钢管混凝土徐变效应随机性灵敏度分析

材料物理性质、截面尺寸和外荷载大小等影响因素的随机性对结构正常使用产生的影响。混凝土徐变效应的影响因素具有随机性，但是目前采用的规范给出的混凝土徐变计算模型均是在试验统计均值基础上建立的，存在拟合统计误差。对于中小跨径桥梁等对混凝土徐变效应不敏感的桥梁结构，忽略影响因素的随机性而进行确定性分析可以满足实际工程要求，但是对于高速铁路大跨径桥梁或高层建筑等对混凝土徐变效应敏感的结构，则不能忽略影响因素的随机性。

近年来，各国学者已就如何考虑各影响因素的随机性对混凝土徐变效应影响开展了相应研究。Madsen等[12]采用点估计方法和BP模型对混凝土收缩徐变效应的随机性进行了分析，并提出采用拉丁超立方抽样方法计算混凝土收缩徐变随机性以降低抽样次数，提高计算效率；Oh等[3]采用拉丁超立方抽样法对预应力混凝土箱梁的收缩徐变随机性问题进行了一系列研究；张建仁等[4]基于Neumann展开随机有限元法与拉丁超立方抽样法结合计算分析了大跨度预应力混凝土连续刚构桥的徐变效应随机性；潘钻峰等[5]采用拉丁超立方抽样法对苏通大桥连续刚构桥的收缩徐变效应进行了不确定性分析；张运涛等[6]采用响应面方法结合蒙特卡洛法对混凝土结构进行了徐变随机灵敏度分析；马坤等[7]采用基于响应面的蒙特卡洛法对高速铁路大跨度钢筋混凝土拱桥的时变变形进行了随机性灵敏度分析。

由于核心混凝土的徐变作用，钢管混凝土结构的徐变效应具有随机性，但是目前在该方面取得的研究成果有限。本文提出基于支持向量机蒙特卡洛法（SVMMCS）对钢管混凝土结构进行徐变随机性灵敏度分析，并利用文献[8]中提出的自适应混合粒子群法对支持向量机参数进行优化，通过2个算例验证该方法的可行性。

1支持向量机基本原理与参数优化

1.1支持向量机基本原理

1.2支持向量机参数优化

本文采用具有良好长期预测能力的RBF核函数构造支持向量机，由第1.1节可知不敏感参数ε、惩罚因子C和核函数参数σ的取值对支持向量机的拟合精度有直接影响，在回归计算时需要指定一个常用的正数作为不敏感参数ε，但是C和σ的值还难以用理论的方法确定。本文采用文献[8]中提出的自适应混合粒子群法优化C和σ的取值。采用能直接反映支持向量机回归性能的均方根误差作为自适应混合粒子群法优化的适应度函数。均方根误差mse的计算公式为

由文献[11]可知，钢管混凝土徐变与核心混凝土的自由徐变成正比，并且比例系数仅与钢管和核心混凝土的弹性模量、截面面积有关。因此，本文取钢管的弹性模量和截面面积作为随机变量。根据文献[12]的研究结果，钢管弹性模量不确定性系数α4服从均值为1.0、变异系数为0.06的正态分布。由于钢管混凝土截面面积的精度主要取决于钢管加工时的精度，因此钢管和核心混凝土截面的几何统计参数可统一按钢管结构取用。

3基于支持向量机与蒙特卡洛法的随机性灵敏度分析方法

3.1抽样策略

本文主要研究钢管混凝土结构的徐变效应在大概率区间的随机分布信息，因此应使抽取的样本点较多地包含随机变量的信息，根据文献[13]采用如下方法抽取随机变量：当随机变量个数少于6个时采用中心复合设计法（CCD法）；当随机变量个数大于等于6个时，采用Bucher设计法。三维抽样方式示意如图1所示。假设某结构有n个随机变量，即X=（x1，x2，…，xn），以随机变量的均值向量μ=（μ1，μ2，…，μn）作为抽样中心点，并将抽样中心点以外的抽样点偏离中心点±kσi（σi为第i个变量的标准差，i=1，2，…，n）的距离。由于本文主要研究钢管混凝土结构徐变效应在大概率区间内的随机分布信息，并且随机变量不能取为负值，因此取k=2.5，此时μ±kσ分别对应99.38%分位点和0.62%分位点，则随机变量取值落在以均值μ为中心，以2.5σ为半径的区间内的概率为98.76%，可以保证抽取的样本点较多地包含随机变量的信息。

3.3结构随机性灵敏度分析步骤

根据第3.1节的抽样策略对随机变量抽取样本点Xi，利用有限元软件ANSYS建立钢管混凝土结构双单元共节点有限元模型，并采用文献[11]中提出的等效温度荷载法结合CEB90徐变模型计算各样本点对应的钢管混凝土徐变效应Yi，将样本点Xi和徐变效应Yi作为SVM训练的样本对（Xi，Yi）进行数据归一化处理。采用自适应混合粒子群法对惩罚因子C和核函数参数σ进行训练优化，并判断是否满足终止条件，不满足则继续循环直至指定次数。将训练成功的SVM结果作为徐变效应的显式函数，根据式（19）计算各随机变量的灵敏度系数，同时对随机变量抽取数量为N的输入样本，结合MCS对结构响应进行随机性分析，计算流程见图2。

4算例分析

为验证SVMMCS应用在钢管混凝土结构徐变随机性灵敏度分析中的可行性和合理性，分别对2个轴压钢管混凝土构件模型徐变试验进行随机性灵敏度分析，并与MCS计算结果进行对比验证。采用MCS进行随机性分析时，对各个随机变量在（0，+∞）范围内随机抽取10 000个数据进行计算。

4.1算例1

文献[14]采用199×1.5、高度为600 mm的无缝钢管开展了钢管混凝土徐变试验，加载龄期为18 d，长期荷载持荷时间为132 d，轴压荷载为350 kN。混凝土抗压强度平均值fcm为45.2 MPa，钢管弹性模量Es取为2.0×105 MPa，混凝土弹性模量根据式（14）计算。在进行钢管混凝土徐变随机性灵敏度分析时，除考虑第2节中列出的随机变量外，还考虑了轴压荷载的随机性，引入轴压荷载不确定性系数α5，假定其服从均值为1.0、变异系数为0.1的正态分布；钢管截面尺寸的随机性只考虑沿钢管半径方向壁厚的变异，引入钢管壁厚不确定性系数α6，根据文献[15]的统计结果，α6服从均值为1.0、变异系数为0.022的正态分布。本文分别采用MCS和SVMMCS进行钢管混凝土徐变随机性分析，并将计算结果拟合的概率密度曲线进行对比，验证SVMMCS的可行性，限于篇幅仅列出了第80 d和第132 d的对比结果，如图3所示。徐变概率密度曲线如图4所示，各随机变量的灵敏度系数计算结果如图5所示。

由图3可知，SVMMCS对钢管混凝土徐变效应随机性预测值与MCS计算值接近，相对误差较小，表明SVMMCS可以应用在钢管混凝土徐变效应随机性分析中。由图4可知，考虑了计算参数的随机性之后，钢管混凝土徐变应变呈现随机性，概率密度函数曲线近似于正态分布，SVMMCS预测中值、99.38%分位点和0.62%分位点与MCS计算结果分位点吻合良好，但SVMMCS预测中值、MCS计算中值与钢管混凝土构件模型徐变试验测定值之间存在差距。由图5可知，钢管混凝土徐变效应对不确定性系数α1，α3，α5较为敏感，并且随着时间的变化，不确定性系数α1的敏感性不断增加，而不确定性系数α3，α5的敏感性逐渐降低。

4.2算例2

对文献[16]中的R8号矩形钢管混凝土试件进行徐变随机性灵敏度分析，R8模型为采用长为120 mm、宽为90 mm、壁厚为2.93 mm、高为600 mm的矩形钢管制作的钢管混凝土试件，加载龄期为28 d，长期荷载持荷时间为180 d，轴压荷载为424 kN。内填混凝土的抗压强度平均值fcm为27.6 MPa，钢管弹性模量Es为1.95×105 MPa，混凝土弹性模量根据式（14）计算。除了考虑前文列出的随机变量外，本文还引入矩形钢管截面高度不确定性系数α7和壁厚不确定性系数α8，根据文献[15]的统计结果，α7服从均值为1.0、变异系数为0.011的正态分布，α8服从均值为1.0、变异系数为0.022的正态分布。MCS和SVMMCS计算结果拟合的概率密度曲线对比如图6所示，限于篇幅仅列出了第100 d和第180 d的对比结果。徐变概率密度曲线如图7所示，各随机变量的灵敏度计算结果如图8所示。

由图6可知，SVMMCS对钢管混凝土徐变效应随机性预测值与MCS计算值接近，相对误差较小，表明SVMMCS可以应用在钢管混凝土徐变效应随机性分析中。由图7可知，考虑了计算参数的随机性之后，钢管混凝土徐变应变呈现随机性，概率密度函数曲线近似于正态分布，SVMMCS预测中值、99.38%分位点和0.62%分位点与MCS计算结果分位点吻合良好，但SVMMCS预测中值、MCS计算中值与钢管混凝土构件模型徐变试验测定值之间存在差距。由图8可知，钢管混凝土徐变效应对不确定性系数α1，α3，α5较为敏感，并且随着时间的变化，不确定性系数α1的敏感性不断增加，而不确定性系数α3，α5的敏感性逐渐降低。

5结语

（1）本文采用支持向量机回归拟合钢管混凝土徐变效应显式函数，并与蒙特卡洛法结合进行徐变随机性分析，提高了计算效率。

（2）采用SVMMCS对2个钢管混凝土轴压徐变试验模型进行徐变随机性分析，并将分析结果与MCS计算结果进行对比，相对误差较小，表明SVMMCS可以应用在钢管混凝土徐变效应随机性分析中。

（3）考虑各影响参数的随机性之后，钢管混凝土徐变效应概率密度函数曲线近似于正态分布，并且SVMMCS预测中值、99.38%分位点和0.62%分位点与MCS计算结果分位点吻合良好，但是SVMMCS预测中值、MCS计算中值与钢管混凝土构件模型徐变试验测定值之间存在差距，钢管混凝土徐变效应随机性分析可以给出具有概率保证意义的分析结果，因此有必要对钢管混凝土结构徐变效应进行随机性分析。

（4）钢管混凝土徐变效应对不确定性系数α1，α3，α5较为敏感，并且随着时间的变化，不确定性系数α1的敏感性不断增加，而不确定性系数α3，α5的敏感性逐渐降低。

参考文献：

References：

[1]MADSEN H O，BAZANT Z P.Uncertainty Analysis of Creep and Shrinkage Effects in Concrete Structures[J].ACI Materials Journal，1983，80（2）：116127.

[2]BAZANT Z P，LIU K L.Random Creep and Shrinkage in Structures：Sampling[J].Journal of Structural Engineering，1985，115（5）：11131134.

[3]OH B H，YANG I H.Sensitivity Analysis of Timedependent Behavior in PSC Box Girder Bridges[J].Journal of Structural Engineering，2000，126（2）：171179.

[4]张建仁，汪维安，余钱华.高墩大跨连续刚构桥收缩徐变效应的概率分析[J].长沙交通学院学报，2006，22（2）：17，28.

ZHANG Jiaen，WANG Weian，YU Qianhua.Probabilistic Analysis of Shrinkage and Creep Effect for Continuous Rigid Frame Bridges with Longspan and High Piers[J].Journal of Changsha Communications University，2006，22（2）：17，28.

[5]潘钻峰，吕志涛，刘钊，等.苏通大桥连续刚构收缩徐变效应的不确定性分析[J].工程力学，2009，26（9）：6773.

PAN Zuanfeng，LU Zhitao，LIU Zhao，et al.Uncertainty Analysis of Creep and Shrinkage Effect in Continuous Rigid Frame of Sutong Bridge[J].Engineering Mechanics，2009，26（9）：6773.

[6]张运涛，孟少平，张速.基于响应面法的桥梁结构徐变效应分析[J].中国公路学报，2011，24（1）：7882.

ZHANG Yuntao，MENG Shaoping，ZHANG Su.Creep Effect Analysis of Bridge Structure Based on Response Surface Methodology[J].China Journal of Highway and Transport，2011，24（1）：7882.

[7]马坤，向天宇，赵人达，等.高速铁路钢筋混凝土拱桥长期变形的随机分析[J].土木工程学报，2012，45（11）：141146.

MA Kun，XIANG Tianyu，ZHAO Renda，et al.Stochastic Analysis of Longterm Deformation of Reinforced Concrete Arch Bridges for Highspeed Railways[J].China Civil Engineering Journal，2012，45（11）：141146.

[8]赵金钢，赵人达，占玉林，等.基于支持向量机和蒙特卡洛法的结构随机灵敏度分析方法[J].工程力学，2014，31（2）：195202.

ZHAO Jingang，ZHAO Renda，ZHAN Yulin，et al.Stochastic Sensitivity Analysis Method Based on Support Vector Machine and Monte Carlo[J].Engineering Mechanics，2014，31（2）：195202.

[9]BAZANT Z P，LI G H.Unbiased Statistical Comparison of Creep and Shrinkage Prediction Models[J].ACI Materials Journal，2008，105（6）：610621.

[10]LAUMET P.Reliabilitybased Deterioration Model for Deflection Limit State Girder Bridges[D].Ann Arbor：University of Michigan，2006.

[11]赵金钢，赵人达，占玉林.钢管混凝土轴心受压构件徐变计算方法及徐变模型对比分析[J].公路交通科技，2013，30（4）：4652.

ZHAO Jingang，ZHAO Renda，ZHAN Yulin.Comparative Analysis of Creep Calculation Methods and Creep Models for Axially Compressed CFST Members[J].Journal of Highway and Transportation Research and Development，2013，30（4）：4652.

[12]LIU C H.Reliability Validation of Multigirder Steel Bridges Designed by LRFD[J].Computers & Structures，2002，80（32）：25152527.

[13]马超，吕震宙.结构可靠性分析的支持向量机分类迭代算法[J].中国机械工程，2007，18（7）：816819.

MA Chao，LU Zhenzhou.Iterative Algorithm for Structure Reliability Analysis Based on Support Vector Classification Method[J].China Mechanical Engineering，2007，18（7）：816819.

[14]TERREY P J，BRADFORD M A，GILBERT R I.Creep and Shrinkage of Concrete in Concretefilled Circular Steel Tubes[C]//CRUNDY P.Proceedings of the 6th International Symposium on Tubular Structures.Melbourne：Balkema A A，1994：293298.

[15]李昆.基于可靠度理论的公路钢桥概率极限状态设计方法研究[D].上海：同济大学，2007.

LI Kun.Research for the Steel Highway Bridge Design Method of Probability Limited Status Based on Reliability Theory[D].Shanghai：Tongji University，2007.

[16]韩林海，杨有福，刘威.长期荷载作用对矩形钢管混凝土轴心受压柱力学性能的影响研究[J].土木工程学报，2004，37（3）：1218.

HAN Linhai，YANG Youfu，LIU Wei.The Behavior of Concretefilled Steel Tubular Columns with Rectangular Section Under of Longterm Loading[J].China Civil Engineering Journal，2004，37（3）：1218.

推荐访问： 随机性 灵敏度 混凝土 钢管 效应

---