1.一种长寿命铁路钢箱梁桥竖向温度梯度疲劳荷载谱,其特征在于:该竖向温度梯度疲劳荷载谱由4个竖向温度子梯度及子梯度在设计使用年限内的发生概率组成,具体为:式中,TGi(y)为第i个竖向温度子梯度在位置y处的温度,H为铁路钢箱梁桥梁截面的高度,单位是m,Gi为第i个竖向温度子梯度,TGi,1、TGi,2、TGi,3、TGi,4分别为第i个竖向温度子梯度中顶板处、距底板0.91H高度处、距底板1/2H高度处、底板处的温度代表值,TG1,1、TG1,2、TG1,3、TG1,4分别为第1个竖向温度子梯度中顶板处、0.91H高度处、距底板1/2H高度处、底板处的温度代表值,TG1,1的取值范围是[2.4,3.0],单位为℃,TG1,3的取值范围是[2.5,3.0],单位为℃,TGi,j为第i个竖向温度子梯度中第j个典型高度处温度代表值,Nd为设计使用年限,TG1,j为第1个竖向温度子梯度中第j个典型高度处温度代表值,P(TG1(y))、P(TG2(y))、P(TG3(y))、P(TG4(y))分别为4个竖向温度子梯度在设计使用年限内的发生概率,TG1,1、TG2,1、TG3,1、TG4,1分别为4个竖向温度子梯度顶板处的温度代表值。
2.根据权利要求1所述一种长寿命铁路钢箱梁桥竖向温度梯度疲劳荷载谱的构建方法,其特征在于,包括以下步骤:步骤1、温度数据采集
在铁路钢箱梁桥顶板、底板和腹板上布置温度测点并间隔一定时间采集各个测点的温度值,共有m个测点,得到实测温度梯度时程曲线,将实测温度梯度时程曲线采用长短期记忆递归神经网络算法扩展至设计使用年限Nd典型位置处温度历程,计算各个测点日温极大值,并构建日温度极值矩阵S,式中,ym为第m个测点的位置坐标,为第一个测点位置处第1天的温度极大值,为第一个测点位置处第Nd×365天的温度极大值,为第m个测点位置处第1天的温度极大值,为第m个测点位置处第Nd×365天的温度极大值;
步骤2、采用K-means聚类方法定义聚类族,将日温度极值矩阵S的每一行向量归类到对应聚类族中
步骤2.1、定义聚类族个数cl,从日温度极值矩阵S中随机选取cl个行向量作为聚类中心,并以每个聚类中心构建一个聚类族,共构建cl个聚类族;
步骤2.2、计算日温度极值矩阵S的每一行向量与每个聚类中心的欧式距离,并将每一行向量归类到与其欧式距离最小的聚类中心对应的聚类族中;
步骤3、更新聚类中心与分类结果
将每个聚类族中所有向量点求均值得到的向量,作为每个聚类族的虚新聚类中心,计算每个聚类族的虚新聚类中心与旧聚类中心之间的欧式距离de,欧式距离de≤设定阈值dth的聚类族的聚类中心不变;欧式距离de>设定阈值dth的聚类族,将虚新聚类中心作为新聚类中心,重复步骤2.2进行更新,直至所有聚类族的虚新聚类中心与旧聚类中心之间的欧式距离de≤设定阈值dth,得到最终聚类族;
步骤4、确定合理聚类族个数cl:
令聚类族个数cl依次为2~10中的整数,按照步骤2、3操作得到相应聚类族个数cl的9组最终聚类族,每组最终聚类族的聚类中心构成聚类中心矩阵,每个聚类中心矩阵按照下式得到残日温极大值残差平方和SSE,绘制cl-SSE二维折线图,根据肘部法则判断,确定合理的聚类族个数cl值;
式中,St,:为日温度极值矩阵S中第t行向量,为聚类中心矩阵中第k行向量;
步骤5、确定适用于铁路钢箱梁桥的温度疲劳荷载谱
利用步骤4确定的聚类族个数cl及与之对应的聚类中心矩阵Cend,各个聚类族为竖向温度子梯度,聚类中心矩阵的行向量取值为各个温度子梯度的典型代表值,每个聚类族的样本点个数除以总个数即为每个子梯度的发生概率,从而得到对应的长寿命铁路钢箱梁桥温度疲劳荷载谱。
3.根据权利要求2所述长寿命铁路钢箱梁桥竖向温度梯度疲劳荷载谱的构建方法,其特征在于:所述阈值dth的取值范围是[0.00005,0.01]。
4.根据权利要求2所述长寿命铁路钢箱梁桥竖向温度梯度疲劳荷载谱的构建方法,其特征在于,所述步骤1中m个测点的布置方法为:在铁路钢箱梁桥的底板上布置一测点,并以该测点为坐标原点,沿着垂直高度方向在中腹板、顶板上布置测点,共布置m=8个测点,测点位置以距无翼板钢箱梁底板下表面的垂直距离表示为0.0m、L-4.2m、L-2.4m、L-1.4m、L-0.5m、L-0.2m、L-0.1m、L。
5.根据权利要求2所述长寿命铁路钢箱梁桥竖向温度梯度疲劳荷载谱的构建方法,其特征在于,所述步骤1中集各个测点的温度值间隔时间为60~1200秒。