论文部分内容阅读
渡槽作为重要的渠系建筑物,历史悠久,应用广泛。在南水北调大型水利工程中又焕发出新的生机,一批大型甚至世界级特大型渡槽被修建。无论已建渡槽,还是新建渡槽,在工程运行中,不可避免的会出现性能的不断劣化。如何保证渡槽高效、安全运行,降低寿命周期维修成本,成为了当今水利人应该考虑的重要问题。渡槽运行工况复杂,影响渡槽劣化因素中既有确定性因素,又有不确定性因素,很难精确描述。渡槽劣化速度评价,也很难精确划分劣化速度等级。渡槽劣化预测的输入是模糊的,输出也是模糊的,因此渡槽劣化预测应用模糊预测。本文首先分析总结渡槽劣化的主要影响因素,包括:先天条件、外界环境、运行环境等三个一级指标,以及设计、施工、冻融、湿度、酸性、碱性、维护管理、运行荷载等八个二级指标。选取二级指标作为预测因子,根据各因子的特性,将各因子划分为不同的等级。根据模糊数学的基本原理,运用专家经验的方法确定对不同劣化速度的隶属度,作为预测的输出。鉴于人工神经网络具有高度的非线性、良好的容错性和计算的非精确性,故基于该模型建立了渡槽劣化预测模型。模型的输入为各劣化影响因素的等级,输出为对各劣化速度的隶属度。根据最大隶属度原则,可以预测出渡槽的劣化速度等级。实例分析表明,本方法预测精度较高,允许1个等级误差时,拟合准确率为100%,预测准确率为100%;不允许等级误差时,拟合准确率为86%,预测准确率为50%,取得了比较好的预测效果。为延长建筑物的使用寿命,提高其寿命周期内的使用性能,避免重大工程事故发生,需要不断地进行维护管理和维修加固。国内外的工程管理实践表明,建筑物维护管理费用往往超过其初建费用,工程的维护管理需要大量的资金投入。科学地制定维护管理计划,对于保证建筑物群体的安全及使用性能,合理使用和节约维修资金具有重要意义。本文以渡槽剩余寿命周期维护管理成本最低为目标函数,建立了维修计划优化模型。本文采用病毒进化遗传算法对优化模型求解,并对算法作出了改进。病毒进化遗传算法在染色体评价时只评价个体的要求性能,而未考虑遗传个体的鲁棒性,使得进化结果失去了鲁棒性。本文对每个染色体在评价时引入年龄的概念,即认为个体年龄越高,其适应性越强,作为最优解的鲁棒性越好。运用改进病毒进化遗传算法对渡槽维修计划优化模型进行求解,优化结果寿命周期成本较小,使用年限和使用性能能够满足渡槽使用要求。为验证改进病毒进化遗传算法(简称AVEGA)求解效果,本文优化算法与以下优化算法进行了比较:一般遗传算法(简称SGA)、具有年龄结构的遗传算法(简称AGA)、病毒进化遗传算法(简称VEGA)。实例计算结果表明:改进病毒进化遗传算法具有可行性、经济性、高效性和鲁棒性,取得了比较好的优化效果。