标高控制是预应力混凝土连续刚构桥施工的重要环节。本文围绕预应力混凝土连续刚构桥的标高控制问题展开系列研究,旨在提出一种标高预测的优选方法。主要工作及结论如下:(1)标高影响因素敏感度分析。根据混凝土容重及弹性模量、预应力张拉力大小、管道摩擦系数、管道偏差系数、挂篮荷载、混凝土收缩徐变相对湿度等7个标高影响因素的统计学特征,按各因素独立与不独立两种情况,分别以敏感度系数和偏相关系数为指标进行敏感度分析。分析发现:一、各因素敏感度在不同情况下排列顺序相同,说明各因素之间互相独立;二、混凝土容重、混凝土弹性模量、预应力张拉力大小3种因素的敏感度最大,是影响结构标高的关键变量。(2)标高影响因素的卡尔曼滤波估计。根据现场标高实测数据,采用非线性卡尔曼滤波局部迭代算法对混凝土容重、混凝土弹性模量、预应力张拉力三个关键因素进行估计,并研究非线性卡尔曼滤波局部迭代算法的初始参数对估计结果和迭代收敛速度的影响。结果表明:初始参数方差P、内外循环加权系数W、测量方差R以及系统方差Q对卡尔曼滤波估计结果并无太大影响,只影响其迭代收敛速度,其中,内外循环加权系数W与收敛速度成正比,测量方差R与收敛速度成反比,系统方差Q对收敛速度影响不大,而初始参数方差P对收敛速度的影响需视具体情况具体分析。(3)基于贝叶斯网络的挠度变形预测。根据标高影响因素与挠度变形误差之间的因果关系构建贝叶斯网络拓扑结构,利用拉丁超立方抽样法对各影响因素的初始概率分布数据进行抽样,获得完整数据样本,训练贝叶斯网络。通过贝叶斯网络的学习能力预测各梁段桥面结构挠度变形,分析预测误差。研究表明:在刚构桥短悬臂阶段,由于学习样本不足,预测效果较差,预测值与实测值最大偏差为7mm,随着施工的推进,学习样本增加,预测效果越来越好,预测值与实际值最大差距不超过3mm。上述结果表明贝叶斯网络的挠度变形可用于悬臂施工的挠度变形预测。(4)挠度变形预测方法对比。结合前面的研究成果,提出一种基于卡尔曼滤波法和贝叶斯网络的刚构桥桥面标高预测方法。在实际工程的应用中表明,该方法的预测结果小于2mm,与常规卡尔曼滤波估计法(预测误差为5mm)比,精度更高,可用于指导刚构桥悬臂施工过程中的标高控制。