电气化铁道 电气化铁路建设十万公里技术创新暨学术交流会论文集
DOI ：10.ki.1007-936x.2020z2.052
吊柱引起的次应力对多跨硬横梁的影响分析
刘 津
摘 要：硬横跨支撑结构形式在电气化铁路中被广泛采用，硬横跨的横梁截面不仅承受轴力，节点位置还承
受部分弯矩和剪力，将这两种荷载归结为次应力。由吊柱引起的次应力会对横梁的挠度、受力等产生一定影响，须引起足够重视。本文以多跨硬横跨为研究对象，分析其截面次应力的影响。
关键词：接触网；硬横梁；吊柱；次应力
Abstract: The support structures of the portal structure are widely ud in the electrified railway, the cross ction
area of the beam on the portal structure will bear the axle force, and its node position will bear partial b
ending moment and shear force, the two forces are converted to the condary stress together with the condary stress induced by the drop tube will generate a certain impact to the deflection and force upon the beam, therefore, attentions must be paid to it. Taking the multiple span portal structure as the rearch object, the paper analyzes the impact caud by the condary stress of its cross ction area.
Key words: OCL; beam of portal structure; drop tube; condary stress
中图分类号：U225.4 文献标识码：B 文章编号：1007-936X (2020)z2-0226-03
0 引言
硬横跨具有结构稳定、抗风性能好、外观优美等特点，硬横跨体系目前在电气化铁路中被广泛应用，尤其对于多股道的站场。硬横跨体系主要由门式钢结构和吊柱两部分组成。对于硬横跨的受力分析，尤其是多跨硬横跨，很多影响因素不容忽视。本文针对吊柱引起的次应力这一影响因素，对多跨硬横跨进行力学模型简化，并对其结构性能进行分析。
226
1 结构计算原理
千万的成语硬横跨的设计工况需考虑最大风速、覆冰及检修，每种工况组合下分别按承载能力极限状态和正常使用极限状态进行校验。对于接触网格构式硬横跨，吊柱的一般安装示意如图1所示，上部结构截面为矩形角钢格构梁，吊柱锚固于下弦杆，由于吊柱固定点处的剪力和轴力，下弦杆承担一定的轴力和弯矩。由于轴力所引起的应力远远小于剪力引起的应力，为了简化计算，本文只对剪力对下弦杆的影响进行分析。首先，将吊柱作用在下弦杆上的剪力简化为一对方向相反的力P 1、P 2，采用四跨连续梁模型，将一对力施加在硬横跨下弦杆，如图2所示；然后，对其次应力进行分析，P 1、P 2
的作用点距离节点距离分别为a 、b ，荷载关于中心节点反
作者简介：刘 津.中国铁路设计集团有限公司，工程师。
对称。将吊柱2个固定点所在节间范围向两侧各延长一个节点，利用典型连续梁的模型对吊柱剪力引起的次应力与其他荷载的主应力进行叠加，对主杆局部稳定性进行校核。
图1 硬横跨吊柱示意图
图2 四跨连续梁示意图
矩形截面横梁结构布置及荷载见图2，结构对称，受力明确，外力作用于平面桁架的节点上或对称平面间的连续杆上，将外力分配到各平面桁架上
吊柱引起的次应力对多跨硬横梁的影响分析 刘 津 接触网技术
227图3四跨连续梁力学求解模型
2 应力计算
针对四跨连续梁应力计算，可采取弯矩分配
法。弯矩分配法的基础是位移法，适用于无节点线
位移的钢架和连续梁。转动刚度表示杆端对转动的
抵抗能力，杆端的转动刚度以S
表示，其在数值上
等于使杆端产生单位转角时需要施加的力矩。对于
（2）锁住节点B、C、D，假设P1 = P2 = P，根
力及弯矩见表1。
题进行力矩的分配和传递，令3个节点平衡，再进
行第2次循环、第3次循环，节点的约束力矩的衰
减过程很快，直至节点约束力矩很小，结构接近恢
复到实际状态，计算工作可以停止。
（4）最后将固端弯矩、历次的分配力矩和传
递力矩相加，得到最后的杆端弯矩，可绘制弯矩图
（图4）。
图4四跨连续梁弯矩
当l = 900 mm，a = 250 mm，b = 650 mm时，
求得的弯矩值为M B = 0.063 7P，M C = 0，M D =
-0.063 7P，M max = 0.085 8P。
其他资本公积
螃蟹多少条腿假设当P= 35 kN时，可得M max = 2.7 kN⋅m。可
以看出，吊柱对于上部结构下弦杆产生的最大弯矩
为2.7 kN⋅m，当作用于2根下弦杆时，假设下弦杆
采用角钢L100×8，计算得出作用于单根下弦杆的
最大拉应力值为5.11×107 N/m2，最大压应力值为
5.11×107 N/m2。可见，吊柱对于硬横梁的作用不
可忽视。
由于人工计算较为复杂，本次计算也可参考集
中受力位置在跨中的情况，如图5所示。根据《建
筑结构静力计算手册》中列出的等截面连续梁的计
算系数（表2），叠加后可直接得到支座弯矩和跨
中最大弯矩：M B = 0.094P，M C = 0，M D = -0.094P，
M max = 0.203P。
其中，BC跨和CD跨中的最大弯矩数值相等，
方向相反，如图5所示，弯矩、剪力如图6、图7
所示。可以看出，该模型计算出的弯矩值更大，可
赞美教师的诗句利用其进行简化计算，结果更加安全。
电气化铁道 电气化铁路建设十万公里技术创新暨学术交流会论文集
2
28
图5 跨中受力四跨连续梁计算简图
劳动合同法全文图6 跨中受力四跨连续梁弯矩
图7 跨中受力四跨连续梁剪力
3 结语
利用模型进行简化计算，通过人工计算和力学求解器辅助，可以得出吊柱对硬横梁产生的次应力不可忽略，并且对硬横梁的下弦杆产生了应力集中。因此，在硬横梁计算中，应根据特定的荷载单独计算，必要时加强截面尺寸或增加角钢的型号，以保证硬横梁的受力性能，确保硬横梁结构的整体稳定性。
参考文献：
[1] 颜卫亨，杨璐. 不同跨度及节点形式的接触网硬横跨体系分析[J]. 第七届全国现代结构工程学术研讨会论文集，2007（07）.手机网游
[2] 刘峰涛. 格构式硬横梁上吊柱的通用型安装方式[J]. 电
气化铁道，2006（1）：32-34+42.
E
[3] 万一农. 铁路多线斜桥上接触网斜硬横跨设计[J]. 电气化铁道，1998（1）：3-5.
（上接第225页）
[11] K Simonyan and A Zisrman. Very deep convolutional networks for large-scale image recognition. arXiv preprint arXiv:1409.1556,2014.
[12] C Szegedy, W Liu, Y Jia, et al. Going deeper with convolutions. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2015:1–9. [13] K He, X Zhang, S Ren, et al. Deep residual learning for image recognition[C]. The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016:770-778. [14] Liang-Chieh Chen, George Papandreou, Iasonas Kokkinos, et al. Semantic Image Segementation with Deep Convolutional Nets and Fully Connected CRFs[C]. International Conference on Learning Reprentations (ICLR), 2015.
伴奏大全
[15] Liang-Chieh Chen, George Papandreou, et al. DeepLab: Semantic Image Segementation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence. V ol. 40, NO. 4,2018:834-848.
[16] Ren S, Girshick R, Girshick R, et al. Faster R-CNN: Towards Real-Time Object Detection with R
egion Proposal Networks[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2017, 39(6):1137-1149.
[17] Jia, Yangqing, Shelhamer, et al. Caffe: Convolutional Architecture for Fast Feature Embedding[J]. 2014:675-678. [18] Martin Abadi, Ashish Agarwal, et al. Tensorflow: Large-scale machine learning on heterogeneous distributed systems[EB/OL].arXiv:1603.04467, 2016.绍兴旅游攻略
[19] TANG R, LIN J. Honk: A Pytorch Reimplementation of Convolutional Neural Networks for Keyword Spotting[J]. 2017.
[20] 仝卫国，李敏霞，张一可. 深度学习优化算法研究[J].计算机科学，2018，45（s2）：155-159.
[21] Enqiang G , Xinsha F, Jiawei Z, et al. Learning to Measure Changes: Fully Convolutional Siame Metric Networks for Scene Change Detection[J]. arXiv preprint arXiv: 1810.09111, 2018.
