Användning av Quick Group Search Optimizer med Passive Congregation-algoritm för optimering av kabelkrafter i färdigställd kabelförankrad bro

Varför rakare broar spelar roll

Moderna kabelförankrade broar är bland de mest iögonfallande infrastrukturprojekten på jorden. Men bakom deras eleganta linjer ligger en känslig balansakt: om krafterna i kablarna inte ställs in helt rätt kan tornen luta, vägbanan sjunka och interna spänningar förkorta broens livslängd. Den här artikeln undersöker en ny datorbaserad metod för att ”stämma om” krafterna i kablarna på en stor kinesisk flodöverspänning så att tornen står rakare och däckets nivå bibehålls bättre, allt utan att ändra det synliga utseendet.

Hur kabelförankrade broar behåller sin form

I en kabelförankrad bro sprider sig tiotals eller till och med hundratals stålkablar ut från höga torn för att bära vägbanan. Under broens egen vikt vill ingenjörer att den färdiga konstruktionen ska uppfylla en enkel tumregel: ”räta torn och horisontella balkar.” I praktiken betyder det att begränsa sidoförskjutning vid tornens toppen, förhindra att vägbanan hänger mellan stöd och undvika överdriven böjning i däcket. Traditionella beräkningsmetoder kan uppfylla vissa av dessa mål, men de förbiser ofta tornspänningar eller kräver att ingenjörer justerar kabelkrafterna genom trial-and-error — en långsam process för så komplexa konstruktioner.

Att lära en datorflock att justera kablarna

Författarna vänder sig till en familj av sökmetoder inspirerade av djursvärmar för att angripa detta inställningsproblem mer direkt. De kombinerar ett standardtekniskt verktyg — en ”influensmatris” som visar hur varje kabel påverkar tornens rörelser, däckets nedböjning och böjningen i huvudbalken — med en avancerad sökrutin kallad Quick Group Search Optimizer med Passive Congregation (QGSOPC). I enkla termer behandlar datorn varje möjlig kombination av kabelkrafter som en individ i en flock. Några individer ”utforskar” nya kombinationer, några ”följer” den bästa nuvarande lösningen och andra driver omkring för att hindra gruppen från att fastna. Influensmatrisen låter programmet snabbt förutsäga hur ett prövningsmönster av krafter kommer att ändra hela broens form och inre spänningar.

Tillämpning på en verklig jättelik bro

För att testa angreppssättet tillämpade forskarna det på en femspannig, tvillingtornig kabelförankrad bro över Xijiang-floden i Guangdong, Kina, med 208 stagkablar och ett huvudspann på 580 meter. De byggde en detaljerad datormodell av bron med hjälp av standard strukturella programvaror och tillät sedan endast 26 representativa kabelpar att variera, i linje med broens symmetri. Sökalgoritmens uppgift var att hitta kabelkrafter som, under enbart den permanenta lasten, skulle minska sidoförskjutning vid tornens toppar, vertikal hängning av däck och toppböjning i huvudbalken. Samtidigt måste den hålla kabelkrafterna inom säkra gränser och undvika plötsliga hopp mellan intilliggande kablar som kan skapa lokala svagheter.

Hur mycket rakare och jämnare bron blev

Gavnen från den nya metoden var slående. Jämfört med ursprungsdesignen minskade de optimerade kabelkrafterna som hittades av QGSOPC torntopparnas sidoförskjutning med ungefär 84 procent, från 84,1 millimeter till bara 13,6 millimeter — vilket i praktiken förvandlar en märkbar lutning till en nästintill obetydlig förskjutning. Maximal sänkning av vägbanan under egen vikt minskade med cirka 42 procent och toppböjningen i huvudbalken föll med 11 procent. För jämförelse förbättrade en enklare släkting till algoritmen, kallad Group Search Optimizer (GSO), däckhänget något mer men förvärrade faktiskt tornlutningen och ökade böjningen i balken. Sammantaget sjönk en kombinerad poäng som mäter alla tre effekter med 40,7 procent med QGSOPC, mot 40,3 procent med GSO, vilket visar att den nyare metoden ger en mer balanserad och strukturellt fördelaktig lösning.

Vad förändringarna betyder i praktiken

De optimerade kabelkrafterna är generellt högre än de ursprungligen angivna, ibland med upp till 60 procent för enskilda kablar, men fortfarande långt under deras brottgränser. Det kan kräva starkare domkrafter och noggrann planering under byggnationen, men det kräver inte tjockare torn eller ett tyngre däck, och säkerhetskontrollerna förblir uppfyllda. Studien påpekar också att resultaten gäller för den färdiga bron under egen vikt; långtidseffekter som betongkrypning, stållagring, temperaturförändringar och trafiklast lämnas för framtida arbete, liksom direkta jämförelser med andra populära sökmetoder som genetiska algoritmer och partikel‑svärmar.

Enklare broar genom smartare inställning

För icke-specialister är slutsatsen att datorer nu kan ”ställa in” kabelförankrade broar på ungefär samma sätt som en musiker stämmer en gitarr — genom att subtilt justera spänningarna tills hela systemet beter sig som önskat. QGSOPC‑metoden hjälper ingenjörer att hitta mönster av kabelkrafter som håller tornen upprätta, däcket plant och de inre spänningarna mer balanserade, allt inom realistiska bygg- och säkerhetsgränser. När denna typ av intelligent optimering utvidgas till att omfatta tid, temperatur och trafik lovar den mer pålitliga, långlivade landmärkesbroar utan att fundamentalt förändra deras utseende — endast den osynliga kraftbalansen som håller dem uppe.

Citering: 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

Nyckelord: kabelförankrad bro, optimering av kabelkrafter, svärmintelligens, byggnadsteknik, metod för ändliga element