1、斜拉橋是一種由索、塔、梁三種基木構件組成的組合體系，屬高次超靜定結構，所采用的施工方法和安裝順序與成橋后的主梁線型及內力狀態(tài)密切相關。斜拉橋建設過程中，受各種因素的影響，實際橋梁狀態(tài)與設計狀態(tài)必定產生誤差，施工中這種誤差的逐步積累，最終導致成橋后的狀態(tài)與設計理想應力和線型狀態(tài)相差較大，甚至危及結構安全。因此，大跨度斜拉橋的施工監(jiān)控越來越受到業(yè)界人士的廣泛關注。本文以天興洲大橋工程為背景，就大跨度板桁給合鋼桁梁斜拉橋的空間結構分析與施工控

2、制技術進行系統(tǒng)的研究，其主要工作與研究成果如下： (1)基于非線性連續(xù)介質力學的基本原理，詳細論述了桿系結構幾何非線性分析理論，給出T.L.列式法和U.L.列式法的顯式有限元公式，推演了Newton-Raphson迭代方程，討論了U.L.列式與T.L.列式的區(qū)別。研究發(fā)現(xiàn)T.L。列式法與U.L.列式法在某些實際問題計算時結果相差甚微，由此可以理解很多文獻在實際計算時，將兩者中的應力與變形物理量相互混用的原因。 (2)以天

3、興洲大橋工程為背景，重點討論了斜拉橋結構計算參數(shù)化建模的方法、步驟與實施過程，利用ANSYS的二次開發(fā)工具APDL，實現(xiàn)了天興洲大橋的參數(shù)化建模；利用已建模型，分析了大跨度鋼斜拉橋幾何非線性因素的影響。研究結果表明：非線性因素對不同受力構件的影響程度不同，主塔的縱向位移及主梁桿件的內力受幾何非線性影響較大；幾種非線性因素中，斜拉索垂度效應的影響最為顯著，大位移效應次之，梁柱效應的影響最小。 (3)在分析比較現(xiàn)有斜拉橋施工控制方法

4、的基礎上，提出BP神經網絡法運用到橋梁施工控制的思想；系統(tǒng)討論了斜拉橋的控制準則、精度目標和實施步驟；建立了天興洲大橋施工控制體系，提交了施工監(jiān)測方案。 (4)分析了大跨度鋼斜拉橋施工中各種誤差產生的原因和對結構的影響程度。研究結果表明：對大跨度鋼斜拉橋而言，由于工期長、施工期間季節(jié)溫差大，而且鋼材導熱性能好，溫度對其施工階段的影響不容忽視；鋼梁重量誤差對結構成橋后的累計位移與內力影響也很顯著；索力張拉誤差是一種小范圍誤差。

5、 (5)在詳細介紹神經網絡原理與應用現(xiàn)狀的基礎之上，重點做了如下幾方面的工作：討論神經網絡的收斂特性，非線性逼近能力和預測輸出功能，從而為BP神經網絡應用于大跨度斜拉橋施工控制中參數(shù)識別與預測預報找到理論依據；推演了BP神經網絡訓練與誤差校驗的計算公式，并歸納出實際應用時的詳細步驟；針對現(xiàn)有BP算法存在的缺陷與不足提出相應的改進措施與處理方法；設計了具有自適應調整功能的BP神經網絡計算程序ABPNN；利用該程序分析了學習因子α、β和

6、慣性系數(shù)η與學習速率的關系。結果表明：學習因子α、β的取值對收斂速度的影響較慢，其取值范圍較寬，也因問題不同而異，通常α=β，且在0.2～5.0之間取值；慣性因子η的取值較為復雜，很易引起振蕩，一般η在0.2～0.5之間取值較為合適。 (6)運用BP神經網絡的參數(shù)識別功能，實現(xiàn)天興洲大橋施工過程中設計參數(shù)的識別；運用BP神經網絡的預測預報功能，實現(xiàn)天興洲大橋施工控制過程中的拼裝標高和初始索力預測。實際結果表明，BP網絡預測值與實

7、測值吻合程度很好，完全滿足工程及控制的要求。 (7)首次利用BP神經網絡的非線性逼近能力和逆向控制模型，實現(xiàn)天興洲大橋施工過程中控制變量誤差調整中的索力調整量計算和全橋合攏后的索力調整量計算。通過神經網絡的實例分析與工程應用，結果表明了該方法的有效性和合理性，具有很好的理論和應用價值，是對傳統(tǒng)方法新的補充。 (8)文章最后總結幾年的研究經驗與體會，參照國內外發(fā)展趨勢，并結合相關領域的研究成果，提出智能化大跨度斜拉橋施工控