公路衡重式挡土墙优化设计论文

前言：想要写出一篇引人入胜的文章？我们特意为您整理了公路衡重式挡土墙优化设计论文范文，希望能给你带来灵感和参考，敬请阅读。

1优化设计方法的必要性

然而现在对于衡重式挡土墙的设计方法主要是:工程设计师根据自己的设计经验，同时参照已经建成的衡重式挡土墙来确定墙型的选择和断面的尺寸，再进行验算，看是否符合自己的实际设计。但是由于施工的地区各异，施工的真实情况就千差万别，根据已建成的衡重式挡土墙来和实际套用一般很难达到匹配，这就需要在工程实际设计时，对已建成挡土墙数据进行增减变化，因为地基的不同，软土类等特殊地基，还要根据承载力的大小做出符合要求的调整。以上的这种方法计算十分繁琐，手工计算的难度很大，使得最后的调整几乎是形同虚设，只能加大工程的投入来处理。这样套用已建成图集的做法，对设计只是一个大概框架，没有设计必要的各项数据，加上认识的不足，最后整个工程都因为这些人为因素导致投入巨大。因为缺乏准确的设计数据，衡重式挡土墙在工程建设时往往会出现这样或那样的问题，比如地基的承载力不足造成的墙体下沉开裂等;断面的尺寸不准确造成的墙体平衡失效，倾覆事故;所有材料不符合规格造成的墙体缺乏抗压、抗剪的强度;处理不当墙体后排水造成地基浸水、承载力下降。认识到衡重式挡土墙建设施工设计的大量财力的损耗和安全事故多发，很多专家也展开研究，设计出多种计算机语言来辅助衡重式挡土墙的设计，比如:Fortran，Basic等，但这些语言基本都停留在计算土压力的单项项目上，以及利用复合形法和共轭梯度法等对重力式挡土墙的计算。针对这些局部优化的不足，美国率先提出了遗传算法的概念，实现由局部到全局的转变，通过群体搜索技术、自然选择和进化机制的运用，逐步实现计算全局的最优解。

2优化设计的遗传算法

2．1遗传算法应用广泛

遗传算法在计算求解问题的时候，具有一定的智能性，即算法可在进化的过程中对获取信息组织自行搜索，个体适应度大的通过遗传操作进化出适应性更强的后代，使得算法能根据问题本身寻求最优解。在本质上具有一定的并行性，即遗传算法内在的并行性和内含的并行性。算法本身能够就某一问题在分布式系统中各自独立验算，得出不同结果后再通过通信的比较，取得最佳个体。在种群搜索中，可以同时对空间内多个区域检索交互信息，在执行比例运算时进行多倍次搜索，减少运算。算法本身并不复杂，对于已经给定的问题，遗传算法可以计算出多个潜在解，由使用者最终确定用哪个，设计上不需要其他辅助的知识，主要是建立搜索方向上的目标函数，以及响应适应度函数，同时强调的是概率的转换规则，应用更加直接。

2．2简单算法存在不足

简单的遗传算法在公路衡重式挡土墙设计上广泛应用，因其简便的操作和优于手工的准确性，但整个算法本身也存在亟待解决的问题:编码效率较低，在采取二进制较长的编码计算时搜索效率较低，二进制串转换为十进制数也多有不便;求解问题时不一定得到最优解，简单算法在运行时个体性在群体中逐渐失去，误导算法收敛为一个最优解，到验算的后期，群体的平均值更接近于最优解，没有了竞争，就难以改善搜索目标;在简单算法中选取控制参数目前还无迹可寻，只能通过大量的实验模拟来确定;搜索的效率不高，算法在本质上来说还是随机性的一种优化方法，它的内在学习性帮助其搜索效率高于传统的方法，可是与传统数值优化的方法相比，其局部的搜索能力还是有很大提高空间的。基于遗传算法在公路衡重式挡土墙优化设计方面的应用广泛，为工程建设提供了大量的数据支持，在简单算法的基础上加以改进，将本身的特点和问题知识为基础的启发式搜索结合，再加之传统数值优化的技术，组成混合遗传算法。解决了简单遗传算法局部的搜索能力较弱的问题，进一步为收敛速度的提高和解的品质打下基础。

2．3算法优化设计

混合遗传算法改进了编码。遗传算法不能直接对问题空间参数进行处理，而是需要把参数转变为遗传空间里按结构排列的染色体、个体，用编码来表示。二进制编码受到编码长、最优解的临近探索低效、解的进度不准确等限制，改进为十进制的编码，用一浮点的向量表示染色体，染色体长度(向量元素个数)和解的向量相同。例如x=(x1，x2，x3，…，xi)为最优解，y=(y1，y2，y3，…，yi)为染色体个数，等于x=(x1，x2，x3，…，xi)，即y=x，而yi=xi为染色体上面的第i个基因。混合遗传算法处理了约束条件。在优化的问题中可能包含等式和不等式的约束，要通过求解约束条件为等式的方程，代入后表示其他变量，化解为只含有不等式约束方程。另外，要保证染色体y的可行性，就要对遗传操作中所得到每条染色体检查和剔选。同时要考虑到一些隐含约束条件，加快搜索效率。数值化和竞争机制的运用。混合遗传算法为了加快搜索和局部寻找最优解的能力，在种群里选择多个染色体，分别把这些染色体作为起始点，运用数值优化的技术在局部搜索，原个体被替换。格外注意初始点的选择和数值优化方法的选择，数值优化方法要和遗传算法相互兼容，在接近最优解时保持数值稳定和搜索效率。算法建立染色体的最佳库存单元，加入对染色体的排列顺序加以选择，防止算法早熟与停滞。加入收敛准则、终止条件等使得混合遗传算法更完善。

3优化设计应用研究

为真实分析设计优化的使用情况，拟定一公路建设工程，内容如下:设计荷载p1=800kN(p1为车辆)，墙体应用5．0号砂浆30号片石22．0kN/m3，容许压力800kPa，容许弯曲应力120kPa，容许剪应力80kPa，容许拉应力80kPa，砂性土重度18．0kN/m3(墙后填土)，内摩擦角35°，容许承载力500kPa，基底摩擦系数f=0．40，墙身分段长10m，外摩擦角为内摩擦角的一半，墙身的容许偏心率［po］=0．25，附加组合为0．30，基地的容许偏心率为0．20。利用优化设计程序，首先根据选定近似种群的规模参数Npop以及各决策基因的上下界求出间距(划分网格)。Δh=［1Ntatal∏ni=1(xui－xli)］1/n。根据数据进行混合遗传算法得出在墙体上的力学参数，主要是墙身的最大压应力和剪应力，最小拉应力和基地最大压应力。在上墙的墙身方面压应力和拉应力的优化率大，分别为42．9%和35．1%，剪应力变为负值，优化率为100%。在墙底方面，墙底截面上的剪应力优化明显，压应力虽然增大了一部分，但是能在保障基座发生沉降而发挥最大的地基承载力，优化了受力性。

4结语

经过以上对于公路衡重式挡土墙优化设计方法与应用的研究，我们深刻认识到对于衡重式挡土墙的设计优化在工程建设方面的巨大意义，正是因为有了优化设计，才能有效缓解计算量大，且繁杂还难以得到最为经济合理设计方案的不足，通过结合实际的建设问题改进设计中的不足，推广混合遗传算法在公路的挡土墙设计中的应用，使得衡重式挡土墙建设再上一个台阶。

作者：崔平 单位：山西省交通规划勘察设计院