数字孪生驱动的预应力钢结构安全智能控制方法.pdf

针对预应力钢结构力学参数实时变化导致安全性能分析与预测精度不足，无法实现结构的智能化安全控制，本文提出了数字孪生驱动的预应力钢结构安全智能控制方法通过考虑结构安全状态的时空演化，形成基于数字孪生的安全智能控制框架，并将安全控制分为性能分析与预测两个方面在控制框架的驱动下，研究了孪生模型的搭建机制并通过三维激光扫描技术和加权平均法修正模型提高保真性基于三维激光扫描技术修正模型中关键节点坐标，有效降低了由施工误差导致的模型仿真误差通过加权平均法综合考虑拉索的各个节点索力，修正模型中的构件尺寸，有效降低了因材料缺陷导致的模型仿真误差依托孪生模型，精准获取表征结构安全的力学参数，为结构的安全分析与预测提供了数据支撑融合 D-S 证据理论分析结构的安全状况，找到结构体系中最关键的受力构件及力学参数变化程度最高的节点在结构安全性能预测过程中，建立数字孪生与随机森林的融合机理，分析各类因素对结构安全性能的影响程度并调整关键影响因素，预测结构的安全性能，最终形成结构安全控制机制通过给出结构安全维护措施，有效地保证了结构的安全性以轮辐式索桁架为研究对象，进行了方法的应用，验证了数字孪生在结构安全控制方面的有效性 关键词：预应力钢结构；安全状态；数字孪生；机器学习；智能控制 中图分类号：TU393.3 文献标志码：A 文章编号：0493-2137(2023)10-1043-11 Intelligent Safety Control Method of Prestressed Steel Structure Driven by Digital Twins Liu Zhansheng1,2，Shi Guoliang1,2，Du Xiuli1,2，Sun Zhe1,2，Jiao Zedong1,2(1.Faculty of Architecture，Civil and Transportation Engineering，Beijing University of Technology，Beijing 100124，China；2.Key Laboratory of Urban Security and Disaster Engineering of Ministry of Education，Beijing University of Technology，Beijing 100124，China)Abstract：Real-time changes in the mechanical parameters of prestressed steel structures can limit the accuracy of the analysis and prediction of their performance，which in turn presents significant challenges to developing intelligentsafety control systems for these structures.This study proposes a digital twin-based intelligent safety control system for prestressed steel structures.An intelligent safety control framework based on digital twins is established，considering the spatiotemporal evolution of structural safety.The safety control system is divided into two aspects：performance analysis and prediction.The construction of the twin model is analyzed，and the key node coordinates are corrected based on the control framework，three-dimensional laser scanning，and the weighted average method to reduce errors in the simulation.The weighted average method is used to comprehensively analyze the force on eachnode of the cable，and the component size in the correction model can effectively reduce the simulation errors causedby material defects.Accurate mechanical parameters of structural safety can be obtained using the twin model，1044 天津大学学报(自然科学与工程技术版)第 56 卷 第 10 期 providing data support for the analysis and prediction of structural safety.The D-S evidence theory is integrated to analyze the degree of safety of the structure as well as to determine the most critical force components and nodes with maximum change in their mechanical parameters.A method that combines digital twins and random forest techniquesis established to analyze the influence of various factors on structural safety.The safety of the structure is predicted by adjusting the key influencing factors，and the structure safety control mechanism is finally formed.Based on this，the safety of the structure can be ensured by implementing structural safety maintenance measures.The effectivenessof digital twins in structural safety control was verified by applying it to the spoke-type cable truss.Keywords：prestressed steel structure；safe state；digital twins；machine learning；intelligent control 预应力钢结构以其使用空间大、结构质量轻、受力合理、结构形式多样化以及建设速度快等优势在大型公共建筑中得到越来越多的应用1 结构体系复杂且构件具有较大的预应力，会导致施工及运维过程中存在诸多安全隐患，一旦发生事故，将会造成巨大的人员伤亡、财产损失及恶劣的社会影响2 在保证大跨空间结构安全性能方面国内外学者已经进行了一系列研究 常乐等3通过数值模拟考虑了温度作用对钢结构的影响，提出了一种能够保障施工卸载安全的监测技术 阮杨捷等4通过分析索长误差和外联节点坐标误差对索力的影响特性，确定合理的误差控制指标，由此保证了随机误差作用下结构的安全性能 张中昊等5为了提高网壳结构的稳定性，提出了一种新型布索方案，指出实际工程中要确保撑杆具有最佳长度 姜守芳等6为提高单层柱面网壳结构的安全性能研究了节点偏差、杆件缺陷与杆件偏心对其稳定承载能力的影响程度 惠卓等7提出结构重要性矩阵和构件重要性系数的概念，建立倒塌控制方程，为索穹顶结构的安全控制提供了参考 Rizzuto8对一蜂窝型网格互承网壳结构进行了试验研究，发现支座附近杆件的刚度对结构整体刚度影响较大.Arezki 等9研究了温度变化对索桁架结构及拉索安全性能的影响 由此可见，针对结构安全性能的控制，不少专家学者对温度作用、误差分析等方面的影响进行了研究 然而对于融合多种影响因素，综合分析与预测结构的安全性能的研究还较少，并且不能做到结构状态的虚实交互进而实现对结构安全的智能化闭环控制 在结构施工与运维过程中，基于数字孪生与人工智能对多源异构数据的融合，实现对安全智能化管控已经成为建筑行业转型升级的重要突破口10-13 数字孪生以高保真度的动态虚拟模型来仿真刻画物理实体的状态和行为，作为连接现实物理世界与虚拟数字空间的纽带，是实现智能建造的关键使能技术14 人工智能已经在多个学科中得到应用并形成了多种智能算法，可以从原始数据中提取高水平特征进行感知决策，提高信息评估的客观性和精确性15.智能建造是当前水电、土木等基础设施工程领域最为热门的研究方向之一，对工程技术与项目管理的未来引领带动至关重要16 数字孪生与人工智能的融合推动建筑行业的转型升级成为了建筑行业研究热 点17.Lu 等18整合数字孪生与机器学习和数据分析，以创建表示和预测物理对应物的当前和未来状况的模拟模型，从而推动智慧城市的实施与发展 Ma等19研究了使用从数字孪生模型生成的合成点云来训练深度神经网络以对建筑内部的点云进行语义分割的可行性 该方法可应用于包含看不见的室内结构的建筑物的竣工建模，提高了建筑交付的智能化水平 Acharya 等20为了实现建筑物室内的实时精准定位，提出了一种视觉定位方法 通过使用 3D 室内模型来消除基于图像的室内环境重建需求，并融合深卷积神经网络进行图像微调 针对结构安全性能的研究热点，结合数字孪生与人工智能在建筑行业转型升级中的作用，本文提出了基于数字孪生的预应力钢结构安全智能控制方法 根据结构的力学性能变化特点，从虚实交互与时空演化出发，搭建了基于数字孪生的结构安全智能控制框架 在此基础上，形成了面向结构体系的孪生模型，并通过加权平均法保证其保真性 在孪生模型中设置影响因素，获取表征结构安全性能的力学参数，融合 D-S 证据理论进行结构安全性能的分析 根据分析的结构关键构件，对结构安全性能进行预测，建立数字孪生与随机森林的融合机理，实现对结构安全的闭环控制 最终将形成的理论方法应用于轮辐式索桁架的安全控制，有效地提高了预应力钢结构安全控制的信息化和智能化水平 1 基于数字孪生的结构安全智能控制框架 在预应力钢结构的施工过程中，结构本身存在着 2023 年 10 月 刘占省等：数字孪生驱动的预应力钢结构安全智能控制方法 1045 材料性质时变、抗力不成熟等特点，在此阶段安全风险发生的概率最高21 同时在运维过程中，结构受到温度、风载等外界环境的影响，威胁着结构的安全状态 实现预应力钢结构安全的智能控制已经成为重要的科学问题 结构中的几何参数、物理参数、边界参数都是时间的函数22，因此对结构安全控制是耦合时间和空间的多维力学问题 数字孪生是以多维虚拟模型和融合数据双驱动，通过虚实闭环交互，来实现监控、仿真、预测、优化等实际功能服务和应用需求 其中数字孪生融合物联网、人工智能等信息技术充分考虑了结构安全状态的时空演化特征，实现对结构的高保真映射 在数字孪生的驱动下，需要充分考虑结构体系的虚实交互与时空演化，实现对结构安全的智能化控 制23 首先建立同物理空间交互映射的高保真孪生模型，形成面向结构安全智能控制的孪生数据 在空间维度，融合数字孪生技术集成结构所承受的作用和结构力学性能参数，实现对结构体系纵向维度的多尺度建模；在时间维度，围绕结构施工工艺流程从零状态到初始状态再到最终工作态的动态演变24，建立数字孪生驱动的结构动态协同运作机制，支撑结构安全智能控制虚实交互配置建模，实现对结构体系的多要素、多流程、多业务的时程平行仿真模拟与虚实集成管控 基于数字孪生的结构安全智能控制框架如图 1 所示 图 1 基于数字孪生的结构安全智能控制框架 Fig.1 Digital twin-based intelligent structural safety control framework 在智能控制框架中，由传感设备对结构承受的作用和结构力学性能进行实时采集 同时在虚拟空间中建立结构的高保真模型，并进行对应影响因素的设置，仿真出结构承受的作用和结构的力学性能，形成孪生数据 在孪生数据层考虑了结构安全的时空演化特征，融合全过程各个阶段，通过分析结构所承受的作用和结构的力学性能参数，实现对结构的安全分析及预测，最终为智能化控制提供可靠依据和决策 基于数字孪生的结构安全智能控制框架为 DTprvmtdfan(,)=FSSPLC(1)式中：DTF为面向结构安全智能控制的数字孪生框架；prS为物理结构实体；vmS为虚拟结构模型；tdP为孪生数据处理层；faL为功能应用层；nC为各组成部分间的连接 在虚实交互的过程中，通过传感设备进行两个维度的动态感知，形成孪生数据 在本研究中，考虑了结构安全分析的特征，将整个过程分为了零状态、初始状态和工作状态 同时在空间维度，重点考察结构所承受的拉索松弛、温度作用和构件误差对结构的影响 其中从零状态到初始状态是结构的施工过程 在此过程中，结构的施工误差是影响结构安全的重要因素25，由三维激光扫描指导结构的精准化施工 在结构张拉成型后，重点考虑框架中的三 1046 天津大学学报(自然科学与工程技术版)第 56 卷 第 10 期 类影响因素对结构安全性能的影响 最终在机器学习的驱动下，通过分析结构的索力、应力和位移等力学性能参数实现对结构安全的智能化分析与预测，从而辅助控制决策的执行 以分析与预测为基础，针对结构的安全控制，具体表述为 1212(,)(,)?Rmmfg(2)式中：12(,)?mf表示力学参数的集合体；R表示参数规范的限值；12(,)?mg表示控制措施的集合体 2 结构孪生模型的搭建及安全性能分析 2.1 孪生模型的搭建 孪生模型的建立是实现结构安全智能化控制的第 1 步 信息与物理的实时融合是数字孪生建模方法中的关键26 为了实现物理空间与虚拟空间的交互映射，并能充分表征结构随着时间维度上各要素的变化，建立多维多尺度的孪生模型 虚拟空间是物理空间的真实映射，两者的集成形成了多领域、多尺度的孪生模型27 鉴于结构安全控制所包含的力学参数实时变化无法精准判断其演化机理，导致单一的机理建模或数据建模方法难以构建完备的数字孪生模型，本研究从机理-数据模型融合的角度，提出面向结构安全智能控制的机理建模与数据建模及融合方法 在结构的施工过程中，对整个过程进行拆分，形成多个施工步 在每个阶段均进行空间维度的要素捕捉，从而实现时空融合的多维信息集成 根据现场的施工构件的关键节点定位进行拉索的张拉，同时在每个施工步结束时，由三维激光扫描捕捉关键节点 本研究中选取构件之间的连接节点为关键节点 通过 BIM 软件建立结构的几何模型，有限元软件建立机理模型，并由关键节点坐标修正结构模型的修正 在基于有限元建立的机理模型中设置结构所承受的作用，从而获取表征结构安全的力学参数，精准反映多种工况下结构的力学性能机理 同时为了提高力学参数的保真度，本研究利用加权平均法进行模型的修正 机理模型的建立和应用为结构安全的智能化分析与预测提供了数据支撑 在整个施工过程中随着施工步的进行，结构的几何模型和机理模型不断变化，建立起数据模型实时分析结构的状态 最终实现各类模型的融合与可视化，保证结构的安全性 三维激光扫描的应用一方面提高了结构施工的精度，保障了施工安全；另一方面为结构孪生模型的建立提供了动态信息 2.2 保真性的分析 在面向结构安全智能控制的孪生模型建立的条件下，为了加强孪生模型的仿真能力，需要提高模型的高保真度，对结构的虚拟孪生模型进行修正 由平均加权法28结合现实的监测数据和有限元模型的仿真数据对孪生模型进行修正 其基本原理如下：针对不同位置分析识别指标选取不同权值进行融合，以达到融合结果和分析指标间欧式距离平方和最小的 目标 为了精准建立结构的高保真孪生模型29，以索力模拟值与实测值的误差作为评判指标，并且综合考虑拉索的关键节点的索力 拉索的各个节点索力存在着一定的差异30，本研究中采集关键节点(拉索单元的端点及跨中位置)上的索力，通过加权平均法进行融合，计算出拉索整体的索力 同时，在孪生模型中同时获取拉索上各节点的索力并计算出拉索整体的索力 将两种方法获取的索力进行对比，改变模型的相关参数使得索力的模拟值与实测值匹配，从而提高孪生模型的保真度 设某根拉索在某一工况下各节点某一力学参数的实际监测值为12,?nx xx(n 表示拉索上的关键节点数)，则实际监测值的平均值x为 1/niixnx=(3)则各节点力学参数的权值i为 1(1/)/(1/)niiiidd=(4)=iidxx(5)式中id为各节点力学参数到力学参数平均值的欧氏距离 由此结合各节点的数据可以计算出整根拉索的力学参数监测值的加权平均值 x，即 1=niiixd(6)根据每根拉索的力学参数监测值的加权平均值，可以计算出结构的整体监测值pM，即 pc=+M(7)式中：c为力学参数分析的置信水平，综合考虑设备的采集误差和材料自身的误差，并根据文献31-32的经验，本文取c1.5；、分别为各根拉索的力学参数监测值的加权平均值 x的均值和方差 综合各个节点，将均值与方差融合可以准确地表征拉索整体的索力 同理采用上述步骤，可以计算出有限元模型中的 2023 年 10 月 刘占省等：数字孪生驱动的预应力钢结构安全智能控制方法 1047 力学参数仿真值*pM，利用式(8)判断仿真模型的保真度，由此完成了对虚拟模型的修正，可以确保仿真数据有效表现实结构的力学性能 *ppfp|=MMIM(8)式中fI为判定孪生模型保真度的指标 2.3 结构安全性能的分析 通过建立高保真的孪生模型，基于数字孪生进行拉索力学参数敏感性智能判别，可以直接提取模型中的仿真数据进行分析 通过设置同现实结构一致的影响因素，获取结构各个构件的力学参数，直观判断最关键的受力构件 1)力学参数的分析 根据现场的环境变化和构件所承受的作用，在机理模型中设置相应的工况 直接获取结构构件的索力、应变、位移等关键力学参数，同影响因素作用下的结构力学参数进行对比，可以直观确定工况作用下最敏感的节点 2)结构安全的分析 D-S 证据矩阵的基本原理如下：基于多源异构数据运用多种力学参数敏感性判别指标进行独立识别，并对各力学参数敏感性判别指标的判断结果分别进行概率赋值确定基本概率分配函数，并运用 D-S 合成规则进行融合，得到最后判别结果 设为预应力拉索构件力学参数敏感性判别 框架，即 12(,)=?ne ee(9)式中ie(i1，2，n)为预应力拉索第 i 个节点力学参数变化 在试验研究过程中，具体涉及了索力、应力和竖向位移 预应力拉索构件所有可能的工况可以表述为幂集2，()1,2=?nijkeeeee(10)式中：表示预应力拉索力学性能不发生变化；?ijkeee表示预应力拉索多个节点力学性能发生变化 基 本 概 率 分 配 函 数(mass 函 数)可 表 示 为:0,12m，满足 ()()01=Amm A(11)式中：A为预应力拉索某一工况；()m A为A的基本概率分配函数 设()ijmA为第 j 个力学参数敏感指标判定第 i 个节点力学性能发生变化的基本概率分配函数，则 D-S 证据矩阵合成规则为 ()()()()12DF=?nAmAmAmA ()10=ijiAAjnmAAKA (12)式中()1=iijAjnKmA 在数字孪生的驱动下，从机理-数据模型融合的角度建立孪生模型，由加权平均法进行模型修正，提高模型的保真度 在高保真度的虚拟模型中，设置同现场结构对应的影响因素，提取模型仿真的力学性能指标数据，判断关键的受力构件 将指标数据的相关信息进行概率化处理，融合 D-S 证据理论算法，计算出拉索各个节点的综合力学参数敏感性，从而为结构安全的智能化控制提供依据 3 结构安全性能的预测与控制 3.1 数字孪生与随机森林的融合机理 将数字孪生和随机森林33结合，根据得到的预测性能较好的高鲁棒性预测模型，结合训练随机森林所需的数据特征和数字孪生模型中的历史数据结构，得到随机森林调取孪生数据信息的规则；基于数字孪生的预测结果，给出结构安全控制的调整建议，形成数字孪生模型与随机森林模型的协同交互机制，从而建立基于数字孪生模型的随机森林结构安全预测融合机理 如图 2 所示，搭建了数字孪生与随机森林的融合机理，此融合机理的基础是对现实结构信息的智能采集和动态感知 本研究中由三维激光扫描仪和传感器等智能传感设备对结构所处的环境和力学性能等信息进行智能采集和动态感知34，由此对结构孪生模型的建立和智能分析提供依据 基于多源异构数据的信息管控平台是数字孪生与随机森林融合的核心，实时分析并科学预测结构的安全性能 最终对结构的不安全状况进行修正，在孪生模型中分析修正的可行性，进而精准指导与控制现实结构 3.2 结构安全性能的预测及控制 在孪生模型中设置不同的影响因素，获取各节点力学参数的变化情况 基于随机森林的分析特点，将影响因素和力学参数融合，分析对结构影响程度最大的影响因素 重点分析关键影响因素，智能化预测结 1048 天津大学学报(自然科学与工程技术版)第 56 卷 第 10 期 （a）研究方法 （b）实际结构 图 2 数字孪生与随机森林融合机理 Fig.2 Mechanism involving the fusion of digital twinsand random forest approaches 构的安全性能 在结构安全性能预测的过程中，分析的影响因素有温度作用、各类拉索的松弛和环索的误差 以索力的变化程度作为预测的结果，同时为了直观判别各构件的安全性能，以表 1 索力限值的量化标准输出索力的安全等级 其中，索力下降率表示在影响因素作用下，相对于索力设计值的变化情况 根据索结构技术规程35，当索力预测值低于设计索力的90%时，记录不安全事件对应的影响因素，同时在孪生模型中进行风险的维护，并分析措施的可行性，从而形成面向结构安全的智能化闭环控制 为了保证拉索构件的正常工作，还应注意索力值不得超过索力容许值的 0.4 倍 表 1 索力限值的量化标准 Tab.1 Quantitative criteria for cable force limits 索力下降率 安全等级 0 a 级(0，7%b 级(7%，10%c 级 10%d 级 结构安全性能的预测与控制机制如图 3 所示.参数作为目标参数，划分训练集与测试集，根据规程在数据处理过程中将影响因素作为特征参数，将力学 图 3 结构安全性能的预测与控制机制 Fig.3Mechanism for the prediction and control of structural safety 判断结构的不安全事件 在数字孪生与随机森林的融合驱动下，捕捉不安全事件及其对应的影响因素，并形成可行的控制措施 在此过程中，依据表 1 进行安全等级的划分，形成不同影响因素作用下的结构安全状态数据集 在随机森林的驱动下，分析得出影响结构安全状态的关键因素 4 案例研究 4.1 结构模型 以轮辐式索桁架为研究对象验证智能控制方法的有效性 轮辐式索桁架试验结构如图 4 所示 结构试验模型的缩尺比例为 110，拉索的截面积比为1100，杆件所用材料完全相同 试验模型的结构跨度为 6m，由 10 榀径向索、环索、撑杆、节点、外环梁()及钢柱()组成，其中径向索包括上径向索()和下径向索()；撑杆包括外撑杆()、中撑杆()、内撑杆()；环索包括上环索()和下环索()图 4 轮辐式索桁架试验结构 Fig.4Test structure consisting of spoke-type cable trusses本研究中，以结构张拉成型后布置屋盖过程为研究对象 本次试验的静力荷载工况研究采用重力加载方法，将均布荷载等效转换成为节点荷载，并分别施加到相应撑杆的上节点处，采用沙袋加载的方式施加静力荷载，加载情况如图 5 所示 2023 年 10 月 刘占省等：数字孪生驱动的预应力钢结构安全智能控制方法 1049 图 5 静力加载 Fig.5 Static loading 4.2 孪生模型的搭建 在结构安全智能控制过程中，建立高保真度的孪生模型是基础 对于结构性能的仿真分析，本研究采用有 ANSYS 建立限元模型 在有限元模型建立后，为了实现对现实结构的真实映射，需要对模型进行修正，由此提高模型的保真度 本研究以平均加权法，结合现场传感器监测数据和模型仿真数据，以索力为控制对象，由第 2.2 节虚拟模型的修正法则，调整孪生模型中构件的截面面积 调整孪生模型高保真度的指标fI在 5%以内，由此可以实现对真实结构的映射 以每根拉索的整体为考察对象，模型修正前后拉索索力的仿真度对比如图 6 所示 在修正过程中，保 （a）各根拉索的索力值 （b）各根拉索的索力误差 图 6 模型修正前后拉索索力的仿真度对比 Fig.6 Comparison of the simulated cable forces before and after model correction 真度指标是在一根拉索上布置多个节点，因此在以整根拉索分析时误差会降低 调整后的模型可以有效地反映现实结构 通过对比修正前后模型的仿真度，发现修正后的模型可以真实有效地映射试验结构的状态 在修正前，由于施工误差和材料缺陷等原因，会导致结构的设计模型与真实状态存在较大差异 本研究中，由三维激光扫描捕捉结构中关键节点的坐标，对应修改模型中的坐标值，由此有效降低了因施工误差导致的仿真差异 另一方面，通过加权平均法综合考虑拉索各节点的索力，修正构件的截面尺寸，由此有效降低了因材料缺陷导致的仿真差异 通过修改关键节点坐标和构件尺寸，建立了高保真度的孪生模型 在孪生模型的驱动下，精准获取表征结构安全的力学参数，为结构安全性能的分析与预测提供了可靠的数据 支撑 4.3 结构安全性能的分析 以高保真孪生模型为基础，调整结构所承受的影响因素，分析各力学参数的变化情况 同时根据第2.3 节中数据融合策略，判断结构构件的力学性能变化 本研究中，以屋盖布置到内撑杆为节点，通过对比各类因素作用前后力学参数的变化进行结构安全性能的分析 根据第 4.1 节荷载的布置，在模型中进行模拟 在模型中设置结构所承受的温度作用、拉索松弛及构件误差，提取各节点的索力、应力、竖向位移的仿真值，通过概率化处理，计算出各点在多种因素作用下力学参数的敏感性 其中，在各点仿真值概率化处理的过程中，由 D-S 证据理论分析时应保证以单一参数为判别依据时各节点参数变化概率之和为 1 如以上环索索力为判别依据时，计算各节点的索力变化概率*ip，即 *ff*f=iiiiCCpC(13)式中：fiC表示各类因素作用前拉索上各节点的索力值；*fiC表示各类因素作用时拉索上各节点的索力值 为保证以索力为判别依据时，拉索上各节点的损伤概率之和为 1，需要对式(13)计算出的概率进行修正，按照式(14)计算出修正后各节点的索力变化概 率ip */=iipp(14)式中表示概率修正系数，10*1iip=同理，可以得出以应力和竖向位移为判别指标时的各点力学参数 1050 天津大学学报(自然科学与工程技术版)第 56 卷 第 10 期 变化概率 由此计算出的概率可以用于 D-S 证据理论的融合分析，从而判别出各节点的力学参数敏感性.在本研究中，根据结构形式将上环索和下环索分别划分为了 10 个节点，各节点分别与上径向索和下径向索相连 对于上径向索和下径向索则分别划分为了 20 个节点，其中将拉索与中撑杆相连的节点统称为内节点，将拉索与外撑杆相连的节点统称为外节点 模型中各节点的编号如图 7 所示 图 7 模型中各节点的编号 Fig.7 Numbering of nodes in the model 本研究中，通过调整温度作用、拉索松弛及构件误差分析了 160 种工况 以温度升高 5、上环索和下环索误差为 1/600、各类拉索松弛 20%为例，各节点的力学参数变化情况如图 8 所示 根据工况的变化和力学参数的融合，可以智能化分析结构的安全性能 在分析的过程中可以直观判别各类拉索在影响因素作用下的力学参数的变化情况，进而找到最敏感的节点和最关键的受力构件 图 8 各节点的力学参数变化情况 Fig.8 Variation of the mechanical parameters at each node 4.4 结构安全性能的预测与控制 通过第 4.3 节的分析判断出上环索和下环索是关键构件 根据表 1 的规范标准，将结构的安全等级分为 a、b、c、d 4 个等级 根据第 3.2 节结构安全预测与控制机制的研究，将各类工况和对应的安全等级导入随机森林中进行影响因素的重要程度排序 在 160种工况中，分析出 7 种因素对结构安全性能的影响程度，如图 9 所示 图 9 各类因素对结构安全性能的影响程度 Fig.9 Influence of various factors on structural safety 由图 9 可知，温度作用对结构的安全性能影响最为显著 在孪生模型中重点分析温度作用对结构安全性能的影响 在本研究中，以 3为步长，分析结构在温度作用下，各类拉索索力的变化情况，为结构的安全控制提供依据 温度作用下各类拉索索力的变化如图 10 所示 图 10 温度作用下各类拉索索力的变化 Fig.10Variation of forces acting along the various cables as a function of temperature 由图 10 可知，当温度升高超过 30时所有类型的拉索索力下降均超过 10%，按照规范要求需要进行维护针对关键构件上环索，当温度升高超过10时索力下降超过 10%，按照规范要求需要进行维护 根据温度作用下索力的变化情况，为保证结构的安全性，在温度作用下 10以内，调整其他影响因素 在数字孪生与随机森林的融合驱动下，以上环索索力判断结构的安全性 由工况因素和索力变化形成安全性能预测的训练集和测试集 本研究中以索力变化低于 10%记为安全，以索力变化不低于 2023 年 10 月 刘占省等：数字孪生驱动的预应力钢结构安全智能控制方法 1051 10%记为不安全，形成二分类场景 在数字孪生与随机森林的融合下可以精准预测不安全事件 通过对结构性能的分析与预测为安全性能的控制提供了依据 根据索结构技术规程35，针对不安全事件，记录工况并制定相应的控制措施 在孪生模型中进行措施的可行性分析，形成数据库，保证结构的安全性 部分不安全事件对应的影响因素及控制措施见表 2 表 2 部分影响因素及对应的控制措施 Tab.2 Influencing factors and the corresponding controlmeasures 工况 控制措施 温度升高 5，上环索误差 1/900，下环索误差 1/600 调节锚固节点 温度升高 8，下径向索松弛 10%补张拉 温度升高 10，下环索误差 1/600 调节锚固节点 温度升高 10，上径向索松弛 10%补张拉 5 结 论 本研究中，考虑到预应力钢结构力学参数的不确定性影响安全控制的问题，提出了数字孪生驱动的预应力钢结构安全智能控制方法 从虚实交互与时空演变的角度，搭建了基于数字孪生的结构安全智能控制框架 从机理-数据模型融合的角度，形成了结构孪生模型 在孪生模型的基础上，融合智能算法分析并预测结构的安全性能，为结构的安全控制提供理论依据 在结构安全智能控制方法的研究过程中，主要得到了以下结论 (1)归纳了孪生模型的 4 个部分，并通过三维激光扫描和加权平均法进行模型的修正，实现了对物理实体的真实映射 (2)基于高保真孪生模型获取表征结构安全的力学参数，精准捕捉结构的关键受力构件并融合多种参数捕捉关键受力节点 (3)由数字孪生与随机森林的融合，建立结构安全性能的预测与控制机制，获取影响结构安全的关键因素，为智能化控制提供了依据并辅助维护措施的 制定 (4)将数字孪生驱动的结构安全智能控制方法应用于轮辐式索桁架，实现了结构安全的智能化闭环控制，验证了本研究方法的可行性 参考文献：1 陈志华，徐 皓，王小盾，等.天津于家堡大跨度单层网壳结构设计与分析J.天津大学学报(自然科学与工程技术版)，2015，48(增 1)：91-95.Chen Zhihua，Xu Hao，Wang Xiaodun，et al.Design and analysis of large-span single-layer reticulated shell in Tianjin YujiapuJ.Journal of Tianjin University(Sci-ence and Technology)，2015，48(Suppl 1)：91-95(in Chinese).2 何 政，朱振宇，刘婷婷.单层球面网壳考虑一致倒塌概率的倒塌安全储备分析J.工程力学，2016，33(10)：218-225.He Zheng，Zhu Zhenyu，Liu Tingting.Collapse safety margin analysis of single-layer spherical lattice shells considering consistent collapse probabilityJ.Engineer-ing Mechanics，2016，33(10)：218-225(in Chinese).3 常 乐，李瑞峰，李志伟.跨度 120 m 三角锥体空间钢结构施工卸载监测技术研究J.建筑结构学报，2020，41(2)：142-148，165.Chang Le，Li Ruifeng，Li Zhiwei.Research on con-struction unloading monitoring technology of 120 m tri-angular pyramidal space steel structureJ.Journal of Building Structures，2020，41(2)：142-148，165(in Chinese).4 阮杨捷，罗 斌，魏程峰，等.轮辐式马鞍形单层索网结构索长和外联节点坐标组合随机