刘恒洋，卢 玲，黄贤英

（重庆理工大学 计算机科学与工程学院，重庆400054）

0 引 言

预应力二次张拉过程中产生的拐点数据在路桥施工中有着非常重要的作用，这些作用主要包括对预应力器材的质量检测、自然灾害的动态检测以及工程施工质量的验收等［1］。目前预应力二次张拉拐点的识别方法包括手工识别和软件自动识别，手工识别不仅工作量大效率低（主要集中在根据测量数据绘制曲线过程上），而且拐点结果的正确与否极大地依赖于工作人员的工作经验［2］。软件自动识别一般将拐点的识别过程分为数据预处理和拐点计算两个阶段，在数据预处理阶段主要是过滤异常数据和去除测量过程中由于外界干扰导致的明显的非线性数据；计算拐点阶段是拐点识别的关键过程，这个过程中一个比较主流的做法就是比较测量过程中的点跟第一个点组成的直线以及该点跟最后一个点组成的直线之间的斜率差，如果斜率差最大，则说明该点就是拐点。这种做法的缺点是随着测量曲线的非线性坡度的增大，测量出的拐点位置跟实际拐点位置存在一定的差距。为了解决拐点计算过程中精度不够的问题，本文将遗传算法应用到预应力二次张拉拐点识别的过程中，以达到提高拐点识别精度的目的。

1 预应力二次张拉的物理结构和数学模型

1.1 预应力二次张拉物理结构概述

为了检测钢索质量，或监测工程状况，在实际工程中，常常将钢索进行如图1所示的锚固安装。……