CN110565627B - 一种灌浆期间地层抬动的风险控制方法 - Google Patents

Abstract

本发明公开了一种灌浆期间地层抬动的风险控制方法，包括如下步骤：1)基于支持向量机方法预测Δt时间后的地层抬动位移；2)建立地层抬动响应数学模型；通过地层抬动动态响应数学模型计算预测位移对应的理论灌浆压力值；3)将灌浆压力初始设定值与数学模型计算的预测位移对应的灌浆压力值进行对比，得到偏差e，偏差e在预设值范围内时，不需要调节灌浆压力；当偏差e不在预设值范围，进行步骤4)；4)通过两个模糊控制器提前Δt时间进行灌浆压力调节。本发明针对灌浆过程中盖重‑地层的抬动破坏问题，提出一种适用于大坝灌浆过程中盖重‑地层时变抬动变形控制方法，达到地层抬动风险控制的目的。

Description

一种灌浆期间地层抬动的风险控制方法

技术领域

本发明涉及灌浆地层抬动控制技术领域，具体涉及一种灌浆期间地层抬动的风险控制方法。

背景技术

灌浆就是将具有胶凝性的浆液或化学溶液，按照规定的配比或浓度，借用机械对之施加压力，通过钻孔或其他设施，岩岩石裂隙或地基孔隙、围岩裂隙或隧洞压送到需要灌浆的部位。从而充填这些节理裂隙、孔隙、空隙、空洞或裂缝之处，起到固结、粘合、防渗，提高承载强度和抗变形能力以及传递应力等作用。

施灌区域地层存在纵横交错、无以计数的裂隙与裂缝，浆液在充填这些裂隙与裂缝的过程中，使这些裂隙与裂缝发生变形而加大原有的张开度，张开度增加后由于已充填了浆液形成结石而使这些裂隙与裂缝无法恢复原有的状态。随着浆液的充填量与结石形成的增加，变形量也越来越大，最终形成抬动。

传统抬动控制方面主要以传感器监测报警，通过现场技术人员降压控制抬动，人为因素影响大，而且灌浆过程中，抬动变形趋势最大的区域难以预测，抬动孔布置位置难以做到合理安排。在实际操作过程中受地层复杂性及土体弹塑性特性及裂隙网络随机性的影响，盖重动态响应随着盖重-地层系统结构刚度的变化而变化，大坝盖重灌浆过程抬动变形是随灌浆过程不断变化的时变系统，因此持续对抬动响应进行精确计算可以实现抬动在线控制。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种灌浆期间地层抬动的风险控制方法，针对抬动风险对盖重和地层灌浆过程中遇到的破坏的问题，基于支持向量机和数学模型相结合的方法，提出一种适用于大坝灌浆过程中盖重-地层系统时变抬动变形控制方法，达到地层抬动风险控制的目的。

为解决上述技术问题，本发明提出的技术方案为：

一种灌浆期间地层抬动的风险控制方法，包括如下步骤：

1)建立地层抬动响应模型，通过位移传感器实时检测模型中地层的抬动位移，作为检测位移，以抬动位移上限值作为目标位移，采用支持向量机方法预测Δt时间后的地层抬动预测位移；

2)建立以预测位移为输入、灌浆压力为输出的地层抬动响应数学模型；将预测位移作为输入，通过地层抬动动态响应数学模型计算预测位移对应的理论灌浆压力；

3)将压力表获取灌浆的初始压力值与理论灌浆压力值进行对比，得到偏差e，偏差e在预设值范围内时，不需要调节灌浆压力；当偏差e不在预设值范围，进行步骤4)；

4)通过模糊控制器提前Δt时间进行调节灌浆压力，通过串级模糊控制系统的两个控制器进行灌浆压力调节，其中前一级控制器输出的压力值作为后一级控制器的设定值，通过后一级控制器输出的灌浆压力值控制灌浆调节阀的开度，即调节灌浆压力。

作为上述技术方案的进一步改进为：

所述步骤1)中将检测位移x＝{x₁,…,x_n}做为输入数据和抬动位移上限值y＝{y₁,…,y_n}作为支持向量机位移学习目标，构建支持向量机预测函数；

其中，x_i是n个样本中第i个样本；K(x_i·x)是核函数；

α_i为所对应的x_i的支持向量；b为阈值，σ为核函数宽度参数。

上述方案中，优选地，通过多个所述检测位移构建样本库，根据样本库设计抬动变形多步预测器。抬动变形多步预测器包括电连接的显示器和处理器，传感器检测的检测位移输送至处理器，在处理器中构建支持向量机预测模型，在显示器中显示。

上述方案中，优选地，所述地层抬动动态响应数学模型为：

其中，h为灌浆深度，K为岩层渗透系数，μ为浆液粘度，β为浆液损失度，w为抬动位移，r为浆液扩散半径，r₀为灌浆孔半径，t为灌浆时间，Q为注浆量，V_裂隙为灌浆区域地层裂隙体积，ΔP＝P_r-P₀，为半径r与r₀之间的灌浆压力差值。

上述方案中，优选地，所述步骤2)中，地层抬动动态响应数学模型的建立步骤为：

2-1)根据体积守恒原理，注入浆液总体积与被注浆岩层的裂隙体积和抬动体积的关系为；

(1-β)×V_总＝V_抬动+V_裂隙

式中，β为浆液损耗率，V_总注入浆液总体积，V_抬动为灌浆抬动区域抬动体积，V_裂隙为灌浆区域地层裂隙体积；

2-2)抬动体积与抬动位移的关系为：

V_抬动＝πr²w

其中，w为抬动位移，r为浆液扩散半径；

2-3)根据V_总＝Qt，得到注浆量与抬动位移的关系为：

其中，β为浆液损失度，t为灌浆时间，Q为注浆量；

2-4)通过注浆量与灌浆压力和扩散半径关系式：

ΔP＝P_r-P₀，为半径r与r₀之间的压差。

得到所述地层抬动动态响应数学模型为：

其中，h为灌浆深度，K为岩层渗透系数，μ为浆液粘度，β为浆液损失度，w为抬动位移，r为浆液扩散半径，r₀为灌浆孔半径，t为灌浆时间，Q为注浆量，V_裂隙为灌浆区域地层裂隙体积。

上述方案中，优选地，所述步骤4)中，将控制量u作为从控制器的输入，比较主控制器输出灌浆压力偏差，并由该偏差e得到偏差变化率e_c，即：

将该偏差e、偏差变化率e_c经模糊控制算法进行处理，得到误差变量的基本论域[-e+e]、[-u+u]的量化等级n，获得模糊控制器控制量u；偏差量化因子和偏差变化率量化因子经过论域转换后输入模糊控制器进行处理得到调节阀的控制量u，即调节阀的开度。

本发明提供的灌浆期间地层抬动的风险控制方法，与现有技术相比有以下优点：

本发明通过位移传感器实时监测地层抬动位移，基于支持向量基方法预测Δt时间后的位移变化，并将预测位移作为数学模型的输入，通过数学模型计算预测位移对应的灌浆压力，比较灌浆初始设定压力与Δt时间引起抬动位移的灌浆压力的偏差，通过串级控制系统两个控制器进行压力调节，其中前面控制器的输出作为后面控制器的设定值，最后一个控制器的输出控制调节阀。在控制过程中，前一级副回路起“粗调”作用，后一级主回路起“细调”作用，利用模糊控制器实现提前Δt时间调节灌浆压力，实现被控过程的动态特性，及时克服进入副回路的二次扰动，提高系统的抗干扰能力，实现提前Δt时间控制地层-盖重抬动风险。本发明能够动态更新学习样本，建立支持向量机动态预测模型，从而使抬动变形预测和学习变成动态过程。

附图说明

图1为本发明的地层抬动模糊控制原理框图。

图2为本发明控制方法的流程图。

图3为本发明支持向量机方法Δt时间后的预测位移图。

具体实施方式

以下对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

图1至图3示出了本发明的灌浆期间地层抬动的风险控制方法的一种实施方式，包括如下步骤：

1)建立地层抬动响应模型；

2)通过位移传感器实时检测模型中地层的抬动位移，作为检测位移，以抬动位移上限值作为目标位移，将检测位移x＝{x₁,…,x_n}做为输入数据和抬动位移上限值y＝{y₁,…,y_n}作为支持向量机的位移学习目标，构建支持向量机预测函数：

其中，x_i是n个样本中第i个样本；K(x_i·x)是核函数；

α_i为所对应的x_i的支持向量；b为阈值，σ为核函数宽度参数。

对其中一个孔的灌浆数据进行预测结果如图3所示。

当灌浆过程中传感器采集到n个抬动变形数据时，构造学习样本进行训练，取t时刻及t时刻前1-2秒内采集到的位移数据作为学习和训练样本，设计抬动变形多步预测器。抬动变形多步预测器包括电连接的显示器和处理器，传感器检测的检测位移输送至处理器，在处理器中构建支持向量机预测模型，在显示器中显示。

用训练好的抬动变形预测器即构建了支持向量机预测模型，然后通过支持向量机预测模型进行下一步的抬动变形预测，得到抬动变形预测值，并将Δt时刻后位移传感器检测到的实际检测位移与抬动变形预测值对比，对抬动变形预测器的预测性能进行评价。

3)建立地层抬动响应数学模型

3-1)根据体积守恒原理，由注入浆液总体积等于被注浆岩层的裂隙体积加抬动体积的关系建立数学模型；

(1-β)×V_总＝V_抬动+V_裂隙

其中，β为浆液损耗率，V_总注入浆液总体积，V_抬动为灌浆抬动区域抬动体积，V_裂隙为灌浆区域地层裂隙体积。

3-2)抬动体积与抬动位移的关系为：

V_抬动＝πr²w

其中，w为抬动位移，r为浆液扩散半径；

3-3)浆液注入总体积等于单位时间注浆流量乘以灌浆时间，即V_总＝Qt，得到注浆量与抬动位移的关系为：

其中，β为浆液损失度，t为灌浆时间，Q为注浆量；

3-4)在半径r与r₀之间，注浆量与灌浆压力和扩散半径关系式：

式中，h为灌浆深度，K为岩层渗透系数，,μ为浆液粘度，β为浆液损失度，ω为位移，r为浆液扩散半径，r₀为灌浆孔半径，t为灌浆时间，Q为注浆量，ΔP＝P_r-P₀，为半径r与r₀之间的灌浆压力差值。

4)当采集时间不足1-2秒时，取前面所有的位移数据作为学习和训练样本，通常在刚采集数据的一段时间里，样本量很少，此时支持向量机回归预测的效果有较大误差，故可以约定样本量的下限为10，若样本量小于10，不对抬动位移进行预测，可直接用检测的位移值作为数学模型的输入。在已预测的抬动变形的实测数据被采集到时，采取增加新信息与去掉旧信息同时进行的方式构成新的抬动变形时间序列，对之进行学习样本训练，并对未来抬动变形预测；以上过程不断重复进行，动态更新学习样本，建立支持向量机动态预测模型，从而使抬动变形预测和学习变成动态过程。

本实施例中，地层抬动响应模型的模型参数为：V_裂隙＝500L，h＝5m，K＝0.06，μ＝0.08Pa.s，β＝0.2，r＝15m，r₀＝0.025m。

设t＝20min为灌浆时间，当抬动位移为25μm时。

ΔP＝P_r-P₀，P_r为扩散半径为r处的灌浆压力，忽略注浆管道压力损失，P₀为孔口灌浆压力。孔口灌浆压力可通过压力表获取，则通过以上计算模型可以获得抬动位移对应的灌浆压力值，如表1所示。

表1数学模型计算对应灌浆压力值

5)将预测位移作为输入，通过地层抬动动态响应模型计算预测位移对应的灌浆压力。测取孔口灌浆压力设定与数学模型计算的灌浆压力偏差e，并由该偏差e得到偏差变化率e_c，即：

如果该偏差e的绝对值小于某个设定值，或者偏差e在预设值范围内时，则说明压力输出基本平衡，可不对其给定进行调节；当偏差e不在预设值范围，进行步骤6)。

6)控制量u作为从控制器的输入，比较主控制器输出的孔口灌浆压力偏差，并由该偏差e得到偏差变化率e_c，即：

此时将该偏差e、偏差变化率e_c经模糊控制算法进行处理，选定了误差变量的基本论域[-e+e]、[-u+u]的量化等级n，获得模糊控制器控制量u；经偏差量化因子和偏差变化率量化因子经过论域转换后送模糊控制器进行处理得到调节阀的动作范围u；即调节阀的开度。通过调节阀对压力给定进行相应的调节，实现对灌浆压力实时调节。

如图1所示，图1为本发明模糊控制器原理框图。模糊控制器将两偏差e、实际偏差的变化率e_c以及作为模糊控制器的输入，将调整值u作为模糊控制器的输出，并将的偏差e、偏差的变化率e_c、及输出控制量u分别定义为5个量化等级：{负大(NB)，负小(NS)，零(ZE)，正小(PS)，正大(PB)}；取e和e_c的离散论域为{-4，-3，-2，-1，0，1，2，3，4}，u的离散论域为{-5，-4，-3，-2，-1，0，1，2，3，4，5}。偏差e的论域为[-4，4]，偏差变化率e_c的论域为[-4，4]，输出控制量u的论域为[-5，5]，则各比例因子为：k_e＝3/4，

k_u＝3/4。为了提高模糊控制的稳态精度，对每个输入量和输出量建立了一个隶属函数表，分别如表1-表4所示。其中，表2-表4中第一行分别表示转矩偏差e、转矩偏差变化率e_c、输出控制量u的论域，第一列分别代表偏差e、偏差变化率e_c、输出控制量u的量化等级，表中其他部分表示各量化等级对应论域的隶属度。

表2偏差e语言值的隶属函数

表3偏差变化率e_c语言值的隶属函数

	-4	-3	-2	-1	0	1	2	3	4
										PB	0	0	0	0	0	0	0	0.5	1
PS	0	0	0	0	0	0.5	1	0.5	0
										ZE	0	0	0	0.5	1	0.5	0	0	0
NS	0	0.5	1	0.5	0	0	0	0	0
										NB	1	0.5	0	0	0	0	0	0	0

表4控制量u语言值的隶属函数

	-5	-4	-3	-2	-1	0	1	2	3	4	5
												PB	0	0	0	0	0	0	0	0	0	0.4	1
PS	0	0	0	0	0	0	0.2	1	0.4	0	0
												ZE	0	0	0	0	0.6	1	0.6	0	0	0	0
NS	0	0	0.3	1	0.5	0	0	0	0	0	0
												NB	1	0.5	0	0	0	0	0	0	0	0	0

表5u的模糊控制规则

表5中记录的模糊控制规则，是在综合考虑偏差e、偏差的变化率e_c的基础上，来确定调整值u的大小。其中偏差e及偏差的变化率e_c主要用于确定u量值的大小，e为PB，即正大，表示压力设定值比压力预测值大很多，e_c为PS，即正小，表示两压力值偏差e有往正小的趋势，为尽量减少两压力值偏差，使控制量平稳输出，应把控制量设为负小，使控制量对调节阀开度给定进行反向小的调节。表4中其它各项所述模糊控制规则也是根据同样的规则产生，根据表中所述控制规则对调节阀进行调节，可以实现滞后抬动响应控制，从而达到抬动风险控制的要求。

上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

Claims (6)

1.一种灌浆期间地层抬动的风险控制方法，其特征在于，包括如下步骤：

1)基于支持向量机方法预测Δt时间后的地层抬动位移；通过位移传感器实时检测灌浆过程中地层的抬动位移，作为检测位移，以抬动位移上限值作为目标位移，采用支持向量机方法预测Δt时间后的地层抬动预测位移；

2)建立以预测位移为输入、灌浆压力为输出的地层抬动响应数学模型；将预测位移作为输入，通过地层抬动动态响应数学模型计算预测位移对应的理论灌浆压力；

3)将灌浆压力初始设定值与数学模型计算的Δt时间后抬动预测位移对应的灌浆压力值进行对比，得到偏差e，偏差e在预设值范围内时，不需要调节灌浆压力；当偏差e不在预设值范围，进行步骤4)；

4)通过模糊控制器的模糊控制算法对偏差和偏差变化率进行处理，获得模糊控制器控制量u，灌浆压力通过压力调节阀调节，压力调节阀开度值与控制量u成正比，通过压力调节阀提前Δt时间调节灌浆压力。

2.根据权利要求1所述的灌浆期间地层抬动的风险控制方法，其特征在于，所述步骤1)中将检测位移x＝{x₁,…,x_n}做为输入数据和抬动位移上限值y＝{y₁,…,y_n}作为支持向量机位移学习目标，构建支持向量机预测函数；

其中，x_i是n个样本中第i个样本；K(x_i·x)是核函数；

α_i为所对应的x_i的支持向量；b为阈值，σ为核函数宽度参数。

3.根据权利要求2所述的灌浆期间地层抬动的风险控制方法，其特征在于，通过多个所述检测位移构建样本库，根据样本库构建支持向量机预测模型。

4.根据权利要求2所述的灌浆期间地层抬动的风险控制方法，其特征在于，所述地层抬动动态响应数学模型为：

其中，h为灌浆深度，K为岩层渗透系数，μ为浆液粘度，β为浆液损失度，w为抬动位移，r为浆液扩散半径，r₀为灌浆孔半径，t为灌浆时间，V_裂隙为灌浆区域地层裂隙体积，ΔP＝P_r-P₀，为半径r与r₀之间的灌浆压力差值。

5.根据权利要求4所述的灌浆期间地层抬动的风险控制方法，其特征在于，所述步骤2)中，地层抬动动态响应数学模型的建立步骤为：

2-1)根据体积守恒原理，注入浆液总体积与被注浆岩层的裂隙体积和抬动体积的关系为；

(1-β)×V_总＝V_抬动+V_裂隙

式中，β为浆液损耗率，V_总注入浆液总体积，V_抬动为灌浆抬动区域抬动体积，V_裂隙为灌浆区域地层裂隙体积；

2-2)抬动体积与抬动位移的关系为：

V_抬动＝πr²w

其中，w为抬动位移，r为浆液扩散半径；

2-3)根据V_总＝Qt，得到注浆量与抬动位移的关系为：

其中，β为浆液损失度，t为灌浆时间，Q为注浆量；

2-4)通过注浆量与灌浆压力和扩散半径关系式：

得到所述地层抬动动态响应数学模型为：

其中，h为灌浆深度，K为岩层渗透系数，μ为浆液粘度，β为浆液损失度，w为抬动位移，r为浆液扩散半径，r₀为灌浆孔半径，t为灌浆时间，Q为注浆量，V_裂隙为灌浆区域地层裂隙体积，ΔP＝P_r-P₀，为半径r与r₀之间的灌浆压力差值。

6.根据权利要求4所述的灌浆期间地层抬动的风险控制方法，其特征在于，所述步骤4)中，将灌浆压力初始设定值和数学模型计算灌浆压力值作为控制器的输入，比较两者偏差，并由该偏差e得到偏差变化率e_c，即：

将该偏差e、偏差变化率e_c经模糊控制算法进行处理，得到误差变量的基本论域[-e+e]、[-u+u]的量化等级n，偏差量化因子和偏差变化率量化因子经过论域转换后输入模糊控制器进行处理得到调节阀的控制量u，即压力调节阀的开度。

Images