Применение оптимизатора Quick Group Search с алгоритмом пассивной конгрегации для оптимизации усилий в тросах завершённого вантового моста

Почему более прямые мосты важны

Современные вантовые мосты — одни из самых эффектных сооружений в мировой инфраструктуре. Но за их элегантными линиями скрывается тонкий баланс: если усилия в тросах не отрегулированы должным образом, башни могут накрениться, пролётная часть провиснуть, а внутренние напряжения сократят срок службы моста. В этой статье рассматривается новый компьютерный метод «перенастройки» усилий в тросах крупного китайского речного перехода, позволяющий сделать башни более вертикальными и полотно более ровным, не меняя видимого дизайна.

Как вантовые мосты сохраняют форму

В вантовом мосту десятки или даже сотни стальных тросов расходятся от высоких башен, поддерживая мостовое полотно. Под собственным весом инженеры стремятся к простому правилу: «прямые башни и ровные прогоны». На практике это означает ограничение бокового перемещения вершин башен, предотвращение провисания проезжей части между опорами и избегание чрезмерного изгиба в основной балке. Традиционные методы расчёта могут удовлетворять некоторым из этих требований, но часто упускают из виду напряжения в башнях или требуют подбора усилий тросов методом проб и ошибок — медленного процесса для таких сложных конструкций.

Обучение компьютерного роя регулировать тросы

Авторы обращаются к семейству методов поиска, вдохновлённых поведением животных в стаях, чтобы решить эту задачу настройки более прямо. Они комбинируют стандартный инженерный инструмент — «матрицу влияния», показывающую, как каждый трос влияет на перемещения башен, прогиб полотна и изгиб в основной балке, — с продвинутым поисковым алгоритмом Quick Group Search Optimizer с пассивной конгрегацией (QGSOPC). Проще говоря, компьютер рассматривает каждую возможную схему усилий в тросах как индивидуума в стае. Одни особи «исследуют» новые комбинации, другие «следуют» за лучшим текущим решением, а третьи бродят, чтобы группа не застряла в локальном оптимуме. Матрица влияния позволяет программе быстро предсказывать, как любая пробная схема усилий изменит форму и напряжения всей конструкции.

Применение метода на реальном крупном мосту

Для проверки подхода исследователи применили его к пятипролётному вантовому мосту с двумя башнями через реку Сицзян в провинции Гуандун, Китай, с 208 тросами и главным пролетом 580 метров. Они создали детализированную компьютерную модель моста с помощью стандартного структурного ПО и затем позволили изменяться только 26 репрезентативным парам тросов, учитывая симметрию моста. Задача алгоритма поиска заключалась в поиске усилий в тросах, которые при учёте только постоянной нагрузки уменьшат боковое смещение вершин башен, вертикальное провисание полотна и пик изгиба в основной балке. При этом усилия тросов должны были оставаться в пределах безопасных значений и избегать резких перепадов между соседними тросами, способных создать локальные ослабления.

Насколько более ровным и плавным стал мост

Результаты нового метода оказались впечатляющими. По сравнению с исходной конструкцией, оптимизированные усилия, найденные QGSOPC, сократили боковое смещение вершин башен примерно на 84 процента — с 84,1 мм до всего 13,6 мм — фактически превратив заметный наклон в едва различимое смещение. Максимальный прогиб проезжей части под собственной массой уменьшился примерно на 42 процента, а пик изгиба в основной балке снизился на 11 процентов. Для сравнения, более простой родственник алгоритма, Group Search Optimizer (GSO), несколько лучше уменьшил прогиб полотна, но при этом ухудшил вертикальное положение башен и увеличил изгиб в балке. В сумме комбинированная оценка, учитывающая все три эффекта, уменьшилась на 40,7 процента при использовании QGSOPC против 40,3 процента для GSO, что показывает более сбалансированное и благоприятное для конструкции решение у нового метода.

Что эти изменения означают на практике

Оптимизированные усилия в тросах в целом выше, чем первоначально указанные, иногда до 60 процентов для отдельных тросов, но всё ещё значительно ниже их пределов прочности. Это может потребовать более мощных домкратов и тщательного планирования на этапе монтажа, однако не потребует утолщённых башен или увеличения веса пролётного строения, и проверки безопасности остаются удовлетворёнными. Исследование также отмечает, что результаты применимы к завершённому мосту при учёте только собственной массы; долгосрочные эффекты, такие как ползучесть бетона, релаксация стали, температурные изменения и транспортные нагрузки, отложены на будущее, как и прямые сравнения с другими популярными методами поиска, например генетическими алгоритмами и ройными системами частиц.

Проще мосты благодаря более умной настройке

Для неспециалистов вывод таков: компьютеры теперь могут «настраивать» вантовые мосты подобно музыканту, настраивающему гитару — аккуратно меняя натяжение, пока вся система не начнёт вести себя так, как требуется. Подход QGSOPC помогает инженерам находить схемы усилий в тросах, которые удерживают башни вертикально, прогоны — ровными, а внутренние напряжения — более сбалансированными, оставаясь в рамках реальных строительных и безопасных ограничений. По мере того как этот вид интеллектуальной оптимизации будет расширяться с учётом времени, температуры и дорожного движения, он обещает более надёжные, долговечные памятные мосты без фундаментальных изменений их внешнего вида — только невидимого баланса сил, который их поддерживает.

Цитирование: 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

Ключевые слова: вантовый мост, оптимизация усилий тросов, интеллект роя, структурная инженерия, метод конечных элементов