大學學報(自然科學版);2005年01期

6 韋雪潔;黎明;劉高航;田貴超;;注入式的遺傳算法的分析與研究[J];南昌航空工業(yè)學院學報(自然科學版);2006年01期

7 閻綱;;遺傳算法及其仿真[J];湖南工程學院學報(自然科學版);2006年04期

8 ;遺傳算法[J];電網(wǎng)與清潔能源;2008年10期

9 吳玫;陸金桂;;遺傳算法的研究進展綜述[J];機床與液壓;2008年03期

10 李培植;肖利明;于靜濤;;基于遺傳算法的結(jié)構(gòu)優(yōu)化方法[J];公路交通科技(應(yīng)用技術(shù)版);2008年08期

相關(guān)會議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進的遺傳算法在反演問題中的應(yīng)用[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設(shè)計算機應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學術(shù)研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計[A];全國第二屆信號處理與應(yīng)用學術(shù)會議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計算機編程中的應(yīng)用[A];1995年中國智能自動化學術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學術(shù)會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學術(shù)會議論文集（下冊）[C];1996年

相關(guān)重要報紙文章 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年

相關(guān)博士學位論文 前10條

1 Amjad Mahmood;半監(jiān)督進化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學;2015年

2 李險峰;基于改進遺傳算法的汽車裝配生產(chǎn)線平衡問題研究[D];北京科技大學;2017年

3 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學;2008年

4 郝國生;交互式遺傳算法中用戶的認知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學;2009年

5 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學;1998年

6 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學;1998年

7 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學;2002年

8 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學;2000年

9 劉冀成;基于改進遺傳算法的生物電磁成像與磁場聚焦應(yīng)用研究[D];四川大學;2005年

10 袁麗華;基于物種進化的遺傳算法研究[D];南京航空航天大學;2009年

相關(guān)碩士學位論文 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學;2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學;2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預測控制[D];華南理工大學;2015年

4 王琳琳;新型雙層液壓轎運車車廂的設(shè)計研究[D];上海工程技術(shù)大學;2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風面積比優(yōu)化方法研究[D];華南理工大學;2015年

6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學;2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學;2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學;2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學;2015年

10 于光帥;一類優(yōu)化算法的改進研究與應(yīng)用[D];渤海大學;2015年

，

本文編號：2143923