CN112035932B - 拱坝智能进度仿真方法 - Google Patents
拱坝智能进度仿真方法 Download PDFInfo
- Publication number
- CN112035932B CN112035932B CN202010911374.4A CN202010911374A CN112035932B CN 112035932 B CN112035932 B CN 112035932B CN 202010911374 A CN202010911374 A CN 202010911374A CN 112035932 B CN112035932 B CN 112035932B
- Authority
- CN
- China
- Prior art keywords
- pouring
- simulation
- dam
- castable
- efficiency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及混凝土浇筑技术领域,本发明旨在解决现有技术存在仿真与实际施工存在契合度差的问题,提出一种拱坝智能进度仿真方法,包括以下步骤:步骤1、仿真初始条件和仿真参数初始化,建立仿真时钟序列;步骤2、判断大坝是否浇筑完成,若是则结束仿真流程,否则筛选出可浇筑坝块,确定其浇筑顺序;步骤3、确定多个缆机调配方案,选择缆机最小时钟对应的缆机调配方案进行浇筑;步骤4、判断是否有需要接缝灌浆的灌区,若有则进行接缝灌浆操作,否则更新仿真参数后返回步骤1;步骤5、判断是否满足控制目标,否则,对仿真参数进行调整。本发明提高了高拱坝施工进度仿真与实际施工的契合度。
Description
技术领域
本发明涉及混凝土浇筑技术领域,具体来说涉及一种拱坝智能进度仿真方法。
背景技术
随着物联网在大坝建设中的深入应用,通过在混凝土拌和楼、混凝土运输车、缆机、平仓机械、振捣机械等混凝土生产运输浇筑等一条龙环节上安装感知设备获取海量生产数据,通过大数据分析方法,可分析某一阶段混凝土拌和楼、混凝土运输车、缆机、平仓机械、振捣机械的生产规律,并随着大坝浇筑进程实时更新。物联网将推动高拱坝施工进度仿真从静态向动态转型。
现有的大坝混凝土施工进度仿真方法仿真参数不能密切跟踪并反映实际施工水平。缆机运行参数未能真实反映缆机驾驶员的操作习惯,缆机各环节运行效率的指标真实不能反映环境与季节的变化的影响;仿真时钟更新过程中计算浇筑时间时通常仅考虑缆机单循环耗时、仓面作业工序耗时,对拌和楼生产效率、运输车混凝土运输效率考虑不足,且对仓面作业的平仓机械效率、振捣机械效率定额简化,不能反映作业效率的规律。此外现有的仿真方法中对缆机与可浇仓面的逻辑关系是先选定缆机再根据缆机位置去判断能否入仓浇筑,这与施工中根据可浇筑仓面来配置缆机的实际情况有所出入,不能根据多个可浇仓综合规划配置缆机,提高缆机使用率。在选定浇筑仓面方面,现有的排仓方法中未能考虑到多个标段均衡施工与仓面空间位置间的相互影响。综上所述,现有技术中的大坝混凝土施工进度仿真方法存在仿真与实际施工存在契合度差的问题。
发明内容
本发明旨在解决现有技术存在仿真与实际施工存在契合度差的问题,提出一种拱坝智能进度仿真方法。
本发明解决上述技术问题所采用的技术方案是:拱坝智能进度仿真方法,包括以下步骤:
步骤1、仿真初始条件和仿真参数初始化,建立仿真时钟序列,所述仿真初始条件至少包括坝块实时浇筑面貌、接缝灌浆实时面貌、坝块分层方案、接缝灌浆分区级灌浆控制参数、机械设备资源、最大允许同时浇筑的仓面数量和仓面搭接比例,所述仿真参数至少包括机械群运行参数、仓面备仓参数和模板参数;
步骤2、判断大坝是否浇筑完成,若是,则结束仿真流程,否则,从仓面中筛选出满足预设条件的可浇筑坝块,根据各可浇筑坝块的评价指标及指标特征值确定各可浇筑坝块的浇筑顺序;
步骤3、确定用于对各可浇筑坝块进行浇筑的多个缆机调配方案,选择缆机最小时钟对应的缆机调配方案,并根据所述浇筑顺序对各可浇筑坝块进行浇筑;
步骤4、判断是否有需要接缝灌浆的灌区,若有,则对灌区进行接缝灌浆操作,否则,更新仿真参数后返回步骤1,所述更新仿真参数包括:利用大数据分析方法对历史积累的监控数据进行挖掘,通过并行计算的方式实时分析混凝土拌和楼、混凝土运输车、缆机、平仓机械和振捣机械的运行规律;将仿真计算过程中产生模拟的数据添加至历史数据池以更新运行规律,存至仿真过程的数据中心供进度仿真分析时调用以更新仿真参数;
步骤5、判断是否满足控制目标,若是,则输出施工进度仿真结果,将施工进度仿真结果传递至结构性态仿真过程,进行应力安全校核,为性态耦合过程;将施工资源管理功能模块嵌入仿真系统,同步施工资源管理功能模块进行施工资源智能配置,并将配置结果连同施工进度仿真结果一体输出,推送施工进度仿真结果,驱动仿真边界与仿真参数的更新,否则进入步骤6;
步骤6、根据施工进度仿真结果与控制目标的差异对进度目标有影响的仿真参数进行调整后进入步骤1。
进一步的,步骤1中,所述仿真时钟序列以天为时间段,以秒为单位,仿真时钟在此序列上的推进步骤如下:
步骤A、扫描所有浇筑机械,确定全局时钟和用于对各可浇筑坝块进行浇筑的缆机的最小时钟,若最小时钟的缆机是对应缆机调配方案中的缆机,则将所述最小时钟作为浇筑开始时间,否则,将对应缆机调配方案中的缆机的最小时钟作为浇筑开始时间;
步骤B、判断所述浇筑开始时间是否为有效工作时间,若不是,则将仿真时钟推进到下一有效时间段;
步骤C、计算各可浇筑坝块的浇筑持续时间,根据各可浇筑坝块的浇筑开始时间和浇筑持续时间确定各可浇筑坝块的浇筑结束时间,判断所述浇筑结束时间是否为有效工作时间,若不是,则判断对应的可浇筑坝块是否进行浇筑,如不浇筑,则重新计算浇筑开始时间;
步骤D、记录各可浇筑坝块的浇筑事件对应的时间,推进仿真时钟,并对此次循环的数据进行统计;
步骤E、判断大坝是否浇筑完成,若是,则结束单次仿真流程,进入方案优化阶段,否则,进入步骤A;
步骤F、判断是否满足控制目标,若是,则结束仿真流程,否则,重置时钟返回步骤A,进入优化仿真阶段,直至满足控制目标。
进一步的,步骤5中,所述控制目标包括:形象面貌的最低浇筑高程、最高浇筑高程、接缝灌浆高程与悬臂高度、度汛面貌要求、时段工程量、月最大浇筑强度和/或施工均衡性。
进一步的,步骤2中,所述各可浇筑坝块的浇筑顺序的确定方法包括:
步骤21、设可浇筑仓面的数量为m,评价指标的数量为n,第f个可浇筑坝块的第g个评价指标的指标特征值为kfg,则可得到m×n的指标特征值矩阵K:
步骤22、对各评价指标的指标特征值kfg进行归一化处理,得到归一化值xfg,根据归一化值xfg对指标特征值矩阵K进行归一化处理,得到矩阵X:
步骤23、对各可浇筑坝块的每个指标特征值进行加权求和,得到各可浇筑坝块的综合指标F[f],计算公式如下:
F[f]=a1xf1+a2xf2+…+anxfn;
式中,a1、a2、…、an为各评价指标的权重值,xf1、xf2、…、xfn为各评价指标归一化值;
所述对各评价指标的指标特征值kfg进行归一化处理包括:
对于指标特征值越大越好的评价指标,对其指标特征值进行归一化处理:
对于指标特征值越小越好的评价指标,对其指标特征值进行归一化处理:
步骤24、根据各可浇筑坝块的综合指标确定坝块浇筑顺序。
进一步的,步骤5中,所述施工资源包括人力资源和设备资源。
进一步的,步骤6中,所述对进度目标有影响的仿真参数包括:全坝高差、最大悬臂高度、相邻最大高差及其组合、关键路径浇筑间歇和局部分层方案。
进一步的,所述各可浇筑坝块的浇筑持续时间的计算方法包括:
设运输车各环节效率符合第一分布均值为tq,第一方差为σq的正态分布TCA=(tq,σq),缆机各环节运行速率符合第二分布均值为vo,第二方差为σo的正态分布VLA=(vo,σo),缆机卸料符合第三分布均值为txie、第三方差σxie的正态分布TLAX=(txie,σxie),缆机待料符合第四分布均值为tda,第四方差σda的正态分布TLAD=(tda,σda),缆机作业效率符合第五分布均值为pnn,第五方差为σnn的正态分布pnn=(pnn,σnn),nn为可浇筑坝块的机械数量,混凝土入仓各环节时间分别为:
式中,tqi为第i台运输车的第一分布均值,σqi为第i台运输车的第一方差;
式中,l为可浇筑坝块的坯层数量,s为可浇筑坝块的坯层面积,voi为第i台缆机运行速率的第二分布均值,txiei为第i台缆机卸料的第三分布均值,tdai为第i台缆机待料的第四分布均值;
获取混凝土入仓效率和仓面振捣效率,根据所述混凝土入仓效率和仓面振捣效率之间的关系并基于混凝土入仓所耗时间计算各可浇筑坝块的浇筑持续时间。
进一步的,所述根据混凝土入仓效率和仓面振捣效率之间的关系并基于混凝土入仓所耗时间计算各可浇筑坝块的浇筑持续时间包括:
若所述混凝土入仓效率小于或等于仓面振捣效率,则可浇筑坝块的浇筑持续时间为:
式中,sm为可浇筑坝块的第m个坯层的坯层面积,hm为可浇筑坝块的第m个坯层的坯层厚度,m=1、2、…、l,u为各可浇筑坝块所需的缆机数量,Vb为单台缆机能够吊运的混凝土体积。
进一步的,所述根据混凝土入仓效率和仓面振捣效率之间的关系并基于混凝土入仓所耗时间计算各可浇筑坝块的浇筑持续时间还包括:
若所述混凝土入仓效率大于仓面振捣效率,则可浇筑坝块的浇筑持续时间为:
式中,pm为可浇筑坝块的第m个坯层的仓面振捣效率。
进一步的,所述根据混凝土入仓效率和仓面振捣效率之间的关系并基于混凝土入仓所耗时间计算各可浇筑坝块的浇筑持续时间还包括:
若可浇筑坝块中存在l1个坯层的混凝土入仓效率小于或等于仓面振捣效率,存在l2个坯层的混凝土入仓效率大于仓面振捣效率,则可浇筑坝块的浇筑持续时间为:
式中,l1+l2=l。
本发明的有益效果是:本发明所述的拱坝智能进度仿真方法,利用基于物联网监控产生的工程建设数据通过大数据分析方法对历史积累的监控数据进行挖掘,通过并行计算的方式实时分析混凝土拌和楼、混凝土运输车、缆机、平仓机械、振捣机械的运行规律,并将仿真计算过程中产生模拟的各类数据添加至历史数据池以更新运行规律;每执行一次仿真分析过程,将仿真分析特征参数与仿真目标进行对比,通过与目标的差异驱动敏感参数调整,直至仿真优化结果与控制目标之间的差异满足阈值要求;最后利用仿真结果对施工资源进行自动配置,并一体输出仿真与资源配置结果;每经过一段实际施工时间,感知边界条件与仿真参数的变化,驱动执行仿真过程,实现从静态到动态的智能进度仿真,提高了高拱坝施工进度仿真与实际施工的契合度。
具体实施方式
下面将实施例对本发明的实施方式进行详细描述。
本发明所述的拱坝智能进度仿真方法,包括以下步骤:
步骤1、仿真初始条件和仿真参数初始化,建立仿真时钟序列,所述仿真初始条件至少包括坝块实时浇筑面貌、接缝灌浆实时面貌、坝块分层方案、接缝灌浆分区级灌浆控制参数、机械设备资源、最大允许同时浇筑的仓面数量和仓面搭接比例,所述仿真参数至少包括机械群运行参数、仓面备仓参数和模板参数;
在仿真开始前,对仿真初始条件和仿真参数进行初始化更新,通过物联网采集实施面貌数据、灌浆面貌数据实现面貌数据的自动化更新。其中,机械群包括混凝土拌和楼、混凝土运输车、缆机、仓面平仓机械、仓面振捣机械等。通过在机械群上安装GPS+RTK高精度定位设备、RFID感应设备、UWB定位设备、倾角传感器、转角传感器、超声波/红外线深度监测设备等,实现对机械群生产数据的全过程监控,获取海量生产数据。通过大数据分析技术可分析获得当前时段下机械群运行规律,包括拌和楼生产效率分布,运输车装料、重车运输、等待、转料、空载回程各环节效率分布、缆机装料、起罐、重罐运输、仓面对位、下料、空管回程各环节效率分布及缆机吊运过程各运行速率变化规律,仓面平仓机效率分布,仓面振捣机效率分布等。
步骤2、判断大坝是否浇筑完成,若是,则结束仿真流程,否则,从仓面中筛选出满足预设条件的可浇筑坝块,根据各可浇筑坝块的评价指标及指标特征值确定各可浇筑坝块的浇筑顺序;
其中,预设条件可以如下:
(1)坝块应在设备的控制范围内。
(2)坝块应满足层间间歇时间的要求,当前时钟时间距离已浇筑坝块的浇筑完成时间应不小于最小间歇时间。
(3)坝体面貌满足坝体在浇筑过程中,坝段上升高低相间。
(4)相邻坝段的高差不大于相邻坝段允许高差。
(5)相邻柱块的高差大于悬臂支撑需要的筑块层数与筑块厚度的乘积。
(6)仓面应有足够的准备时间。
(7)浇筑设备之间的距离应大于允许的安全距离。
(8)坝块应有足够的基础处理时间。
(9)所有坝段都不能大于预定高度。
(10)坝体上升速度过程应满足施工期应力要求。
(11)应满足设备浇筑强度和拌和楼供料强度的要求。
其中,所述各可浇筑坝块的浇筑顺序的确定方法包括:
步骤21、设可浇筑仓面的数量为m,评价指标的数量为n,第f个可浇筑坝块的第g个评价指标的指标特征值为kfg,则可得到m×n的指标特征值矩阵K:
步骤22、对各评价指标的指标特征值kfg进行归一化处理,得到归一化值xfg,根据归一化值xfg对指标特征值矩阵K进行归一化处理,得到矩阵X:
其中,所述对各评价指标的指标特征值kfg进行归一化处理包括:
对于指标特征值越大越好的评价指标,对其指标特征值进行归一化处理:
对于指标特征值越小越好的评价指标,对其指标特征值进行归一化处理:
步骤23、对各可浇筑坝块的每个指标特征值进行加权求和,得到各可浇筑坝块的综合指标F[f],计算公式如下:
F[f]=a1xf1+a2xf2+…+anxfn;
式中,a1、a2、…、an为各评价指标的权重值,xf1、xf2、…、xfn为各评价指标归一化值;
步骤24、根据各可浇筑坝块的综合指标确定坝块浇筑顺序。
当大坝混凝土浇筑存在不同标段的时候,在确定的L个可浇筑坝块中可能会连续若干个坝块都属于同一个标段,这在实际多标段工程中也是不符合实际的;同时也可能存在连续浇筑的坝块在空间上搭接比例过大,不利于浇筑效率的提升与混凝土坯层覆盖,因此需要对筛选出的L个可浇筑坝块进行重新排序。基于此,本实施例还包括:
步骤25、根据坝块仓面搭接比例和标段混凝土均衡原则调整坝块浇筑顺序,或者根据坝块仓面搭接比例和同标段连续浇筑不超过预设数量的坝块为原则调整坝块浇筑顺序,所述标段混凝土均衡原则包括:
设需要对L个可浇筑坝块的浇筑顺序进行调整,大坝有Q个标段,各标段混凝土工程量为W1、W2、…、WQ,各标段当前累积混凝土工程量为w1、w2、…、wQ,各坝块混凝土量为w1Q、w2Q、…、wLQ,则各标段混凝土工程量应满足:
W1:W2:…:WQ≈(w1+w1Q):(w1+w1Q):…:(w1+w1Q)=1:(δ2+ε):…:(δQ+ε);
式中,δ为以第1标段为参照标段的不同标段工程量比,ε为可调节误差。
同时将综合指标排在前位的仓面作为参照物,通过对不满足搭接比例指标的仓面进行调整,若存在均不满足相互搭接比例限制则踢出浇筑序列。
步骤3、确定用于对各可浇筑坝块进行浇筑的多个缆机调配方案,选择缆机最小时钟对应的缆机调配方案,并根据所述浇筑顺序对各可浇筑坝块进行浇筑。
所述确定用于对各可浇筑坝块进行浇筑的多个缆机调配方案的方法包括:
步骤31、以缆机主塔轨道为纵坐标轴,以缆机主塔轨道的一个端点为原点建立平面坐标系,获取待浇筑仓面的边界点坐标、缆机主塔的长度n、缆机主塔轨道的端点坐标[(0,0),(0,R)]以及缆机的最小安全距离M,确定预设时间内各缆机可浇筑仓面的长度范围B;
步骤32、根据所述待浇筑仓面的边界点坐标确定待浇筑仓面的总长度Lc,根据所述预设时间T内各缆机可浇筑仓面的长度范围B和待浇筑仓面的总长度Lc确定需要的缆机数量k,根据需要的缆机数量k及对应缆机可浇筑仓面的长度范围B将待浇筑仓面划分为多个区域,并确定对应缆机可浇筑仓面的长度范围对应的中心线位置Cj;
所述待浇筑仓面包括多个,多个待浇筑仓面存在搭接仓面,所述待浇筑仓面的总长度Lc的确定方法包括:
从多个待浇筑仓面的边界点坐标中确定出最小纵坐标ymin和最大纵坐标ymax,根据所述最小纵坐标ymin和最大纵坐标ymax计算待浇筑仓面的总长度Lc,计算公式如下:
Lc=ymax-ymin;
第j台缆机可浇筑仓面的长度范围对应的中心线位置Cj的计算公式如下:
式中,j=1,2,3,……,k。
步骤33、根据所述缆机主塔的长度n、缆机主塔轨道的端点坐标[(0,0),(0,R)]以及相邻缆机的最小安全距离M确定各缆机的活动长度范围Li;
设缆机总数为K,则第i台缆机的活动长度范围Li的计算公式如下:
式中,i=1,2,3,……,K。
步骤34、根据所述中心线位置Cj以及各缆机的活动长度范围Li确定缆机调配方案。
具体的,依次确定第1台缆机可浇筑仓面的长度范围对应的中心线位置C1到第j台缆机可浇筑仓面的长度范围对应的中心线位置Cj所属的缆机的活动长度范围,进而生成Cj与Li的匹配矩阵,得到多个缆机调配方案。
坝块浇筑完成后,进入接缝灌浆步骤:
步骤4、判断是否有需要接缝灌浆的灌区,若有,则对灌区进行接缝灌浆操作,否则,更新仿真参数后返回步骤1,所述更新仿真参数包括:利用大数据分析方法对历史积累的监控数据进行挖掘,通过并行计算的方式实时分析混凝土拌和楼、混凝土运输车、缆机、平仓机械和振捣机械的运行规律;将仿真计算过程中产生模拟的数据添加至历史数据池以更新运行规律,存至仿真过程的数据中心供进度仿真分析时调用以更新仿真参数;
具体而言,可以在仿真流程开始前,利用大数据分析方法对历史积累的监控数据进行挖掘,通过并行计算的方式实时分析混凝土拌和楼、混凝土运输车、缆机、平仓机械和振捣机械的运行规律;
将仿真计算过程中产生模拟的数据添加至历史数据池以更新运行规律,存至仿真过程的数据中心供进度仿真分析时调用以更新仿真参数。
步骤5、判断是否满足控制目标,若是,则输出施工进度仿真结果,将施工进度仿真结果传递至结构性态仿真过程,进行应力安全校核,为性态耦合过程;将施工资源管理功能模块嵌入仿真系统,同步施工资源管理功能模块进行施工资源智能配置,并将配置结果连同施工进度仿真结果一体输出,推送施工进度仿真结果,驱动仿真边界与仿真参数的更新,否则进入步骤6;
具体而言,施工进度仿真结果可以包括坝块浇筑顺序计划与接缝灌浆计划,在输出施工进度仿真结果后,将施工资源管理功能模块嵌入仿真系统,结合仿真进度计划根据浇筑间歇时间、钢筋、模板等工程量与备仓效率对备仓过程投入的人力资源和各类设备等资源进行智能配置,同时根据仓面混凝土工程量、钢结构工程量与浇筑效率对仓面浇筑所需工人数量、平仓与振捣浇筑机械数量、辅助工具数量和保温被数量等所需资源进行同步智能配置,并将配置结果连同施工进度仿真结果一体输出,仿真分析结束后,将施工进度仿真结果推送给业主、监理、设计、施工、科研,通过施工组织实现仿真计划与资源配置的落实,同时驱动仿真边界与仿真参数的更新,推动仿真流程的循环。
所述控制目标可以包括:形象面貌的最低浇筑高程、最高浇筑高程、接缝灌浆高程与悬臂高度、度汛面貌要求、时段工程量、月最大浇筑强度和/或施工均衡性。
具体而言,在获取施工进度仿真结果后,将施工进度仿真结果与控制目标对应的各条要求进行对比,判断施工进度仿真结果是否满足控制目标。
步骤6、根据施工进度仿真结果与控制目标的差异对进度目标有影响的仿真参数进行调整后进入步骤1。
所述对进度目标有影响的仿真参数包括:全坝高差、最大悬臂高度、相邻最大高差及其组合、关键路径浇筑间歇和局部分层方案。可根据不同浇筑阶段的特点设计差异化的优先调整参数(集)策略的优化规则。
本实施例中,仿真时钟序列以天为时间段,以秒为单位,仿真时钟在此序列上的推进步骤如下:
步骤A、扫描所有浇筑机械,确定全局时钟和用于对各可浇筑坝块进行浇筑的缆机的最小时钟,若最小时钟的缆机是对应缆机调配方案中的缆机,则将所述最小时钟作为浇筑开始时间,否则,将对应缆机调配方案中的缆机的最小时钟作为浇筑开始时间;
步骤B、判断所述浇筑开始时间是否为有效工作时间,若不是,则将仿真时钟推进到下一有效时间段;
步骤C、计算各可浇筑坝块的浇筑持续时间,根据各可浇筑坝块的浇筑开始时间和浇筑持续时间确定各可浇筑坝块的浇筑结束时间,判断所述浇筑结束时间是否为有效工作时间,若不是,则判断对应的可浇筑坝块是否进行浇筑,如不浇筑,则重新计算浇筑开始时间;
步骤D、记录各可浇筑坝块的浇筑事件对应的时间,推进仿真时钟,并对此次循环的数据进行统计;
步骤E、判断大坝是否浇筑完成,若是,则结束单次仿真流程,进入方案优化阶段,否则,进入步骤A;
步骤F、判断是否满足控制目标,若是,则结束仿真流程,否则,重置时钟返回步骤A,进入优化仿真阶段,直至满足控制目标。
在高拱坝施工仿真中,浇筑持续时间会影响到缆机状态与坝块状态的改变。传统的仿真方法未考虑运输车效率对混凝土入仓强度的影响,二是假定缆机回到装料平台后无缝衔接进行装料;同时也未考虑仓面机械作业效率对缆机入仓情况的影响。因此本实施例基于物联网提出一种各可浇筑坝块的浇筑持续时间的计算方法:
首先对拌合楼-运输车-(卸料平台)-缆机-仓面各环节混凝土生产运输施工过程进行分解。混凝土运输车从卸料平台-拌合楼-卸料平台由于运输距离基本不变,该过程可分解为空载返回、拌合楼等待料、装料、重车运输、卸料平台等待、缆机对位装料环节;缆机经卸料平台到仓面的运输过程因随着浇筑部位的不同运输距离处于变化过程中,则此过程可以分解为卸料平台待料、装料、提升加速、提升减速、牵引加速、牵引匀速、牵引减速、下降加速、下降匀速、下降减速、仓面下料、空返。
结合基于物联网的监控数据可对各环节效率进行大数据分析,挖掘生产规律。设运输车各环节效率符合第一分布均值为tq,第一方差为σq的正态分布TCA=(tq,σq),缆机各环节运行速率符合第二分布均值为vo,第二方差为σo的正态分布VLA=(vo,σo),缆机卸料符合第三分布均值为txie、第三方差σxie的正态分布TLAX=(txie,σxie),缆机待料符合第四分布均值为tda,第四方差σda的正态分布TLAD=(tda,σda),缆机作业效率符合第五分布均值为pnn,第五方差为σnn的正态分布pnn=(pnn,σnn),nn为可浇筑坝块的机械数量,混凝土入仓各环节时间分别为:
式中,tqi为第i台运输车的第一分布均值,σqi为第i台运输车的第一方差;
式中,l为可浇筑坝块的坯层数量,s为可浇筑坝块的坯层面积,voi为第i台缆机运行速率的第二分布均值,txiei为第i台缆机卸料的第三分布均值,tdai为第i台缆机待料的第四分布均值;
获取混凝土入仓效率和仓面振捣效率,根据所述混凝土入仓效率和仓面振捣效率之间的关系并基于混凝土入仓所耗时间计算各可浇筑坝块的浇筑持续时间,具体包括:
1)、若所述混凝土入仓效率小于或等于仓面振捣效率,则可浇筑坝块的浇筑持续时间为:
式中,sm为可浇筑坝块的第m个坯层的坯层面积,hm为可浇筑坝块的第m个坯层的坯层厚度,m=1、2、…、l,u为各可浇筑坝块所需的缆机数量,Vb为单台缆机能够吊运的混凝土体积。
2)、若所述混凝土入仓效率大于仓面振捣效率,则可浇筑坝块的浇筑持续时间为:
式中,pm为可浇筑坝块的第m个坯层的仓面振捣效率。
3)、若可浇筑坝块中存在l1个坯层的混凝土入仓效率小于或等于仓面振捣效率,存在l2个坯层的混凝土入仓效率大于仓面振捣效率,则可浇筑坝块的浇筑持续时间为:
式中,l1+l2=l。
Claims (10)
1.拱坝智能进度仿真方法,其特征在于,包括以下步骤:
步骤1、仿真初始条件和仿真参数初始化,建立仿真时钟序列,所述仿真初始条件至少包括坝块实时浇筑面貌、接缝灌浆实时面貌、坝块分层方案、接缝灌浆分区级灌浆控制参数、机械设备资源、最大允许同时浇筑的仓面数量和仓面搭接比例,所述仿真参数至少包括机械群运行参数、仓面备仓参数和模板参数;
步骤2、判断大坝是否浇筑完成,若是,则结束仿真流程,否则,从仓面中筛选出满足预设条件的可浇筑坝块,根据各可浇筑坝块的评价指标及指标特征值确定各可浇筑坝块的浇筑顺序;
步骤3、确定用于对各可浇筑坝块进行浇筑的多个缆机调配方案,选择缆机最小时钟对应的缆机调配方案,并根据所述浇筑顺序对各可浇筑坝块进行浇筑;
步骤4、判断是否有需要接缝灌浆的灌区,若有,则对灌区进行接缝灌浆操作,否则,更新仿真参数后返回步骤1,所述更新仿真参数包括:利用大数据分析方法对历史积累的监控数据进行挖掘,通过并行计算的方式实时分析混凝土拌和楼、混凝土运输车、缆机、平仓机械和振捣机械的运行规律;将仿真计算过程中产生模拟的数据添加至历史数据池以更新运行规律,存至仿真过程的数据中心供进度仿真分析时调用以更新仿真参数;
步骤5、判断是否满足控制目标,若是,则输出施工进度仿真结果,将施工进度仿真结果传递至结构性态仿真过程,进行应力安全校核,为性态耦合过程;将施工资源管理功能模块嵌入仿真系统,同步施工资源管理功能模块进行施工资源智能配置,并将配置结果连同施工进度仿真结果一体输出,推送施工进度仿真结果,驱动仿真边界与仿真参数的更新,否则进入步骤6;
步骤6、根据施工进度仿真结果与控制目标的差异对进度目标有影响的仿真参数进行调整后进入步骤1。
2.如权利要求1所述的拱坝智能进度仿真方法,其特征在于,步骤1中,所述仿真时钟序列以天为时间段,以秒为单位,仿真时钟在此序列上的推进步骤如下:
步骤A、扫描所有浇筑机械,确定全局时钟和用于对各可浇筑坝块进行浇筑的缆机的最小时钟,若最小时钟的缆机是对应缆机调配方案中的缆机,则将所述最小时钟作为浇筑开始时间,否则,将对应缆机调配方案中的缆机的最小时钟作为浇筑开始时间;
步骤B、判断所述浇筑开始时间是否为有效工作时间,若不是,则将仿真时钟推进到下一有效时间段;
步骤C、计算各可浇筑坝块的浇筑持续时间,根据各可浇筑坝块的浇筑开始时间和浇筑持续时间确定各可浇筑坝块的浇筑结束时间,判断所述浇筑结束时间是否为有效工作时间,若不是,则判断对应的可浇筑坝块是否进行浇筑,如不浇筑,则重新计算浇筑开始时间;
步骤D、记录各可浇筑坝块的浇筑事件对应的时间,推进仿真时钟,并对此次循环的数据进行统计;
步骤E、判断大坝是否浇筑完成,若是,则结束单次仿真流程,进入方案优化阶段,否则,进入步骤A;
步骤F、判断是否满足控制目标,若是,则结束仿真流程,否则,重置时钟返回步骤A,进入优化仿真阶段,直至满足控制目标。
3.如权利要求1所述的拱坝智能进度仿真方法,其特征在于,步骤5中,所述控制目标包括:形象面貌的最低浇筑高程、最高浇筑高程、接缝灌浆高程与悬臂高度、度汛面貌要求、时段工程量、月最大浇筑强度和/或施工均衡性。
4.如权利要求1所述的拱坝智能进度仿真方法,其特征在于,步骤2中,所述各可浇筑坝块的浇筑顺序的确定方法包括:
步骤21、设可浇筑仓面的数量为m,评价指标的数量为n,第f个可浇筑坝块的第g个评价指标的指标特征值为kfg,则可得到m×n的指标特征值矩阵K:
步骤22、对各评价指标的指标特征值kfg进行归一化处理,得到归一化值xfg,根据归一化值xfg对指标特征值矩阵K进行归一化处理,得到矩阵X:
步骤23、对各可浇筑坝块的每个指标特征值进行加权求和,得到各可浇筑坝块的综合指标F[f],计算公式如下:
F[f]=a1xf1+a2xf2+…+anxfn;
式中,a1、a2、…、an为各评价指标的权重值,xf1、xf2、…、xfn为各评价指标归一化值;
所述对各评价指标的指标特征值kfg进行归一化处理包括:
对于指标特征值越大越好的评价指标,对其指标特征值进行归一化处理:
对于指标特征值越小越好的评价指标,对其指标特征值进行归一化处理:
步骤24、根据各可浇筑坝块的综合指标确定坝块浇筑顺序。
5.如权利要求1所述的拱坝智能进度仿真方法,其特征在于,步骤5中,所述施工资源包括人力资源和设备资源。
6.如权利要求1所述的拱坝智能进度仿真方法,其特征在于,步骤6中,所述对进度目标有影响的仿真参数包括:全坝高差、最大悬臂高度、相邻最大高差及其组合、关键路径浇筑间歇和局部分层方案。
7.如权利要求2所述的拱坝智能进度仿真方法,其特征在于,所述各可浇筑坝块的浇筑持续时间的计算方法包括:
设运输车各环节效率符合第一分布均值为tq,第一方差为σq的正态分布TCA=(tq,σq),缆机各环节运行速率符合第二分布均值为vo,第二方差为σo的正态分布VLA=(vo,σo),缆机卸料符合第三分布均值为txie、第三方差σxie的正态分布TLAX=(txie,σxie),缆机待料符合第四分布均值为tda,第四方差σda的正态分布TLAD=(tda,σda),缆机作业效率符合第五分布均值为pnn,第五方差为σnn的正态分布pnn=(pnn,σnn),nn为可浇筑坝块的机械数量,混凝土入仓各环节时间分别为:
式中,tqi为第i台运输车的第一分布均值,σqi为第i台运输车的第一方差;
式中,l为可浇筑坝块的坯层数量,s为可浇筑坝块的坯层面积,voi为第i台缆机运行速率的第二分布均值,txiei为第i台缆机卸料的第三分布均值,tdai为第i台缆机待料的第四分布均值;
获取混凝土入仓效率和仓面振捣效率,根据所述混凝土入仓效率和仓面振捣效率之间的关系并基于混凝土入仓所耗时间计算各可浇筑坝块的浇筑持续时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010911374.4A CN112035932B (zh) | 2020-09-02 | 2020-09-02 | 拱坝智能进度仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010911374.4A CN112035932B (zh) | 2020-09-02 | 2020-09-02 | 拱坝智能进度仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112035932A CN112035932A (zh) | 2020-12-04 |
CN112035932B true CN112035932B (zh) | 2022-07-08 |
Family
ID=73591289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010911374.4A Active CN112035932B (zh) | 2020-09-02 | 2020-09-02 | 拱坝智能进度仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112035932B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112434366B (zh) * | 2020-12-31 | 2022-07-15 | 中国三峡建设管理有限公司 | 一种基于bim的缆机布置与调度方法 |
CN112699445B (zh) * | 2021-01-07 | 2022-11-25 | 中国电建集团成都勘测设计研究院有限公司 | 基于拱坝施工知识库的施工参数分析方法 |
CN117195375B (zh) * | 2023-09-27 | 2024-06-11 | 湖北工业大学 | 高拱坝两仓联合浇筑系统仿真建模方法 |
CN116992699B (zh) * | 2023-09-27 | 2023-12-12 | 湖北工业大学 | 混凝土坝块分区分条带浇筑工艺图示仿真方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106484977A (zh) * | 2016-09-28 | 2017-03-08 | 天津大学 | 高拱坝施工进度自适应仿真分析方法 |
CN109992900A (zh) * | 2019-04-08 | 2019-07-09 | 清华大学 | 一种大体积混凝土多场实时在线协同智能仿真方法和系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693289A (zh) * | 2012-05-14 | 2012-09-26 | 中国水电顾问集团成都勘测设计研究院 | 高拱坝施工的仿真方法 |
CN104678954A (zh) * | 2015-01-23 | 2015-06-03 | 中国长江三峡集团公司 | 基于全生命周期的大坝安全智能监测与预警系统及其方法 |
CN106855901B (zh) * | 2016-12-16 | 2020-12-29 | 天津大学 | 耦合温度场的高拱坝施工进度实时仿真方法 |
CN110866324A (zh) * | 2019-09-27 | 2020-03-06 | 三峡大学 | 一种混凝土生产系统故障效应分析方法 |
-
2020
- 2020-09-02 CN CN202010911374.4A patent/CN112035932B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106484977A (zh) * | 2016-09-28 | 2017-03-08 | 天津大学 | 高拱坝施工进度自适应仿真分析方法 |
CN109992900A (zh) * | 2019-04-08 | 2019-07-09 | 清华大学 | 一种大体积混凝土多场实时在线协同智能仿真方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112035932A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112035932B (zh) | 拱坝智能进度仿真方法 | |
CN111767602B (zh) | 基于物联网的高拱坝进度仿真方法 | |
CN108846152A (zh) | 基于bim的装配式剪力墙结构吊装阶段场地优化布置方法 | |
CN106986275A (zh) | 一种基于bim的装配式建筑塔吊平面布置及选型方法 | |
CN112561487B (zh) | 一种计算施工进度的方法、装置、设备及可读存储介质 | |
CN112299048B (zh) | 基于无人化抓斗行车模式下的火车装车布料系统及方法 | |
CN110216789B (zh) | 一种桥梁节段预制场的智能化控制系统 | |
CN108229808A (zh) | 一种装配式建筑项目施工过程控制系统 | |
CN106347366A (zh) | 重量确定和闭环速度控制的系统和方法 | |
CN107729687B (zh) | 大坝工程建造过程中的施工交通规划优化方法 | |
CN110083948A (zh) | Pc板与现浇叠合板通过bim组合建模进行估量的方法 | |
CN105731262A (zh) | 基于bim技术的塔吊平面布置系统及方法 | |
CN110866324A (zh) | 一种混凝土生产系统故障效应分析方法 | |
CN112936559A (zh) | 一种基于全过程相伴的混凝土小型预制构件质量提升方法 | |
CN106529065A (zh) | 一种利用软件进行构件优化的安装施工方法 | |
CN109284848A (zh) | 内排露天矿长远排土规划方法及计算系统 | |
CN115358020A (zh) | 高寒地区考虑低温影响的拱坝施工进度仿真方法 | |
Lim et al. | Dynamic simulation model for estimating in-situ production quantity of PC members | |
CN113378455A (zh) | 一种装配式建筑构件吊装过程智能优化方法 | |
CN113434996A (zh) | 装配式混凝土结构塔机吊装服务调度方法 | |
CN118070373A (zh) | 混凝土坝复杂结构施工仿真参数分析方法 | |
CN114757627B (zh) | 一种接力式吊运路径规划和调度方法 | |
CN116342323A (zh) | 一种大型桥梁锚碇地下连续墙智能建造系统和方法 | |
CN112699445B (zh) | 基于拱坝施工知识库的施工参数分析方法 | |
CN109680960B (zh) | 基于装配式建筑的楼梯预埋件自动生成方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |