工作总结报告
0.引 言
“蔡甸汉江公路大桥施工监测监控及技术研究”课题，是湖北省交通科技项目，编号为鄂交技[2000]320号。项目起止年限为2000年5月至2001年12月。
本项目以京珠高速公路(国道主干线)和武汉市外环公路上的重要桥梁——蔡甸汉江公路大桥工程为依托，联合科研单位（武汉理工大学）、设计单位（湖北省交通规则设计院）和施工单位（湖北省路桥公司），立足于预应力混凝土箱梁施工过程预拱控制和箱梁应力测试，对大桥上构施工实施跟踪监测监控。通过解决监测监控中亟待解决的关键技术难题，将科研服务于工程建设，确保了大桥质量和安全。
截止2001年12月底，本项目组已完成项目的全部研究内容，现将课题研究工作报告如下。
1.项目研究的目的和意义
在大跨度桥梁施工中，结构的实际状态很难与设计计算的理论状态完全吻合。我国传统的桥梁施工主要是施工单位按设计的图纸、规范来保证桥梁质量，这就使设计与施工形成了两张皮。将两者如何有机地结合起来，已引起工程界的关注。近年来，人们已开始探索大跨度桥梁的监测与施工控制，并逐步付诸实践。由于施工过程中造成误差的原因是多方面的（其中包括设计参数的误差、施工误差、测量误差等），虽然有些参数误差引起的状态变化可通过物理力学模型予以分析，但仅通过个别参数来反推上述诸多原因的实际参数值有相当的难度。况且有些原因的影响机理尚不十分明确，并含相当的随机因素。因此，只有通过施工控制才能使桥梁结构的实际状态尽可能与设计状态相一致。
衡量一座桥梁的质量标准就是要保证已成桥梁的线形以及受力状态符合设计要求。对于多工序、多阶段自架设体系施工的大跨度桥梁结构而言，要求结构的线形和内力最终符合设计要求，通常的做法是：首先利用结构有限元分析；使用性能可靠的传感元件和测试设备，通过先进的测试技术获取实际数据；借助系统识别、误差分析与处理等理论，将施工中的实测值与预计值进行比较，逐步调整，直至达到较理想的设计状态。由于施工中影响因素的复杂性，导致了结构状态的多样性，其施工工艺参数对实际结构的适应性，要进行科学的研究。这就要求施工监测和控制理论和技术的不断完善，以适应建设质量高、外形美的桥梁结构的需要。
桥梁施工控制又是桥梁建设的安全保证。通过监测手段跟踪各施工阶段结构的实际内力和变形，及时掌握施工进程和发展情况。当施工过程中发现监测值异常时，要进行检查和原因分析，避免突发事故的出现。同时，施工监控测试工作，还可用于桥梁结构的长期跟踪监测；其分析结果，可进一步用于完善桥梁结构设计理论。在此基础上，进而形成完整的特大型桥梁施工监测监控技术，具有极大的经济和社会效益。 大型桥梁的施工监测监控工作，不仅涉及到桥梁设计、结构分析计算、测量技术、测试技术、参数识别理论、数据分析与处理等方面的理论知识，而且还会遇到许多尚待深入研究的关键技术问题，同时还应加强理论与试验的融合。通过文献检索和工程调研，本课题组认为：大跨度桥梁施工的监测监控的关键技术难题亟待解决；监测监控的内容可进一步丰富发展；大跨度梁桥最优施工控制和施工检测技术有待总结形成。认真总结成功的经验，为同类结构桥梁的建设积累技术资料，形成大跨度连续刚构梁桥最优施工控制和施工检测的监测监控技术。真正发挥科技优势，服务于工程建设，将科研成果转化为生产力，推动桥梁科学技术的发展。
2.项目研究技术方案和主要内容
2.1本项目的技术方案：
①运用神经网络技术，估计出混凝土配合比、徐变、温度及张拉工艺等因素造成的线形计算值与实测值间的偏差，预测出下一节段的预拱度值，提供合理的施工预拱度指令，保证桥梁结构满足设计线形。
②经分析计算和实测，使箱梁结构的应力分布尽可能合理，以满足设计要求。
③运用混凝土结构强度理论，通过应力理论计算和实测数据，理论上提出合理配置竖向和纵向预应力大小；进一步可优化结构，提高结构的承载能力。
④通过温度观测，合理给出温度对结构线形和应力的影响。 2.2 项目研究的基本内容
本课题主要进行了以下几个方面的研究：
①梁桥施工的工艺性研究，保证桥梁按合同工期竣工和桥梁施工的高质量；
②桥梁结构有限元分析计算，为施工工艺的可靠性提供科学基础；
③线形监测和预拱度控制理论和方法的研究，保证桥梁顺利合拢，使合拢段的相对高差控制在规范要求的范围内； ④混凝土的应变测试和应力分析、箱梁温度跟踪测量等工作，保证结构受力合理；
⑤箱梁竖向预应力优化设计。
2.2.1 梁桥施工的工艺特点
蔡甸汉江公路大桥由双向四车道国道主干线和两车道农用道构成，设计荷载等级为汽—超20、挂—120。工程总投资1.41亿元人民币,是目前汉江上规模最大的公路桥梁。主桥为三向预应力混凝土箱型变截面连续刚构（左幅截面为单箱单室，右幅截面为单箱双室）；两岸引桥为预应力混凝土Ｔ型组合梁（桥面连续），桥跨布置为20×30m+（110+180+110）m+20×30m，全长1607.0m。箱梁混凝土Ｔ构采用悬臂现浇法施工。主墩0#块长12m，每侧悬臂各分为26节段，分段长度2.5～4.0m；最大节段分别重1500kN（左幅）和2630kN（右幅），挂篮分别重600kN（左幅）和900kN（右幅）；两个边墩处19m箱梁段用支架现浇施工。110m边孔首先合拢，形成两个单臂体系，最后合拢主孔，完成三孔一联连续刚构。箱梁采用50#混凝土，其强度大于75%时施加预应力。桥面平整层采用8cm轻质混凝土，其上再铺55mm厚的沥青混凝土。体系转换、张拉工艺复杂，施工难度大、技术要求高。
2.2.2 结构有限元分析
监测监控的第一项工作是对监控桥梁的应力、位移等进行有限元分析计算，以确保桥梁施工工艺的科学性。
进行结构有限元分析时， 将大桥简化为平面结构，选用平面梁单元。主桥合龙前后结构体系将发生转变，即由对称的Ｔ构静定结构转变为对称的超静定结构。两个主墩根部视为固定端，南北两边跨端视为活动铰支座。对于选定的计算模型，单元和节点的划分按施工过程的节段来定(重要截面：主跨悬臂根部、l/
8、l/
4、3l/
8、跨中和边跨的对称位置)，共有节点144个，梁单元143个。
结构计算时，弹性模量、Poion比、质量密度和重度等材料特性和几何特性参数根据设计图纸与设计计算值取值相同。由于主梁结构为变截面箱梁，每一截面箱梁高h(m)、箱梁顶面到形心的距离hc(m)、截面面积A(m)、截面惯性矩Iz(m)和截面模量Wz(m)按节段取不同的值。
预应力索的张拉对结构的外效应是使其悬臂端上翘。针对这种影响，计算中采用可模拟预应力钢绞线后张法的曲索单元。当钢索受到一定拉力时，将能够反映预应力索对混凝土的压缩作用，可分析计算预应力索的张拉所引起混凝土内部应力的重324新分布，以及新索的张拉产生的内力重分配。依据《公路钢筋混凝土及预应力混凝土设计规范》(JTJ 023—85)，根据预应力束的几何要素，并计入预应力束的摩阻损失；徐变收缩中考虑环境温度、理论厚度和收缩应变终值。
载荷考虑连续刚构各梁段单元的自重、挂篮自重及钢筋、人员和设备的重量，挂篮移动各施工阶段的施工荷载，同时考虑二期恒载的重力。其他荷载包括温度荷载、风荷载及与结构的形成过程有关的荷载，如混凝土的收缩徐变等，这些荷载能引起结构的附加变形和应力。温度荷载的影响非常复杂，因为结构温度场的分布和温度的变化难以准确测量、定量分析，一般按公路桥梁规范取值，考虑其变化±10°C的影响。混凝土的收缩、徐变是一种十分复杂的化学物理过程，按公路桥梁规范的有关规定取值，同时通过简化模型的计算结果与实测值的对比分析，掌握有关混凝土的收缩、徐变的第一手资料，为进一步的深入研究打下一定的基础。
2.2.3 线形测量和预拱度控制原理和技术研究 大桥轴线和里程测量采用日产索佳全站仪(SOKISHA-1100)，高程测量采用国产自动安平水准仪(DSZ2)。利用大桥两岸大地控制网点，用后方交会的测量方法，将后视点引至固定处(即：0#块箱梁和过度墩上)，用远点控制近距离点。在施工过程中，监测监控组进行了箱梁挠度(反拱值)按每一个施工节段(三种工况)的跟踪观测、箱梁立模标高的抽查、箱梁顶面高程的测量、同跨两边对称截面相对高差的直接测量等。当温度变化时，对箱梁挠度进行了科研测量，掌握挠度随温度的变化规律(如第25#节段在浇筑混凝土后工况不变的情况下，当温度由15℃上升到26℃时，第26‘#截面下降41mm等)。
箱梁悬浇段的各节段立模标高各参数在有限元分析的基础上，根据实测信息进行前期预测和后期调整，确定最佳预拱度。传统的误差调整方法主要有卡尔曼（kalman）滤波法、灰色系统（如：GM（1，N））、最小二乘法等。这些方法在桥梁施工控制应用中取得了一些成效，但是对于非线性系统，有的方法还存在一定的局限性。在蔡甸汉江大桥施工预拱度控制中，运用了人工神经网络（BP网络）系统进行预拱度信息预测和调整。这种方法既克服了灰色理论GM（1，N）输入参数单一的缺点，又改进了卡尔曼（kalman）滤波法中仅能考虑输入与输出的线性关系的不足，建立了输入与输出之间的多参数、非线性的映射关系。
人工神经网络是一种模拟人脑结构和功能的信息处理系统，具有学习和容错等特点。它起步于50年代初，虽几经周折，到80年代后期国内外再次兴起神经网络热潮，并成功地运用于许多领域。BP网络是一类前向无反馈的神经网络，它可通过对若干样本的自学习，建立网络输入变量与输出变量之间的全局非线性映射关系。这是目前应用最为广泛的一类神经网络，因采用1986年问世的反向传播法(BP)算法而得名。由于其有连续函数表现定理，选用3层网络，输入层和输出层有与网络输入变量及输出变量相应的L和N个神经元，而隐层取M(M=2L+1)个神经元，将可以描述任意复杂的输入变量和输出变量之间的非线性映射关系。输入变量将按权数分配到隐层的第m个神经元，神经元的传递函数F通常选用Sigmoid函数。神经网络的输出并非要求严格地等于各样本的期望输出，而是通过网络学习，寻求对全部样本数据均有较好响应的非线性映射关系，具备有对样本的鉴别能力，因此具有鲁棒性，可以作为处理有随机干扰问题的预测工具。本项目已将神经网络方法应用于桥梁施工控制中，通过大跨度桥梁混凝土悬臂现浇节段已产生的标高偏差，训练BP网络，让自学习后的网络预测后续节段施工中可能发生的偏差，从而对其立模标高进行调整，以达到与设计值尽量一致的目的。应用结果表明：由于样本的期望输出为测量标高，实际值难免包含某些随机因素和误差，甚至个别数据存在明显的不符合普遍规律的情形，而神经网络的预测结果与实际发生状态的测量值比较接近。
在施工控制中，当挂篮前移立模完毕、混凝土浇筑完成和预应力索张拉后，均对桥面标高进行测量。由于实际的模板、混凝土重量，混凝土弹性模量及收缩、徐变参数，尤其是通长索的预应力损失参数和测量温度等与理论计算的设定值总会存在一定的差异，使得实测的标高与理论计算值有一定的偏离量。对此偏差，通过大量实测数据，模索出一些规律。例如在日照情况下气温每升高1℃，26截面标高降低约4mm，温度降低亦有逆向的对应关系；又如随着预应力索长度的增大，预应力损失呈非线性增长，表现为1块截面预埋钢弦应变计所反应的应变增长明显趋缓，索的张拉延伸量显著不足，预应力张拉后所产生的反拱与理论计算值的偏离逐渐加大。现场实测的数据表明，当索长在154～178m时与设计延伸量相比，顶板TC索的延伸量不足达7.8～13.5%，而腹板下弯WC索则为11.7～18.0%。究其原因，显然是理论计算时对波纹管逐节段拼接的定位、平直度误差及局部漏浆
##所引起的磨阻力增大估计不足。其中存在较多的随机和偶然因素，实测的延伸量不足数据亦较离散；没有大量的模拟施工状况的超长预应力索张拉试验数据，也难于给出合理的磨阻力损失系数。
由于神经网络可建立各工况下实测桥面标高偏差与引起此偏差的诸多因素之间的非线性映射关系。此类映射是能够反映因果之间的客观规律(虽不是显式表达)，而且抗噪性能好，适宜于处理现场实测数据的分析和预测。用神经网络对实际发生的桥面标高偏差预测实施方案如下：
每节段按挂篮前移立模、混凝土浇筑和预应力索张拉三个施工工序进行。监控的实践表明，前两工况下的实测标高值变化量与计算值偏差不大，仅为mm量级。而预应力张拉后则出现较大的偏差，尤其是索长超过150m之后其偏差十分显著，可达77mm之多。施工控制中必须对该工况下的标高偏差进行合理的预测。以该桥左幅施工过程为例，对其偏差作如下神经网络预测分析。
引起施工实测标高与理论计算值偏差的原因是多方面的，不加分析将所有因素均予以罗列可多达几十种参数，必将增加分析的难度。根据分析，取影响标高偏差的因素(即神经网络的输入变量)为：测量温度T(℃)；张拉截面、讨论截面的箱梁高度(m)及其至“Ｔ”构中心的距离(m)，它们分别记作H1,H2,L1和L2；理论计算的张拉后标高变化值W(m)，共计6个参数。当然，预应力索的张拉力大小应该是影响张拉后反拱的重要因素，不过设计上在各节段悬臂施工中，预应力索的数量和张拉力是一个不变值，故没有作为影响参数考虑。样本的期望输出自然取标高偏差ΔW(m)。即BP网络的输入层神经元数L=6，而输出层N=1。第1～16节段的结构刚度较大，引起的标高偏差仅为mm量级，含噪测量数据不能较好地反映客观规律。为此，采用第17节段(18截面)及后续施工节段，逐步积累测量的标高偏差样本。如第2
4#####节段完成后，累计有172个样本，可以让神经网络对这些样本进行自学习，学习后的网络只需输入第25节段(26截面)的有关信息，就可以输出该节段张拉后第1～26截面标高偏差的预测值。由于样本数据量较大，数据其差异很大，如果不进行适当处理，势必使网络的权系数量级相差过大，影响网络映射精度和自学习的收敛性。按照连续函数表示定理，要求网络输入变量的值域为[0,1]。为此需对全部样本的6个输入作归一化处理。由于神经网络的神经元采用Sigmoid形式作为其传递函数，网络的输出值域是(0,1)，故样本的期望输出(标高偏差)
必须作归一化处
####理。经验表明，Sigmoid函数其值在0和1附近，曲线相当平直，对于网络自学习的收敛性不利，将处理后的期望输出取值在(0.05,0.95)之间为宜，以便让网络输出有富裕的增长空间。为此需在全部样本期望输出的最大值和最小值上分别增加和减小一定的量之后替代它们，即可达到目的。
采用本课题开发的BP网络应用软件，具有良好的人机对话功能，可以显示自学习过程中各样本的收敛情况，由此也可以反映出个别样对全样本总体规律的奇异性。要求每个样本的网络输出与期望输出的相对误差δ=5％为收敛条件。计算表明：当绝大多数样本已达到此条件时，而这些奇异样本的相对误差仍在13～20％之间。显然，要满足这些奇异样本，反而会使网络的映射性态恶化，观察其前后截面的数据，可明显发现这些奇异样本具有突跳性，不合理。从工况和结构形式上考虑，标高偏离亦应是距离的连续光滑曲线，可知这些点的实测数据有较大的偶然误差。处理办法有两种，其一是剔除这类样本；其二是用前后截面数据的线性插值替代。网络学习过程表明，172个样本中此类样本仅有8个（小于5％），采用线性插值方法对其进行处理。自学习训练后的网络只要输入第25节段施工时的截面有关参数和测量温度，立即可自动得到反归一化变换后的各截面标高偏差预测值。将第25节段张拉后的实测值与本预测值绘图，其吻合程度良好。
第25节段张拉后的各截面标高偏差神经网络预测值是一条光滑的连续曲线。用第17～24节段的172个样本(称为多样本)训练网络，得到的预测值在第14～24截面处与实测值相当一致；第1～13截面预测值总体上要小于实测值，由于实测值波动性较大，在第1～
6、8及第12截面实测值与预测值也较吻合；对于第25和26两截面，预测值显然对偏差估计不足，其差值分别达到6.8mm和11.8mm。图中还给出了利用第17～23节段施工后的147个样本(称为少样本)，经神经网络自学习后来提前预测第25节段张拉后的标高偏差，当然预测值对偏差量的普遍存在估计不足，要小10mm左右，不过曲线趋势与多样本的结果基本一致。网络自学习可以在少样本情况下完成，而当样本增多时只需在此基础上增加样本数再补充学习即可，这样可大量节省再学习时间。从图中可以看出，网络将可以通过新添样本的学习而增加
####“聪明”程度，使映射的关系更加符合客观规律，这正是人工神经网络的自学习功能的优越性。
值得指出的是，针对影响大跨度预应力混凝土桥梁施工过程的预拱度因素复杂，仅采用灰色理论GM(1,1)的单参数一阶线性灰微分方程模型预测，将无法充分考虑诸多因素例如温度、变截面等，对施工过程中标高误差的影响。而神经网络能建立标高误差与其众多影响因素之间的非线性映射关系，可以较客观地反映施工规律。
左幅、右幅箱梁主跨合拢前后，湖北省京珠高速公路总监办第四高级驻地监理工程师办公室测量监理工程师等技术人员对合拢段相对高差进行了测量。测试结果表明：左幅箱梁主跨南北两岸南岸第26‘#截面与北岸第26‘#截面的相对高差平均值底板为4mm，顶板为5mm，轴线最大偏差10mm；右幅箱梁主跨南岸第26‘#截面底板比北岸第26‘#截面底板高6mm，轴线最大偏差10mm，箱梁成桥竖曲线与施工控制竖曲线的调整量小于20mm。拱轴线偏差等技术指标均控制在JTJ071-98标准范围内。
2.2.4 应变测量和应力分析
预应力混凝土连续刚构桥施工控制中，设计单位事先提供了关键截面的应力值。箱梁在悬浇过程中，各截面的应力随工况的不同，同一截面上下表面的应力在不断变化。箱梁在悬浇过程中按静定结构考虑控制截面，悬浇完成后结构体系转换，按超静定结构考虑控制截面，再加上二期恒载的影响，但这个设计应力值与施工过程中的测量值总有一定的差距，必须随着施工的进度进行测量，根据全桥应力分布的要求，通过预应力的张拉进行调整，以保证全桥建成后的应力分布满足设计要求。同时，通过张拉预应力钢筋适当调整预拱度值，有时会使得局部结构的预应力过大，从而会引起桥梁产生局部裂纹，影响结构的使用和安全。施工中必须对关键截面的应力进行有效的控制。蔡甸汉江大桥左右幅的应力控制选在0#块根部、L/
8、L/
4、3L/
8、L/
2、合拢段等38个截面。每个截面的布点时间选在箱梁钢筋布置基本就绪、混凝土浇筑之前,在这些截面的上下表面内共布置钢弦传感元件400余个。箱梁悬浇施工过程中，应变测量的读数频度按各工序(混凝土浇筑前后；预应力索张拉前后、挂篮前移以及温度变化等特殊情况)进行应变跟踪测量和应力分析。工作期间，监测监控组共向有关单位提交正式应力监测分析报告各15份。测试结果表明，箱梁混凝土下表面的最大应力约为16.0MPa，小于控制应力17.0MPa，左右幅箱梁1’#（1’）截面上表面应力偏小，其它截面应力分布比较合理。
2.2.5 箱梁竖向预应力优化设计
在大跨度三向预应力混凝土桥梁箱梁结构竖向预应力设计中 ,提高混凝土结构的强度是一个很重要的指标。近年来发现有的箱梁有开裂现象（特别是箱梁腹板开裂）。箱梁腹板开裂的原因是相当复杂的。如①车辆荷载严重超载；②施工中对质量要求不严，纵向、竖向预应力损失过大，未达到设计要求；③设计时对结构构造、主拉应力等问题考虑不周等等。混凝土的破坏是由拉伸劈裂造成的，破坏面与最大拉应力或拉应力方向正交。从腹板裂缝来看，表现出斜截面上抗主拉应力不够。 理论和实践表明：竖向预应力是抵抗剪应力和主拉应力的关键。没有设置竖向预应力筋的箱梁腹板，开裂更为严重。在施工过程中，结构的实际纵向预应力与设计值有一些差异，只有通过施工监测监控工作，一方面，保证结构有足够的竖向预应力和纵向预应力大小；另一方面，通过实际测量的纵向预应力大小，来合理配置和调整竖向预应力，以提高结构的抗破坏能力。反之，在结构强度提高的前提下，可进一步优化设计，减小结构截面的几何尺寸（减轻自重），从而可大大节省原材料的投入，降低成本。从这个意义上讲，拓展了桥梁施工监测监控应力测试的范畴，具有更重要的作用。
三向预应力张拉工艺的运用，使得预应力损失准确计算的重要性尤为突出，其计算结果直接影响施工过程及成桥后结构强度和变形。对于后张拉预应力砼结构，有预留孔道摩擦、锚具变形和构件弹性压缩等引起的瞬时预应力损失和钢束应力松驰、砼干缩、徐变等引起的后期预应力损失。由于大跨度桥梁施工节段较多，使得分期张拉的批数亦多，从而各项预应力损失的定量分析十分复杂，且相互影响。
3 课题研究的主要成果
①本课题的研究结果运用于京珠高速公路蔡甸汉江公路大桥的施工控制，全桥按合同要求，于2001年10月底前竣工。经湖北省公路科研所静、动试验，桥梁质量符合设计要求。
②运用神经网络技术，估计出混凝土配合比、徐变、温度及张拉工艺等因素造成的线形计算值与实测值间的偏差，预测出下一节段的预拱度值，提供合理的施工预拱度令，保证了结构满足设计线形。利用神经网络这种具有自学习的智能方法于大跨度桥梁的施工控制，是对桥梁施工控制理论和方法的一种创新。
③通过对蔡甸汉江公路大桥施工过程控制的研究，为同类结构桥梁的建设积累技术资料，形成了一套大跨度连续刚构梁桥最优施工控制和施工检测的完整技术，推动桥梁科学技术的发展。
④利用混凝土强度理论，从理论上探讨了竖向预应力优化设计，以提高结构的抗破坏能力。提出了只有通过应力监测，才能合理地实行竖向预应力配置和调整，从而可减小结构截面的几何尺寸和自重，节省原材料的投入，降低成本。
⑤创造直接经济效益1000万元，左幅在2001年2月底东西湖区京珠工程的运料车已安全通过，为保证京珠高速公路整个湖北段的工期具有特别重要的意义。
⑥在《武汉理工大学学报》、《桥梁建设》等学术刊物上发表课题研究相关技术的学术论文5篇。
