CN117057256B - 桥梁结构维护策略优化方法、装置、设备及可读存储介质 - Google Patents
桥梁结构维护策略优化方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN117057256B CN117057256B CN202311308690.2A CN202311308690A CN117057256B CN 117057256 B CN117057256 B CN 117057256B CN 202311308690 A CN202311308690 A CN 202311308690A CN 117057256 B CN117057256 B CN 117057256B
- Authority
- CN
- China
- Prior art keywords
- bridge structure
- maintenance
- reliability
- optimization model
- optimization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 206
- 238000005457 optimization Methods 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000010276 construction Methods 0.000 claims abstract description 77
- 238000013461 design Methods 0.000 claims abstract description 37
- 238000005070 sampling Methods 0.000 claims abstract description 17
- 238000011426 transformation method Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 56
- 230000003449 preventive effect Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000015556 catabolic process Effects 0.000 claims description 16
- 238000006731 degradation reaction Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000001186 cumulative effect Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000010206 sensitivity analysis Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 238000000342 Monte Carlo simulation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 229910000975 Carbon steel Inorganic materials 0.000 description 2
- 229910000870 Weathering steel Inorganic materials 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000010962 carbon steel Substances 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Genetics & Genomics (AREA)
- Architecture (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Structural Engineering (AREA)
- Development Economics (AREA)
- Civil Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Pure & Applied Mathematics (AREA)
Abstract
本发明提供了一种桥梁结构维护策略优化方法、装置、设备及可读存储介质,涉及桥梁结构维护技术领域,包括建立以桥梁结构的可靠度最大、施工工期最短和施工成本最低为优化目标的多目标优化模型;基于理想点法、欧式距离和权重系数变换法将所述多目标优化模型转换为单目标优化模型;求解所述单目标优化模型,输出桥梁结构的最优设计参数;根据所述最优设计参数基于重要抽样法计算桥梁结构的初始可靠度;根据所述初始可靠度建立以桥梁结构全生命周期的累积可靠度最大和全生命周期成本最低为优化目标的优化模型;求解所述优化模型,输出桥梁结构的最佳维护策略。本发明基于全生命周期理论实现了对桥梁结构设计方案及维护管养策略的优化确定。
Description
技术领域
本发明涉及桥梁结构维护技术领域,具体而言,涉及桥梁结构维护策略优化方法、装置、设备及可读存储介质。
背景技术
目前主要耐候钢材料的钢-混凝土组合结构桥梁的维修管理主要面临以下基本问题:一是对应用耐候钢材料的钢-混凝土组合结构桥梁,由于环境腐蚀以及外荷载作用导致结构在整个服役期内安全性能退化规律尚不明确,无法确定全生命周期内桥梁结构的维护管养策略;二是无法在设计、建造和管养时选择合理的方案,对全生命周期成本进行优化控制;三是在结构全生命周期成本分析中对资金时间价值的衡量不够精确,计算结果无法体现桥梁全生命期内时间对成本的影响。
发明内容
本发明的目的在于提供一种桥梁结构维护策略优化方法、装置、设备及可读存储介质,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
第一方面,本申请提供了桥梁结构维护策略优化方法,包括:
建立以桥梁结构的可靠度最大、施工工期最短和施工成本最低为优化目标的多目标优化模型;
基于理想点法、欧式距离和权重系数变换法将所述多目标优化模型转换为单目标优化模型;
求解所述单目标优化模型,输出桥梁结构的最优设计参数;
根据所述最优设计参数基于重要抽样法计算桥梁结构的初始可靠度;
根据所述初始可靠度建立以桥梁结构全生命周期的累积可靠度最大和全生命周期成本最低为优化目标的优化模型;
求解所述优化模型,输出桥梁结构的最佳维护策略。
第二方面,本申请还提供了一种桥梁结构维护策略优化装置,包括:
第一建立模块,所述建立模块用于建立以桥梁结构的可靠度最大、施工工期最短和施工成本最低为优化目标的多目标优化模型;
转换模块,所述转换模块用于基于理想点法、欧式距离和权重系数变换法将所述多目标优化模型转换为单目标优化模型;
第一求解模块,所述第一求解模块用于求解所述单目标优化模型,输出桥梁结构的最优设计参数;
第一计算模块,所述计算模块用于根据所述最优设计参数基于重要抽样法计算桥梁结构的初始可靠度;
第二建立模块,所述第二建立模块用于根据所述初始可靠度建立以桥梁结构全生命周期的累积可靠度最大和全生命周期成本最低为优化目标的优化模型;
第二求解模块,所述第二求解模块用于求解所述优化模型,输出桥梁结构的最佳维护策略。
第三方面,本申请还提供了一种桥梁结构维护策略优化设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现所述桥梁结构维护策略优化方法的步骤。
第四方面,本申请还提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于桥梁结构维护策略优化方法的步骤。
本发明的有益效果为:本发明通过所述单目标优化模型和优化模型确定桥梁结构可靠度高、建设成本低、工期短的设计方案;基于优化后设计方案实现了对全生命周期内桥梁结构的维护管养策略的优化确定,解决了现有技术中由于桥梁结构的退化规律不明确导致无法有效对桥梁结构进行维护管养的技术问题。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中所述的桥梁结构维护策略优化方法流程示意图。
图2为本发明实施例中所述的桥梁结构维护策略优化装置结构示意图。
图3为本发明实施例中所述的桥梁结构维护策略优化设备结构示意图。
图4为根据所述最优设计参数基于重要抽样法计算桥梁结构的可靠度的流程图。
图5为桥梁管养维护方案最优解集示意图。
图中标记:800、桥梁结构维护策略优化设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1:
本实施例提供了一种桥梁结构维护策略优化方法。
参见图1,图中示出了本方法包括步骤S100、步骤S200、步骤S300、步骤S400、步骤S500、步骤S600。
步骤S100:建立以桥梁结构的可靠度最大、施工工期最短和施工成本最低为优化目标的多目标优化模型;
步骤S100具体包括:
获取第一信息,所述第一信息包括桥梁结构的初始设计参数;
对所述第一信息进行敏感性分析,筛选出对桥梁结构的可靠度、施工工期和施工成本具有关键影响的待优化参数;
根据可靠度最大化函数、施工工期值最小化函数和施工成本最小化函数构建多目标优化模型的目标函数;
根据所述待优化参数的预设优化区间构建多目标优化模型的约束条件。
所述初始设计参数包括桥梁结构的梁高、板厚、跨径、梁段数量、梁长、混凝土体积等桥梁结构的几何参数。
筛选出对桥梁结构的可靠度、施工工期和施工成本具有关键影响的待优化参数集合,/>表示待优化桥梁结构构件的第n个待优化参数,则多目标优化模型公式如下:
;
其中为可靠度,/>为施工工期,/>为施工成本,/>为预设优化区间。
其中可靠度和待优化参数/>之间的关系如下:
;
;
其中,V表示经过正态化之后得到的随机变量,/>为桥梁结构的失效概率,E表示求括号内函数的期望,/>为功能函数,/>为概率密度函数,/>为重要抽样概率密度函数,/>为/>的指示函数,/>表示标准正态分布的函数。
如图4所示,基于MATLAB软件,采用Monte Carlo模拟的重要抽样法编写程序计算桥梁结构的初始可靠度。Monte Carlo法计算精度满足工程要求,适用性较强,该方法的局限性在于当目标对象发生的概率比较小时,需要的抽样次数将会大大增加,计算效率较低,时间较长。针对这种情况,可以采用重要抽样法对抽样过程及抽样密度函数作出改进,在保证计算精度的同时提高算法计算效率。Monte Carlo模拟的重要抽样法通过改变随机抽样的中心,对所给定的概率分布函数进行修改并进行抽样,增加失效域抽样几率,使功能函数(即对模拟结果有重要贡献部分)的情况更易出现,从而达到提高效率,减少模拟时间的目的。
其中施工工期T和待优化参数之间的关系为根据桥梁结构建立设计方案与施工方案之间的函数关系;
;
其中j表示总的工序,i表示第i道工序,Ti表示工序i的单位工期。
其中建设成本的计算公式如下:
;
式中:为建筑安装工程费,/>为广义的设备购置费,/>为工程建设其他费用,/>为预备费。
其中建设成本主要由X决定。
步骤S200:基于理想点法、欧式距离和权重系数变换法将所述多目标优化模型转换为单目标优化模型;
步骤S200具体包括:
获取所述多目标优化模型的最优解集合和可行解集合;
基于理想点法将所述最优解集合表示为理想点集合;
理想点集合为:
;
其中,为多目标优化模型以可靠度为优化目标的最优解表示的理想点,/>为多目标优化模型以施工工期为优化目标的最优解表示的理想点,/>为多目标优化模型以施工成本为优化目标的最优解表示的理想点;
可行解集合表示为:
;
基于欧式距离计算所述理想点集合与可行解集合之间的差异,以所述理想点集合与可行解集合之间的距离最小值为目标,得到基于权重系数变换法的评价函数;
通过欧式距离来描述理想点集与可行解集合/>之间的差异,并采用二者的距离最小值作为求解目标,得到如下基于权重系数变换法的评价函数:
为可靠度的目标权重,/>为施工工期的目标权重,/>为施工成本的目标权重。
基于序关系分析法对所述评价函数中的各个目标权重进行取值,得到单目标优化模型。
采用序关系分析法对评价函数中各个目标权重进行取值。对于各个优化目标变量,其重要性排序为,定义相邻优化目标的重要性程度比值遵循如下规则:当/>与/>具有相同重要性时重要性程度比值取1.0,/>稍微重要时重要性程度比值取1.2。
步骤S300:求解所述单目标优化模型,输出桥梁结构的最优设计参数;
步骤S300具体包括:
求解所述单目标优化模型,输出桥梁结构的最优设计参数,包括:
根据所述待优化参数集合和预设的第一指定范围生成第一随机数组;
将所述第一随机数组作为所述单目标优化模型的输入,基于遗传算法求解所述单目标优化模型,输出桥梁结构的最优设计参数。
步骤S400:根据所述最优设计参数基于重要抽样法计算桥梁结构的初始可靠度。
步骤S500:根据所述初始可靠度建立以桥梁结构全生命周期的累积可靠度最大和全生命周期成本最低为优化目标的优化模型;
步骤S500具体包括:
根据累积可靠度最大化函数和全生命周期成本最小化函数构建所述优化模型的目标函数,所述累积可靠度最大化函数包括初始可靠度和桥梁结构维护策略在每个维修时间节点的可靠度退化量,所述全生命周期成本最小化函数包括桥梁结构的建设成本、桥梁结构的维修时间节点和桥梁结构维护策略在每个维修时间节点的维护成本,所述桥梁结构维护策略由预防性维护措施、实质性维护措施和无维护措施中的一种或几种组成;
根据桥梁结构每个时刻的可靠度不低于规范规定可靠度下限值、维护时间不超过桥梁结构的预设生命周期构建约束条件。
将全生命周期内的桥梁维护行为分为实质性维护和预防性维护两种,其中,实质性维护主要指桥梁结构安全性退化后,当某部位不满足安全性要求时对其采取加固或更换措施,预防性维护主要包括对桥梁结构中由于腐蚀作用导致的锈蚀部位重新涂装,以及对荷载作用下结构表面出现的裂缝进行修补。假定每次经过实质性维护后结构可靠度水平恢复到新建水平,认为每次预防性维护后可以延缓结构可靠度退化;实质性维护后结构会直接退化。桥梁结构设计基准期为100年。
所述优化模型如下:
,/>;
为累积可靠度最大化函数,/>为维修时间节点的可靠度,t为维修时间节点,/>为桥梁结构的生命周期,本具体实施方式中取100年,/>为规范规定的结构可靠度下限值,单个维修时间节点的可靠度计算公式如下:
,其中/>为预防性维护措施在维修时间节点的可靠度退化量/>、实质性维护措施在维修时间节点的可靠度退化量/>和无维护措施在维修时间节点的可靠度退化量/>中的一种;
为全生命周期成本最小化函数,其中/>为桥梁结构全生命周期的成本,桥梁结构全生命周期的成本的计算公式如下:
;
其中为桥梁结构的建设成本,/>为运营维护成本现值,/>为拆除回收成本现值;
其中,所述;
其中F为预防性维护措施在维修时间节点的维护成本、实质性维护措施在维修时间节点的维护成本和无维护措施在维修时间节点的维护成本中的一种,为递减折现率,其中,/>的计算公式如下:
;
所述的计算公式如下:
;
步骤S600:求解所述优化模型,输出桥梁结构的最佳维护策略。
步骤S600具体包括:
获取第二信息,所述第二信息包括桥梁结构初始维护策略的可靠度退化量;
桥梁结构初始维护策略的可靠度退化量的获取过程具体如下:
结合所建立的组合结构桥梁成桥状态下桥梁可靠度指标,根据桥梁所处环境及桥梁上的作用效应,参照相关试验结果,得出桥梁在其生命期内的退化速率α,建立未考虑维护措施的时变可靠度曲线;
制定桥梁维护管养方案,需要确定预防性维护的初次实施时间与时间间隔;分析单次预防性维护措施所带来的可靠度贡献,结合不同的预防性维护时间间隔,将预防性维护效果曲线与上述计算得到的未考虑维护措施的时变可靠度曲线叠加,得到考虑预防性维护措施的桥梁关键构件时变可靠度曲线;
根据所述预防性维护的时间间隔,结合上述计算得到结构时变可靠度曲线,确定桥梁结构维修前后的可靠度变化量。
制定桥梁维护管养方案,需要确定实质性维护的时间间隔;分析单次实质性维护措施所带来的可靠度贡献,结合不同的实质性维护时间间隔,将实质性维护效果曲线与上述得到的结构时变可靠度曲线叠加,得到考虑实质性维护措施的桥梁关键构件时变可靠度曲线;
根据上述实质性维护的时间间隔,结合上述计算得到结构时变可靠度曲线,确定结构维修前后的可靠度变化量。
根据所述第二信息和预设的第二指定范围生成第二随机数组;
将所述第二随机数组作为所述优化模型的输入,基于遗传算法求解所述优化模型,输出桥梁结构的最佳维护策略。
最佳维护策略包括根据每个维修时间节点的最佳可靠度退化量确定的维护措施组合以及维修策略实施的间隔时间。
预防性维护策略、实质性维修策略和无维护策略的实施间隔时间计算公式如下:
;
其中,α为桥梁在其生命期内的退化速率,为预防性维护后结构可靠度不发生变化的时间,/>为实质性维护后认为结构可靠度恢复到初始水平。
以下通过本发明分别对普通钢碳-混凝土组合桥梁结构和耐候钢-混凝土组合桥梁结构的三种维护管养策略方案进行分析:
方案一:采用一次预防性维护,一次实质性维护交替进行的方式;
方案二:采用两次预防性维护,一次实质性维护交替进行的方式;
方案三:采用三次预防性维护,一次实质性维护交替进行的方式。
分析确定每种维护策略考虑依托工程全生命期成本的最优维护方案如图5所示。
观察三组Pareto前沿面的整体变化趋势,可以看出随着结构全生命周期内累积可靠度的增加,全生命周期内的维护成本也在上升。减少全生命周期内预防性维护次数,增加实质性维护次数,结构累积可靠度较高,反之结构累积可靠度较低。三类维护方案中,对于采用普通碳钢的桥梁结构设计方案来说,维护方案一与维护方案二的Pareto前沿有小范围内的相似部分,在达到某些累积可靠度值时其全生命周期维护成本比较接近。维护方案一中的优化解集取值范围较广,采用不同的维修时间间隔,既能使结构取得三类维护方案中最高的累积可靠度,也能达到最低的生命周期维护成本。对于采用耐候钢材的桥梁设计方案来说,维护方案一中采用更多的实质性维修次数,较短的实质性维护时间间隔,减少预防性维护,能使桥梁结构在全生命周期内获得更高的累积可靠度,同时其全生命周期维护成本也更高。维护方案三中采用更多的预防性维修次数,预防性维护时间间隔较短,相应的实质性维护被减少,使桥梁结构在全生命周期内有较低的维护成本,但结构累积可靠度也较低。结合上述分析,可以发现在选择维修策略时,当以全生命周期维护成本最低为目标时,采用不同钢材的桥梁结构设计方案有不同的成本最低维修策略,在应用时需结合桥梁实际情况具体分析。
此外我们还可以从图5上看出,对于维护方案一来说,当两种结构设计方案的全生命周期维护成本相同时,耐候钢组合结构的累积可靠度指标更高。对于三类维护方案,不论采用那种方式,耐候钢-混凝土组合结构设计方案全生命周期维护成本始终低于采用普通碳钢的桥梁结构设计方案。
对比图5中三种结构累积可靠度类似的维护方案,当结构累积可靠性概率约为96%时,认为此时桥梁结构的安全性能相似,可以发现对于本例中的碳钢-混凝土组合结构,采用维护方案三时的全生命周期维护成本最高,采用维护方案一时的成本最低;对于耐候钢-混凝土组合结构,结果则是相反的,方案三会产生最低的全生命周期维护成本,采用方案一维护成本更高。
实施例2:
如图2所示,本实施例提供了一种桥梁结构维护策略优化装置,所述装置包括:
第一建立模块,所述建立模块用于建立以桥梁结构的可靠度最大、施工工期最短和施工成本最低为优化目标的多目标优化模型;
转换模块,所述转换模块用于基于理想点法、欧式距离和权重系数变换法将所述多目标优化模型转换为单目标优化模型;
第一求解模块,所述第一求解模块用于求解所述单目标优化模型,输出桥梁结构的最优设计参数;
第一计算模块,所述计算模块用于根据所述最优设计参数基于重要抽样法计算桥梁结构的初始可靠度;
第二建立模块,所述第二建立模块用于根据所述初始可靠度建立以桥梁结构全生命周期的累积可靠度最大和全生命周期成本最低为优化目标的优化模型;
第二求解模块,所述第二求解模块用于求解所述优化模型,输出桥梁结构的最佳维护策略。
所述第一建立模块包括:
第一获取模块,所述第一获取模块用于获取第一信息,所述第一信息包括桥梁结构的初始设计参数;
分析模块,所述分析模块用于对所述第一信息进行敏感性分析,筛选出对桥梁结构的可靠度、施工工期和施工成本具有关键影响的待优化参数;
第一构建模块,所述第一构建模块用于根据可靠度最大化函数、施工工期值最小化函数和施工成本最小化函数构建多目标优化模型的目标函数;
第二构建模块,所述第二构建模块用于根据所述待优化参数的预设优化区间构建多目标优化模型的约束条件。
所述转换模块包括:
第二获取模块,所述第二获取模块用于获取所述多目标优化模型的最优解集合和可行解集合;
表示模块,所述表示模块用于基于理想点法将所述最优解集合表示为理想点集合;
第二计算模块,所述第二计算模块用于基于欧式距离计算所述理想点集合与可行解集合之间的差异,以所述理想点集合与可行解集合之间的距离最小值为目标,得到基于权重系数变换法的评价函数;
取值模块,所述取值模块用于基于序关系分析法对所述评价函数中的各个目标权重进行取值,得到单目标优化模型。
所述第二建立模块,包括:
第三构建模块,所述第三构建模块用于根据累积可靠度最大化函数和全生命周期成本最小化函数构建所述优化模型的目标函数,所述累积可靠度最大化函数包括初始可靠度和桥梁结构维护策略在每个维修时间节点的可靠度退化量,所述全生命周期成本最小化函数包括桥梁结构的建设成本、桥梁结构的维修时间节点和桥梁结构维护策略在每个维修时间节点的维护成本,所述桥梁结构维护策略由预防性维护措施、实质性维护措施和无维护措施中的一种或几种组成;
第四构建模块,所述第四构建模块用于根据桥梁结构每个时刻的可靠度不低于规范规定可靠度下限值、维护时间不超过桥梁结构的预设生命周期构建约束条件。
第一求解模块具体用于根据所述待优化参数集合和预设的第一指定范围生成第一随机数组;将所述第一随机数组作为所述单目标优化模型的输入,基于遗传算法求解所述单目标优化模型,输出桥梁结构的最优设计参数。
第二求解模块具体用于获取第二信息,所述第二信息包括桥梁结构初始维护策略的可靠度退化量;根据所述第二信息和预设的第二指定范围生成第二随机数组;将所述第二随机数组作为所述优化模型的输入,基于遗传算法求解所述优化模型,输出桥梁结构的最佳维护策略。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3:
相应于上面的方法实施例,本实施例中还提供了一种桥梁结构维护策略优化设备,下文描述的一种桥梁结构维护策略优化设备与上文描述的一种桥梁结构维护策略优化方法可相互对应参照。
图3是根据示例性实施例示出的一种桥梁结构维护策略优化设备800的框图。如图3所示,该桥梁结构维护策略优化设备800可以包括:处理器801,存储器802。该桥梁结构维护策略优化设备800还可以包括多媒体组件803, I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该桥梁结构维护策略优化设备800的整体操作,以完成上述的桥梁结构维护策略优化方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该桥梁结构维护策略优化设备800的操作,这些数据例如可以包括用于在该桥梁结构维护策略优化设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(StaticRandom Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该桥梁结构维护策略优化设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,桥梁结构维护策略优化设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的桥梁结构维护策略优化方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的桥梁结构维护策略优化方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由桥梁结构维护策略优化设备800的处理器801执行以完成上述的桥梁结构维护策略优化方法。
实施例4:
相应于上面的方法实施例,本实施例中还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种桥梁结构维护策略优化方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的桥梁结构维护策略优化方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.桥梁结构维护策略优化方法,其特征在于,包括:
建立以桥梁结构的可靠度最大、施工工期最短和施工成本最低为优化目标的多目标优化模型,包括:获取第一信息,所述第一信息包括桥梁结构的初始设计参数,对所述第一信息进行敏感性分析,筛选出对桥梁结构的可靠度、施工工期和施工成本具有关键影响的待优化参数,根据可靠度最大化函数、施工工期值最小化函数和施工成本最小化函数构建多目标优化模型的目标函数,根据所述待优化参数的预设优化区间构建多目标优化模型的约束条件,所述待优化参数为桥梁结构构件的优化参数,所述施工工期和待优化参数之间的函数关系为:
;
其中表示施工工期,j表示总的工序,i表示第i道工序,/>表示工序i的单位工期,/>表示待优化参数;
基于理想点法、欧式距离和权重系数变换法将所述多目标优化模型转换为单目标优化模型;
求解所述单目标优化模型,输出桥梁结构的最优设计参数;
根据所述最优设计参数基于重要抽样法计算桥梁结构的初始可靠度;
根据所述初始可靠度建立以桥梁结构全生命周期的累积可靠度最大和全生命周期成本最低为优化目标的优化模型;
求解所述优化模型,输出桥梁结构的最佳维护策略。
2.根据权利要求1所述的桥梁结构维护策略优化方法,其特征在于,基于理想点法、欧式距离和权重系数变换法将所述多目标优化模型转换为单目标优化模型,包括:
获取所述多目标优化模型的最优解集合和可行解集合;
基于理想点法将所述最优解集合表示为理想点集合;
基于欧式距离计算所述理想点集合与可行解集合之间的差异,以所述理想点集合与可行解集合之间的距离最小值为目标,得到基于权重系数变换法的评价函数;
基于序关系分析法对所述评价函数中的各个目标权重进行取值,得到单目标优化模型。
3.根据权利要求1所述的桥梁结构维护策略优化方法,其特征在于,根据所述初始可靠度建立以桥梁结构全生命周期的累积可靠度最大和全生命周期成本最低为优化目标的优化模型,包括:
根据累积可靠度最大化函数和全生命周期成本最小化函数构建所述优化模型的目标函数,所述累积可靠度最大化函数包括初始可靠度和桥梁结构维护策略在每个维修时间节点的可靠度退化量,所述全生命周期成本最小化函数包括桥梁结构的建设成本、桥梁结构的维修时间节点和桥梁结构维护策略在每个维修时间节点的维护成本,所述桥梁结构维护策略由预防性维护措施、实质性维护措施和无维护措施中的一种或几种组成;
根据桥梁结构每个时刻的可靠度不低于规范规定可靠度下限值、维护时间不超过桥梁结构的预设生命周期构建约束条件。
4.桥梁结构维护策略优化装置,其特征在于,包括:
第一建立模块,所述第一建立模块用于建立以桥梁结构的可靠度最大、施工工期最短和施工成本最低为优化目标的多目标优化模型,所述第一建立模块包括,第一获取模块,所述第一获取模块用于获取第一信息,所述第一信息包括桥梁结构的初始设计参数,分析模块,所述分析模块用于对所述第一信息进行敏感性分析,筛选出对桥梁结构的可靠度、施工工期和施工成本具有关键影响的待优化参数,所述待优化参数为桥梁结构构件的优化参数,所述施工工期和待优化参数之间的函数关系为:
;
其中表示施工工期,j表示总的工序,i表示第i道工序,/>表示工序i的单位工期,/>表示待优化参数;
第一构建模块,所述第一构建模块用于根据可靠度最大化函数、施工工期值最小化函数和施工成本最小化函数构建多目标优化模型的目标函数;
第二构建模块,所述第二构建模块用于根据所述待优化参数的预设优化区间构建多目标优化模型的约束条件;
转换模块,所述转换模块用于基于理想点法、欧式距离和权重系数变换法将所述多目标优化模型转换为单目标优化模型;
第一求解模块,所述第一求解模块用于求解所述单目标优化模型,输出桥梁结构的最优设计参数;
第一计算模块,所述计算模块用于根据所述最优设计参数基于重要抽样法计算桥梁结构的初始可靠度;
第二建立模块,所述第二建立模块用于根据所述初始可靠度建立以桥梁结构全生命周期的累积可靠度最大和全生命周期成本最低为优化目标的优化模型;
第二求解模块,所述第二求解模块用于求解所述优化模型,输出桥梁结构的最佳维护策略。
5.根据权利要求4所述的桥梁结构维护策略优化装置,其特征在于,所述转换模块包括:
第二获取模块,所述第二获取模块用于获取所述多目标优化模型的最优解集合和可行解集合;
表示模块,所述表示模块用于基于理想点法将所述最优解集合表示为理想点集合;
第二计算模块,所述第二计算模块用于基于欧式距离计算所述理想点集合与可行解集合之间的差异,以所述理想点集合与可行解集合之间的距离最小值为目标,得到基于权重系数变换法的评价函数;
取值模块,所述取值模块用于基于序关系分析法对所述评价函数中的各个目标权重进行取值,得到单目标优化模型。
6.根据权利要求4所述的桥梁结构维护策略优化装置,其特征在于,所述第二建立模块,包括:
第三构建模块,所述第三构建模块用于根据累积可靠度最大化函数和全生命周期成本最小化函数构建所述优化模型的目标函数,所述累积可靠度最大化函数包括初始可靠度和桥梁结构维护策略在每个维修时间节点的可靠度退化量,所述全生命周期成本最小化函数包括桥梁结构的建设成本、桥梁结构的维修时间节点和桥梁结构维护策略在每个维修时间节点的维护成本,所述桥梁结构维护策略由预防性维护措施、实质性维护措施和无维护措施中的一种或几种组成;
第四构建模块,所述第四构建模块用于根据桥梁结构每个时刻的可靠度不低于规范规定可靠度下限值、维护时间不超过桥梁结构的预设生命周期构建约束条件。
7.桥梁结构维护策略优化设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现根据权利要求1至3任一项所述桥梁结构维护策略优化方法的步骤。
8.可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现根据权利要求1至3任一项所述桥梁结构维护策略优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311308690.2A CN117057256B (zh) | 2023-10-11 | 2023-10-11 | 桥梁结构维护策略优化方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311308690.2A CN117057256B (zh) | 2023-10-11 | 2023-10-11 | 桥梁结构维护策略优化方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117057256A CN117057256A (zh) | 2023-11-14 |
CN117057256B true CN117057256B (zh) | 2024-03-15 |
Family
ID=88655763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311308690.2A Active CN117057256B (zh) | 2023-10-11 | 2023-10-11 | 桥梁结构维护策略优化方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117057256B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262702A (zh) * | 2011-08-02 | 2011-11-30 | 湖南省交通规划勘察设计院 | 一种中小跨径混凝土桥梁养护的决策方法 |
CN107958310A (zh) * | 2017-12-07 | 2018-04-24 | 北京航空航天大学 | 一种考虑静动态不确定性的基于区间模型时变可靠性的在役结构最优维护设计方法 |
CN111160728A (zh) * | 2019-12-09 | 2020-05-15 | 华南农业大学 | 一种路桥养护决策优化方法及装置 |
CN111210078A (zh) * | 2020-01-08 | 2020-05-29 | 国电大渡河检修安装有限公司 | 一种检修工程多目标优化研究方法 |
CN112395673A (zh) * | 2020-11-17 | 2021-02-23 | 齐鲁工业大学 | 基于精英竞争策略的桥梁维护多目标优化方法及系统 |
CN112632677A (zh) * | 2020-12-25 | 2021-04-09 | 浙江大学 | 基于半马尔科夫决策过程的桥梁全寿命维护策略优化方法 |
CN114154298A (zh) * | 2021-10-29 | 2022-03-08 | 北京交通大学 | 一种基于时变可靠度的桥梁维修方案多目标优化方法 |
WO2023010760A1 (zh) * | 2021-08-04 | 2023-02-09 | 国网江苏省电力有限公司南通供电分公司 | 配售电竞争态势下区域配电网的供电能力评估方法 |
WO2023159845A1 (zh) * | 2022-02-28 | 2023-08-31 | 西安热工研究院有限公司 | 一种海上风电机组检修全过程优化方法及系统 |
-
2023
- 2023-10-11 CN CN202311308690.2A patent/CN117057256B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262702A (zh) * | 2011-08-02 | 2011-11-30 | 湖南省交通规划勘察设计院 | 一种中小跨径混凝土桥梁养护的决策方法 |
CN107958310A (zh) * | 2017-12-07 | 2018-04-24 | 北京航空航天大学 | 一种考虑静动态不确定性的基于区间模型时变可靠性的在役结构最优维护设计方法 |
CN111160728A (zh) * | 2019-12-09 | 2020-05-15 | 华南农业大学 | 一种路桥养护决策优化方法及装置 |
CN111210078A (zh) * | 2020-01-08 | 2020-05-29 | 国电大渡河检修安装有限公司 | 一种检修工程多目标优化研究方法 |
CN112395673A (zh) * | 2020-11-17 | 2021-02-23 | 齐鲁工业大学 | 基于精英竞争策略的桥梁维护多目标优化方法及系统 |
CN112632677A (zh) * | 2020-12-25 | 2021-04-09 | 浙江大学 | 基于半马尔科夫决策过程的桥梁全寿命维护策略优化方法 |
WO2023010760A1 (zh) * | 2021-08-04 | 2023-02-09 | 国网江苏省电力有限公司南通供电分公司 | 配售电竞争态势下区域配电网的供电能力评估方法 |
CN114154298A (zh) * | 2021-10-29 | 2022-03-08 | 北京交通大学 | 一种基于时变可靠度的桥梁维修方案多目标优化方法 |
WO2023159845A1 (zh) * | 2022-02-28 | 2023-08-31 | 西安热工研究院有限公司 | 一种海上风电机组检修全过程优化方法及系统 |
Non-Patent Citations (5)
Title |
---|
基于LCA和LCC的桥梁全生命周期维护决策优化;刘曙光,刘军,刘咏华等;《中外公路》;第43卷(第4期);124-129 * |
基于不确定性的钢筋混凝土桥梁量化可持续性评价;武文杰;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;全文 * |
基于性能劣化分析的钢桥维护策略优化研究;朱劲松;孟会林;;世界桥梁(第04期);98-104 * |
基于风险管理的桥梁维护策略多目标优化方法;范洪军;刘铁英;;交通标准化(第19期);89-93 * |
高速公路养护工程的"三一"目标集成管理模型;蔡文涛;刘星星;杨青;;武汉理工大学学报(信息与管理工程版)(第02期);70-75 * |
Also Published As
Publication number | Publication date |
---|---|
CN117057256A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Optimal sustainable life cycle maintenance strategies for port infrastructures | |
Frangopol et al. | Probabilistic models for life‐cycle performance of deteriorating structures: review and future directions | |
Saydam et al. | Risk-based maintenance optimization of deteriorating bridges | |
OBrien et al. | Lifetime maximum load effects on short-span bridges subject to growing traffic volumes | |
Zhang | Durability reliability analysis for corroding concrete structures under uncertainty | |
Guthrie | Real options analysis of climate-change adaptation: investment flexibility and extreme weather events | |
Okasha et al. | Advanced modeling for efficient computation of life-cycle performance prediction and service-life estimation of bridges | |
Kong et al. | Probabilistic optimization of aging structures considering maintenance and failure costs | |
Calvert et al. | Multi-defect modelling of bridge deterioration using truncated inspection records | |
Hajializadeh et al. | Spatial time-dependent reliability analysis of reinforced concrete slab bridges subject to realistic traffic loading | |
CN111539904A (zh) | 一种基于降雨量的灾害易发性预测方法 | |
Cheng et al. | Investigation of effects of time preference and risk perception on life-cycle management of civil infrastructure | |
Hu et al. | Resilience-based seismic design optimization of highway RC bridges by response surface method and improved non-dominated sorting genetic algorithm | |
Sharma et al. | Computational Intelligence‐Based Structural Health Monitoring of Corroded and Eccentrically Loaded Reinforced Concrete Columns | |
Marinelli et al. | Non-parametric bill of quantities estimation of concrete road bridges superstructure: an artificial neural networks approach | |
CN117057256B (zh) | 桥梁结构维护策略优化方法、装置、设备及可读存储介质 | |
Gulghane et al. | Performance analysis of machine learning-based prediction models for residential building construction waste | |
Sanni-Anibire et al. | Developing a machine learning model to predict the construction duration of tall building projects | |
Bayane et al. | Quantification of the conditional value of SHM data for the fatigue safety evaluation of a road viaduct | |
Bush et al. | Development of a bridge deterioration model in a data-constrained environment | |
Riveros et al. | Predicting future deterioration of hydraulic steel structures with Markov chain and multivariate samples of statistical distributions | |
Collins et al. | Comparison of Markovian-based bridge deterioration model approaches | |
JPH11194803A (ja) | ダム出水量予測モデル構築方法及びダム出水量予測方法 | |
Zhou et al. | Two-stage degradation modeling combined with machine learning for steel rebar degradation prediction | |
Nguyen et al. | Accurately predicting the mechanical behavior of deteriorated reinforced concrete components using natural intelligence-integrated Machine learners |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |