基于IPSO-BP的受損鋼結(jié)構(gòu)改造施工安全預(yù)警評(píng)估研究*

李慧民，段品生，孟 海,2，郭海東

(1.西安建筑科技大學(xué) 土木工程學(xué)院，陜西 西安 710055； 2.中冶建筑研究總院有限公司，北京 100088)

0 引言

鋼結(jié)構(gòu)是現(xiàn)代工程建設(shè)時(shí)采用的主要結(jié)構(gòu)形式之一，具有自重輕、強(qiáng)度高、安裝簡(jiǎn)便等諸多優(yōu)點(diǎn)。但受氣候、震動(dòng)、撞擊等環(huán)境的影響，鋼結(jié)構(gòu)極易出現(xiàn)銹蝕、傾斜及變形等損傷情況，影響其正常使用。根據(jù)統(tǒng)計(jì)資料，目前我國(guó)63%的鋼結(jié)構(gòu)在使用階段出現(xiàn)損傷情況[1]，且由于技術(shù)更新迭代和功能需求變化，很多鋼結(jié)構(gòu)建筑現(xiàn)狀已遠(yuǎn)不能滿足企業(yè)和社會(huì)發(fā)展的需要。然而，由于部分鋼結(jié)構(gòu)受損嚴(yán)重，其改造施工過(guò)程存在極大的安全隱患，如2019年5月16日上海市長(zhǎng)寧區(qū)某鋼結(jié)構(gòu)廠房改造施工過(guò)程中出現(xiàn)垮塌事故，造成12人死亡，13人重傷[2]。因此，有必要對(duì)其改造施工過(guò)程安全狀況進(jìn)行評(píng)估，提前發(fā)現(xiàn)結(jié)構(gòu)施工不安全狀態(tài)并發(fā)出警報(bào)，采取相應(yīng)的技術(shù)措施避免造成損失。

目前國(guó)內(nèi)外施工安全預(yù)警評(píng)估的研究對(duì)象多為地鐵、基坑、超高層等新建結(jié)構(gòu)。在既有結(jié)構(gòu)改造方面，丁麗萍[3]對(duì)鋼結(jié)構(gòu)廠房托梁拔柱改造全過(guò)程進(jìn)行了研究，建立安全評(píng)價(jià)指標(biāo)體系并提出相應(yīng)的風(fēng)險(xiǎn)控制對(duì)策；熊仲明等[4]結(jié)合大跨鋼結(jié)構(gòu)的受力特點(diǎn)，采用模糊綜合評(píng)價(jià)方法建立其安全性評(píng)價(jià)模型，并通過(guò)試驗(yàn)對(duì)比驗(yàn)證了模型可行性；羅永峰等[5]根據(jù)鋼結(jié)構(gòu)施工過(guò)程是否存在動(dòng)力效應(yīng)，將其施工監(jiān)測(cè)分為靜力監(jiān)測(cè)和動(dòng)力監(jiān)測(cè)2種類型，并提出相應(yīng)的監(jiān)測(cè)參數(shù)，為鋼結(jié)構(gòu)改造施工安全控制指標(biāo)及數(shù)據(jù)監(jiān)測(cè)提供了參考；咸慶軍等[6]通過(guò)分析受損鋼結(jié)構(gòu)變電構(gòu)架受力特點(diǎn)，運(yùn)用BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)方法建立其承載力預(yù)測(cè)模型；羅堯治等[7]結(jié)合大跨度空間結(jié)構(gòu)特點(diǎn)，提出其安全預(yù)警評(píng)估指標(biāo)體系并結(jié)合模糊綜合評(píng)價(jià)方法建立完整的預(yù)警模型；此外，國(guó)外有學(xué)者結(jié)合有限元軟件[8]和現(xiàn)代化信息技術(shù)[9]對(duì)施工過(guò)程進(jìn)行實(shí)時(shí)監(jiān)測(cè)預(yù)警。綜上所述，從研究對(duì)象上看，目前缺少針對(duì)受損鋼結(jié)構(gòu)改造施工的安全控制研究；從研究方法上看，存在主觀性強(qiáng)、預(yù)測(cè)模型精度不高等問(wèn)題。

鑒于此，通過(guò)分析受損鋼結(jié)構(gòu)的損傷特點(diǎn)，利用改進(jìn)粒子算法(Improved Particle Swarm Optimization，IPSO)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)初始權(quán)重及閾值，構(gòu)建針對(duì)其改造施工過(guò)程的安全預(yù)警指標(biāo)體系；并以某受損鋼結(jié)構(gòu)廠房為實(shí)例進(jìn)行分析以驗(yàn)證指標(biāo)體系及模型的可行性，以期更好地指導(dǎo)實(shí)際改造施工過(guò)程。

1 基于IPSO-BP安全預(yù)警評(píng)估模型

1.1 BP神經(jīng)網(wǎng)絡(luò)基礎(chǔ)理論

BP神經(jīng)網(wǎng)絡(luò)是一種前饋式多層感知機(jī)模型，利用以模型訓(xùn)練均方誤差最小化為目標(biāo)反復(fù)修正模型初始權(quán)重及閾值，主要由輸入層，隱含層和輸出層構(gòu)成。其過(guò)程可以分為正向模型輸入和反向誤差傳播2個(gè)部分，如圖1所示[6]。

圖1 典型三層BP模型Fig.1 Typicalthree-layer BP model

輸入數(shù)據(jù)序列即受損鋼結(jié)構(gòu)改造施工安全監(jiān)測(cè)指標(biāo)數(shù)據(jù)xk={x1k,x2k,…,xnk}，經(jīng)過(guò)中間層的學(xué)習(xí)輸出最終預(yù)警級(jí)別yk。比較模型輸出值與理論預(yù)警值，若兩者之間的誤差滿足收斂條件，則訓(xùn)練結(jié)束。否則將誤差向模型輸入層反向傳播，并在傳播過(guò)程中不斷修改模型權(quán)重及閾值，反復(fù)執(zhí)行該過(guò)程直至收斂，網(wǎng)絡(luò)隱含層到輸出層的計(jì)算見式(1)和(2)：

(1)

yk=f(Ik)

(2)

式中：ωjk和bjk分別為模型權(quán)重和閾值；xjk為隱含層輸出值；f(·)為神經(jīng)網(wǎng)絡(luò)模型的激勵(lì)函數(shù)；yk為第k條數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)輸出值。

1.2 改進(jìn)粒子群算法

粒子群算法是通過(guò)模擬鳥類在覓食過(guò)程中的遷徙行為而提出的仿生全局隨機(jī)搜索算法[10]。粒子群中的每個(gè)粒子的位置就是所求問(wèn)題的一個(gè)解，假設(shè)該解的維度為D，共有M個(gè)粒子組成的“鳥群”U={Z1,Z2,Z3,…,ZM}，第i個(gè)(i=1,2,3,…,M)粒子的空間位置為Zi={zi1,zi2,zi3,…,ziD}，并用Vi={vi1,vi2,vi3,…,viD}表示該粒子的速度向量，該粒子在歷次迭代過(guò)程中的個(gè)體最優(yōu)位置記為個(gè)體極值Pi={pi1,pi2,pi3,…,piD}，整個(gè)粒子群在歷次迭代過(guò)程中的個(gè)體最優(yōu)位置記為群體極值Gi={gi1,gi2,gi3,…,giD}。每次迭代過(guò)程中，粒子通過(guò)當(dāng)前位置、自身速度、個(gè)體極值和群體極值的適應(yīng)度更新位置。更新公式見式(3)和式(4)，位置更新過(guò)程可用向量圖進(jìn)行示意，見圖2。

圖2 粒子位置更新示意Fig.2 Schematic diagram of particle location update

(3)

(4)

式中：ω為慣性權(quán)重系數(shù)；c1，c2為非負(fù)學(xué)習(xí)因子；r1，r2為取值范圍為0～1的隨機(jī)數(shù)；t為當(dāng)前粒子群迭代次數(shù)。

1)優(yōu)化慣性權(quán)重系數(shù)

慣性權(quán)重系數(shù)ω與粒子群的全局與局部搜索能力密切相關(guān)[11]。一般情況下，ω的值越大則粒子群的全局搜索能力越強(qiáng)，ω的值越小則粒子群的局部搜索能力越強(qiáng)[11]。因此，可以通過(guò)較大的ω增強(qiáng)粒子群迭代前期的全局搜索能力，并通過(guò)較小的ω增強(qiáng)粒子群迭代后期的局部搜索能力，以此提升群體迭代速度及迭代精度。本文根據(jù)式(5)來(lái)更新粒子群慣性權(quán)重系數(shù)：

(5)

式中：ωmin和ωmax分別為慣性權(quán)重變化的最小值和最大值；tmax為設(shè)定的最大迭代次數(shù)。

2)優(yōu)化學(xué)習(xí)因子

學(xué)習(xí)因子c1，c2與粒子認(rèn)知情況密切相關(guān)[12]。從式(3)可以看出，c1決定粒子個(gè)體認(rèn)知水平貢獻(xiàn)率，c2決定粒子群體認(rèn)知水平貢獻(xiàn)率。因此，在迭代前期，粒子適應(yīng)度較大，可通過(guò)較大的c2來(lái)控制粒子按群體最優(yōu)方向發(fā)展；迭代后期，粒子適應(yīng)度逐漸降低，可通過(guò)較大的c1釋放粒子個(gè)體認(rèn)知，直至找到最優(yōu)位置。鑒于此，本文根據(jù)式(6)及式(7)來(lái)更新學(xué)習(xí)因子：

(6)

(7)

式中：c1min，c2min和c1max，c2max分別表示學(xué)習(xí)因子的最小值和最大值。

通過(guò)對(duì)慣性權(quán)重系數(shù)和學(xué)習(xí)因子的調(diào)整對(duì)粒子群算法進(jìn)行改進(jìn)的方法優(yōu)勢(shì)主要在于以下2點(diǎn)：①降低了算法迭代次數(shù)，通過(guò)調(diào)整不同階段粒子群的發(fā)展方向，減少了計(jì)算時(shí)間；②提高了算法精度，該改進(jìn)模型可以有效避免粒子群陷入局部最優(yōu)的問(wèn)題，提高粒子群算法預(yù)測(cè)精度。

1.3 基于IPSO改進(jìn)BP神經(jīng)網(wǎng)絡(luò)

為提高BP神經(jīng)網(wǎng)絡(luò)的運(yùn)算速度，改善模型的計(jì)算精度，避免陷入局部最優(yōu)，通過(guò)改進(jìn)粒子群算法對(duì)BP初始權(quán)重及閾值進(jìn)行優(yōu)化，流程見圖3[13]。

圖3 基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)計(jì)算流程Fig.3 Calculation process of BP neural network based on IPSO

改進(jìn)模型首先輸入BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)重、閾值組成粒子群，進(jìn)入粒子群算法計(jì)算過(guò)程。粒子群算法適應(yīng)度函數(shù)選擇均方誤差函數(shù)。得到的粒子群最優(yōu)解即為神經(jīng)網(wǎng)絡(luò)模型的最優(yōu)初始權(quán)重及閾值，以此進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練及預(yù)測(cè)。

2 安全預(yù)警評(píng)估指標(biāo)體系及閾值

2.1 指標(biāo)體系構(gòu)建

與一般鋼結(jié)構(gòu)改造施工相比，受損結(jié)構(gòu)的構(gòu)件參數(shù)劣于設(shè)計(jì)參數(shù)，改造施工應(yīng)嚴(yán)格控制結(jié)構(gòu)、構(gòu)件的變形、應(yīng)力等參數(shù)變化。參考《工業(yè)建筑可靠性鑒定標(biāo)準(zhǔn)》GB50144-2008、《建筑工程施工過(guò)程結(jié)構(gòu)分析與監(jiān)測(cè)技術(shù)規(guī)范》JGJ/T 302-2013以及《舊工業(yè)建筑再生利用技術(shù)標(biāo)準(zhǔn)》T/CMCA 4001-2017的相關(guān)規(guī)定，從環(huán)境、結(jié)構(gòu)2個(gè)方面構(gòu)建安全預(yù)警指標(biāo)。

環(huán)境方面，通常情況下應(yīng)變與溫度變化近似成線性關(guān)系，風(fēng)速也是影響受損鋼結(jié)構(gòu)安全的重要因素；結(jié)構(gòu)方面主要包括靜態(tài)指標(biāo)和動(dòng)態(tài)指標(biāo)，靜態(tài)指標(biāo)包括基礎(chǔ)累計(jì)沉降、上部結(jié)構(gòu)水平及豎向變形、應(yīng)力、應(yīng)變、支座反力和承載力等，動(dòng)態(tài)監(jiān)測(cè)主要包括加速度，指標(biāo)體系如圖4所示。

圖4 受損鋼結(jié)構(gòu)改造施工安全預(yù)警評(píng)估指標(biāo)體系Fig.4 Safety early-warning assessment index system of damaged steel structure reconstruction

環(huán)境單項(xiàng)指標(biāo)預(yù)警閾值參考文獻(xiàn)[14]結(jié)合結(jié)構(gòu)所處地區(qū)具體的歷史氣象數(shù)據(jù)及現(xiàn)場(chǎng)監(jiān)測(cè)數(shù)據(jù)劃分5級(jí)預(yù)警區(qū)間。以湖北省咸寧市為例，依據(jù)當(dāng)?shù)啬昶骄L(fēng)速2.6 m/s，風(fēng)速閾值區(qū)間按4～5級(jí)風(fēng)、6～7級(jí)風(fēng)、8～9級(jí)風(fēng)、10級(jí)風(fēng)、10級(jí)風(fēng)以上對(duì)應(yīng)平均風(fēng)速值確定；該市年平均氣溫16.8 ℃，年最高氣溫21.92 ℃，年最低氣溫13.7 ℃，最熱月均氣溫33.8 ℃，最冷月均氣溫3.3 ℃，極端最高氣溫41.4 ℃，極端最低氣溫-15.4 ℃，據(jù)此劃分溫度五級(jí)預(yù)警閾值區(qū)間見表1。結(jié)構(gòu)單項(xiàng)指標(biāo)預(yù)警閾值方面，由于鋼結(jié)構(gòu)改造施工中結(jié)構(gòu)荷載變化較大，使用絕對(duì)指標(biāo)作為預(yù)警閾值易導(dǎo)致預(yù)警結(jié)果出現(xiàn)偏差乃至錯(cuò)誤。根據(jù)《建筑工程施工過(guò)程結(jié)構(gòu)分析與監(jiān)測(cè)技術(shù)規(guī)范》JGJ/T 302-2013中4.5.9條第3款 “預(yù)警值按施工過(guò)程結(jié)構(gòu)分析結(jié)果設(shè)定時(shí)，可取理論分析結(jié)果的130%”。本文將結(jié)構(gòu)單項(xiàng)指標(biāo)以理論分析結(jié)果的100%，110%，120%及130%劃分五級(jí)預(yù)警區(qū)間，閾值區(qū)間列表見表1，其中風(fēng)速及溫度閾值區(qū)間根據(jù)國(guó)家氣象信息中心公布的氣象數(shù)據(jù)及相關(guān)資料確定[14]。

表1 受損鋼結(jié)構(gòu)改造施工安全預(yù)警指標(biāo)閾值Table 1 Thresholds for safety early-warning indexes of damaged steel structure reconstruction

與一般鋼結(jié)構(gòu)改造施工項(xiàng)目相比，在受損鋼結(jié)構(gòu)改造施工安全預(yù)警評(píng)估指標(biāo)體系中，存在鋼構(gòu)件承載力評(píng)定指標(biāo)，該指標(biāo)根據(jù)實(shí)際受損狀況取值。按照損傷原因的不同，鋼結(jié)構(gòu)受損情況分為均勻受損和不均勻受損2類。其中均勻受損包括構(gòu)件銹蝕、疲勞等；非均勻受損包括撞擊、裂縫等。對(duì)于這2類受損情況，其本質(zhì)為鋼結(jié)構(gòu)構(gòu)件的有效截面面積或彈性模量發(fā)生變化，進(jìn)而導(dǎo)致構(gòu)件承載力發(fā)生變化。因此，在進(jìn)行評(píng)估時(shí)可按照結(jié)構(gòu)損傷之后的有效截面面積和彈性模量考慮截面特性并評(píng)定承載力。根據(jù)《工業(yè)建筑可靠性鑒定標(biāo)準(zhǔn)》GB50144-2008中第6.3.3條的規(guī)定，包括重要構(gòu)件、連接承載力評(píng)定和次要構(gòu)件承載力評(píng)定2部分，并將該指標(biāo)預(yù)警閾值進(jìn)行如表2所示劃分。

表2 構(gòu)件承載力安全預(yù)警指標(biāo)閾值Table 2 Thresholds for safety early-warning indexes of component bearing capacity

2.2 綜合預(yù)警等級(jí)評(píng)估

根據(jù)相關(guān)文獻(xiàn)[15]，將受損鋼結(jié)構(gòu)改造施工安全綜合預(yù)警評(píng)估級(jí)別分為5級(jí)，其中一級(jí)表示施工過(guò)程非常安全；二級(jí)表示比較安全，需加大安全監(jiān)測(cè)強(qiáng)度；三級(jí)為一般，需要針對(duì)可能出現(xiàn)的警情采取安全控制措施；四級(jí)為較為危險(xiǎn)，此時(shí)應(yīng)暫停部分工序施工，及時(shí)查清報(bào)警原因并處理警情；五級(jí)為非常危險(xiǎn)，應(yīng)全面停工，待警情完全處理后恢復(fù)施工或停止施工。綜合預(yù)警級(jí)別劃分見表3[14]。

表3 受損鋼結(jié)構(gòu)改造施工綜合預(yù)警級(jí)別Table 3 Comprehensive early-warning level of damaged steel structure reconstruction

2.3 模型訓(xùn)練與檢驗(yàn)

本文在前文指標(biāo)分析的基礎(chǔ)上，通過(guò)在各級(jí)預(yù)警區(qū)間內(nèi)線性內(nèi)插200個(gè)樣本，并從中以10為單位選擇100個(gè)樣本作為測(cè)試樣本，剩余的900個(gè)樣本為訓(xùn)練樣本。

借助matlab神經(jīng)網(wǎng)絡(luò)工具箱，數(shù)據(jù)樣本輸入維度為11，輸出維度為1，設(shè)定模型包括1層隱含層，維數(shù)為10，神經(jīng)網(wǎng)絡(luò)最大迭代次數(shù)、學(xué)習(xí)速率和訓(xùn)練誤差最小目標(biāo)分別設(shè)置為1 000，0.05和1×10-8。IPSO算法設(shè)定基本粒子數(shù)為40，粒子長(zhǎng)度131，慣性權(quán)重ωmin，ωmax取0.3和0.9，最大迭代25次，學(xué)習(xí)因子c1max，c2max取2.5，c1min和c2min取1.5，期望誤差0.001。神經(jīng)網(wǎng)絡(luò)輸入層和隱含層之間為S型對(duì)數(shù)函數(shù)，隱含層與輸出層為線性傳遞函數(shù)，模型訓(xùn)練為trainlm函數(shù)[16]。

本文模型與其他文獻(xiàn)中的IPSO模型迭代適應(yīng)度曲線結(jié)果對(duì)比見圖5。從圖5中可見改進(jìn)算法在第6次迭代已接近期望誤差，模型計(jì)算效果見表4。結(jié)果表明：IPSO-BP神經(jīng)網(wǎng)絡(luò)模型的迭代次數(shù)與預(yù)測(cè)精度均優(yōu)于傳統(tǒng)模型，具有較好的預(yù)測(cè)能力。

圖5 模型粒子群適應(yīng)度曲線對(duì)比Fig.5 Comparison of particle swarm fitness curves by different models

2.4 預(yù)警評(píng)估流程

通過(guò)施工前的歷史數(shù)據(jù)、受損檢測(cè)、數(shù)值模擬，施工中的現(xiàn)場(chǎng)監(jiān)測(cè)等方式獲取環(huán)境單項(xiàng)指標(biāo)和結(jié)構(gòu)單項(xiàng)指標(biāo)數(shù)據(jù)作為模型輸入項(xiàng)，經(jīng)過(guò)處理后輸入按2.3節(jié)訓(xùn)練好的IPSO-BP模型中，最終得到相應(yīng)的綜合預(yù)警輸出項(xiàng)，即預(yù)警評(píng)估級(jí)別。針對(duì)該預(yù)警級(jí)別采取相應(yīng)的措施保證人員安全及恢復(fù)結(jié)構(gòu)安全狀態(tài)，受損鋼結(jié)構(gòu)改造施工安全預(yù)警評(píng)估流程如圖6所示。

圖6 受損鋼結(jié)構(gòu)改造施工安全預(yù)警評(píng)估流程Fig.6 Safety early-warning assessment procedure of damaged steel structure reconstruction

3 案例分析

3.1 工程概況

本工程為湖北省某煉鐵廠36 m×81 m受損單層重鋼廠房。廠房主要用于儲(chǔ)備煉鐵用煤，由于使用年限較長(zhǎng)，且車輛來(lái)回進(jìn)出碰撞，導(dǎo)致廠房結(jié)構(gòu)受損，主要表現(xiàn)為柱腳受撞擊嚴(yán)重、格構(gòu)柱及桁架多處構(gòu)件銹蝕等，見圖7。后因功能變更，需在結(jié)構(gòu)內(nèi)部利用原柱體新增二層結(jié)構(gòu)，建筑原有地基較好，損傷主要集中于上部結(jié)構(gòu)。

圖7 柱體受撞擊損傷照片F(xiàn)ig.7 Photo of damaged column caused by collision

3.2 受損狀況檢測(cè)

施工前首先對(duì)該廠房進(jìn)行受損狀況檢測(cè)，主要包括構(gòu)件截面尺寸檢測(cè)、鋼結(jié)構(gòu)強(qiáng)度檢測(cè)和鋼結(jié)構(gòu)涂層厚度檢測(cè)3個(gè)項(xiàng)目，部分檢測(cè)結(jié)果見表5。

從表5可以看出，1號(hào)及2號(hào)構(gòu)件因受車輛頻繁撞擊導(dǎo)致截面尺寸存在較大偏差，偏差程度最大可達(dá)3%；實(shí)測(cè)抗拉強(qiáng)度均無(wú)法達(dá)到最小抗拉強(qiáng)度值，最小強(qiáng)度僅為設(shè)計(jì)最小抗拉強(qiáng)度的460/490=0.94倍；結(jié)構(gòu)平均涂層厚194 μm，滿足設(shè)計(jì)要求。

表5 部分構(gòu)件現(xiàn)場(chǎng)檢測(cè)結(jié)果Table 5 On-site test results of some components

注：H,B分別表示構(gòu)件截面的總高度、總寬度；H1為格構(gòu)柱工字鋼高度；Tw為腹板厚度；Tf為翼緣厚度。

3.3 安全控制分析

將該廠房改造過(guò)程安全控制過(guò)程分為改造前、首層改造施工和二層改造施工3個(gè)階段，并用SAP2000軟件對(duì)各階段指標(biāo)進(jìn)行計(jì)算，材料強(qiáng)度數(shù)據(jù)按現(xiàn)場(chǎng)結(jié)構(gòu)檢測(cè)最不利情況設(shè)置，對(duì)比改造前后的鋼結(jié)構(gòu)廠房安全預(yù)警指標(biāo)數(shù)據(jù)，結(jié)合當(dāng)?shù)貧v史氣候變化，并假設(shè)加固后構(gòu)件承載力恢復(fù)到設(shè)計(jì)承載力，建立預(yù)測(cè)樣本數(shù)據(jù)集。

數(shù)值分析結(jié)構(gòu)荷載模式包括恒荷載、活荷載、風(fēng)荷載和地震作用，根據(jù)《建筑結(jié)構(gòu)荷載規(guī)范》GB5009-2012組合為7個(gè)工況。風(fēng)荷載基本風(fēng)壓為0.45 kN/m2，地面粗糙度為B類，通過(guò)建立虛面施加于結(jié)構(gòu)上；結(jié)構(gòu)抗震設(shè)防烈度6度(0.05 g)。

將數(shù)值模擬數(shù)據(jù)導(dǎo)入訓(xùn)練好的IPSO-BP神經(jīng)網(wǎng)絡(luò)模型中，得到改造前結(jié)構(gòu)受損狀態(tài)下結(jié)構(gòu)安全預(yù)警評(píng)估等級(jí)，見表6。

從表6中可以看出，廠房在改造前的受損狀態(tài)下的損傷狀態(tài)較嚴(yán)重，多個(gè)工況綜合預(yù)警級(jí)別為三級(jí)乃至四級(jí)，不適宜直接改造施工。且由于結(jié)構(gòu)受損，主要結(jié)構(gòu)承載力明顯較差(0.94)，施工過(guò)程中應(yīng)嚴(yán)格采取一定的安全控制措施進(jìn)行干預(yù)，避免施工中因受力施焊等工序?qū)Y(jié)構(gòu)產(chǎn)生的附加損傷。

表6 受損狀況安全預(yù)警評(píng)估表Table 6 Safety early-warning assessment form of damaged conditions

注：D表示恒荷載；L表示活荷載；W表示風(fēng)荷載；Q表示地震作用；x，y表示風(fēng)荷載或者地震作用沿結(jié)構(gòu)的橫向和縱向施加。

在改造的第一和第二階段施工過(guò)程，通過(guò)對(duì)結(jié)構(gòu)進(jìn)行加固，提高構(gòu)件承載力后，結(jié)構(gòu)所有工況下綜合預(yù)警等級(jí)均為一級(jí)，說(shuō)明結(jié)構(gòu)整體狀態(tài)良好，按改造方案施工能基本滿足安全施工要求。這一預(yù)警評(píng)估結(jié)果與后續(xù)實(shí)際施工過(guò)程安全狀況基本相符，模型可用于受損鋼結(jié)構(gòu)改造施工安全預(yù)警評(píng)估過(guò)程。

4 結(jié)論

1)與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)相比，IPSO-BP神經(jīng)網(wǎng)絡(luò)算法在綜合預(yù)警評(píng)估方面具有更高的預(yù)測(cè)精度和更少的迭代次數(shù)，有利于更準(zhǔn)確地評(píng)估結(jié)構(gòu)安全狀況，避免安全事故的發(fā)生。

2)從環(huán)境和結(jié)構(gòu)2個(gè)方面構(gòu)建受損鋼結(jié)構(gòu)改造施工安全控制指標(biāo)體系，包括11個(gè)基本指標(biāo)，設(shè)定單項(xiàng)指標(biāo)預(yù)警閾值和綜合預(yù)警閾值，對(duì)受損鋼結(jié)構(gòu)改造施工安全狀況進(jìn)行預(yù)警評(píng)估，有利于提高施工過(guò)程安全水平。

3)后續(xù)研究將側(cè)重于基于指標(biāo)監(jiān)測(cè)數(shù)據(jù)預(yù)測(cè)改造施工過(guò)程各指標(biāo)未來(lái)發(fā)展?fàn)顩r，并針對(duì)預(yù)測(cè)數(shù)據(jù)對(duì)改造施工過(guò)程結(jié)構(gòu)安全狀況進(jìn)行預(yù)警。