Anwendung des Quick Group Search Optimizer mit Passive Congregation-Algorithmus zur Optimierung der Seilkraft bei fertiggestellter Schrägseilbrücke

Warum gerade Brücken wichtig sind

Moderne Schrägseilbrücken gehören zu den auffälligsten Bauwerken weltweit. Hinter ihren eleganten Linien verbirgt sich jedoch ein sensibles Gleichgewicht: Sind die Kräfte in den Seilen nicht korrekt eingestellt, können die Türme kippen, die Fahrbahn durchhängen und innere Spannungen die Lebensdauer der Brücke verkürzen. Dieser Beitrag untersucht eine neue rechnerbasierte Methode, um die Seilkraftverteilung einer großen chinesischen Flussquerung so „nachzustimmen“, dass die Türme gerader stehen und die Fahrbahn eben bleibt – ohne das sichtbare Design zu verändern.

Wie Schrägseilbrücken ihre Form behalten

Bei einer Schrägseilbrücke verlaufen Dutzende bis Hunderte Stahlsaiten fächerförmig von hohen Türmen zur Abstützung der Fahrbahn. Unter dem Eigengewicht der Brücke verfolgen Ingenieure eine einfache Faustregel: „gerade Türme und ebene Träger.“ In der Praxis bedeutet das, seitliche Verschiebungen an den Turmspitzen zu begrenzen, ein Durchhängen der Fahrbahn zwischen den Stützen zu vermeiden und übermäßiges Biegung in der Fahrbahn zu verhindern. Traditionelle Berechnungsverfahren erreichen einige dieser Ziele, ignorieren aber oft Turmspannungen oder erfordern ein trial-and-error-Anpassen der Seilkräfte – ein langsamer Prozess bei solch komplexen Bauwerken.

Ein Computer-Schwarm lernt, die Seile anzupassen

Die Autoren wenden eine Familie von Suchverfahren an, die von Tier-Schwärmen inspiriert sind, um dieses Abstimmungsproblem direkter anzugehen. Sie kombinieren ein Standardwerkzeug der Technik – eine „Einflussmatrix“, die angibt, wie jedes Seil Turmbewegungen, Durchbiegungen der Fahrbahn und Biegung im Hauptträger beeinflusst – mit einer fortgeschrittenen Suchroutine namens Quick Group Search Optimizer mit Passive Congregation (QGSOPC). Einfach gesagt behandelt der Computer jede mögliche Seilkraftverteilung als Individuum in einem Schwarm. Manche Individuen „erkunden“ neue Kombinationen, einige „folgen“ der derzeit besten Lösung und andere streifen umher, um das Feststecken in lokalen Optima zu verhindern. Die Einflussmatrix erlaubt es dem Programm, schnell vorherzusagen, wie ein getestetes Kraftmuster Form und Spannungen der gesamten Brücke verändern wird.

Anwendung der Methode an einer realen Großbrücke

Zur Prüfung des Verfahrens setzten die Forschenden es an einer fünffeldrigen, zweiturmigen Schrägseilbrücke über den Xijiang-Fluss in Guangdong, China, mit 208 Hauptseilen und einer Hauptöffnung von 580 Metern ein. Sie erstellten ein detailliertes Computermodell der Brücke mit gängiger Struktur-Software und ließen dann nur 26 repräsentative Seilpaare variieren, entsprechend der Symmetrie der Brücke. Die Aufgabe des Suchalgorithmus war es, Seilkräfte zu finden, die allein unter dem Dauerlastfall die seitliche Verschiebung an den Turmspitzen, das vertikale Durchhängen der Fahrbahn und die Spitzenbiegung im Hauptträger reduzieren. Gleichzeitig mussten die Seilkräfte innerhalb sicherer Grenzen bleiben und sprunghafte Unterschiede zwischen benachbarten Seilen vermieden werden, da solche Sprünge lokale Schwachstellen erzeugen könnten.

Wie viel gerader und glatter die Brücke wurde

Die Verbesserungen durch die neue Methode waren beachtlich. Verglichen mit dem ursprünglichen Entwurf verringerten die durch QGSOPC gefundenen optimierten Seilkräfte die seitliche Verschiebung an den Turmspitzen um etwa 84 Prozent – von 84,1 Millimetern auf nur 13,6 Millimeter – und verwandelten damit eine deutlich sichtbare Neigung in eine kaum wahrnehmbare Verschiebung. Die maximale Durchbiegung der Fahrbahn unter Eigengewicht sank um rund 42 Prozent, und die Spitzenbiegung im Hauptträger nahm um 11 Prozent ab. Zum Vergleich: Eine einfachere Variante des Algorithmus, der Group Search Optimizer (GSO), verbesserte zwar die Fahrbahndurchbiegung etwas stärker, verschlechterte aber die Turmneigung und erhöhte die Biegung im Träger. Insgesamt sank ein kombinierter Bewertungswert, der alle drei Effekte berücksichtigt, um 40,7 Prozent mit QGSOPC gegenüber 40,3 Prozent mit GSO, was zeigt, dass die neuere Methode ausgeglichenere und bautechnisch günstigere Lösungen liefert.

Was die Änderungen in der Praxis bedeuten

Die optimierten Seilkräfte sind allgemein höher als ursprünglich angegeben, bei einzelnen Seilen bis zu 60 Prozent, liegen jedoch weiterhin deutlich unter ihren Tragfähigkeitsgrenzen. Das kann stärkere Hebevorrichtungen und sorgfältige Bauplanung erfordern, verlangt aber keine dickeren Türme oder eine schwerere Fahrbahnkonstruktion, und die Sicherheitsnachweise bleiben erfüllt. Die Studie weist außerdem darauf hin, dass sich die Ergebnisse auf die fertige Brücke unter Eigengewicht beziehen; Langzeiteffekte wie Kriechen des Betons, Relaxation des Stahls, Temperaturänderungen und Verkehrsbelastungen sind zukünftigen Untersuchungen vorbehalten, ebenso direkte Vergleiche mit anderen verbreiteten Suchverfahren wie genetischen Algorithmen und Partikelschwärmen.

Einfachere Brücken durch smartes Abstimmen

Für Nicht-Spezialisten lautet die Erkenntnis, dass Computer Brücken inzwischen ähnlich „stimmen“ können wie ein Musiker seine Gitarre – indem sie Spannungen so lange feinjustieren, bis das Gesamtsystem wie gewünscht reagiert. Der QGSOPC-Ansatz hilft Ingenieuren, Seilkraftverteilungen zu finden, die Türme aufrecht, Fahrbahnen eben und innere Spannungen besser ausbalanciert halten – alles innerhalb realistischer Bau- und Sicherheitsgrenzen. Wenn diese Form intelligenter Optimierung um Zeitabhängigkeit, Temperatur und Verkehr erweitert wird, verspricht sie zuverlässigere, langlebigere Landmark-Brücken, ohne ihr Erscheinungsbild grundlegend zu verändern – nur das unsichtbare Kräftegleichgewicht, das sie trägt, wird feiner abgestimmt.

Zitation: Qin, G., Wang, L., Wu, Z. et al. Application of quick group search optimizer with passive congregation algorithm in cable force optimization of completed bridge of cable-stayed bridge. Sci Rep 16, 12770 (2026). https://doi.org/10.1038/s41598-026-42581-1

Schlüsselwörter: Schrägseilbrücke, Seilkraftoptimierung, Schwarmintelligenz, Baustatik, Finite-Elemente-Analyse