CN112182888B - 小型滑移式危岩体主控结构面力学参数识别方法及装置 - Google Patents
小型滑移式危岩体主控结构面力学参数识别方法及装置 Download PDFInfo
- Publication number
- CN112182888B CN112182888B CN202011055914.XA CN202011055914A CN112182888B CN 112182888 B CN112182888 B CN 112182888B CN 202011055914 A CN202011055914 A CN 202011055914A CN 112182888 B CN112182888 B CN 112182888B
- Authority
- CN
- China
- Prior art keywords
- displacement
- dangerous rock
- main control
- rock mass
- value
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Feedback Control In General (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种小型滑移式危岩主控结构面力学参数识别方法及装置,该方法主要解决了传统方法在力学参数获取过程中参数准确性较低,经济性较差等问题。包括以下步骤:步骤S1:测定危岩体与主控结构面的几何物理参数。步骤S2:监测危岩体关键位置点位移;步骤S3:建立危岩体数值模型;步骤S4:利用蚱蜢群优化算法GOA反演出危岩主控结构面力学参数;步骤S5:根据时变位移值更新主控结构面力学参数。本发明可用于小型滑移式危岩主控结构面力学参数的快速确定,特备适用于不具备专业背景知识和管理经验的相关技术人员的使用。
Description
技术领域
本发明属于岩土工程技术领域,涉及小型滑移式石灰岩危岩体主控结构面关键力学参数快速识别优化方法及装置。
背景技术
我国地域辽阔,我国属于多山区国家,极易受到危岩落石,崩塌等地质灾害的影响。山区地质灾害由于它的突发、快速、大规模破坏性等特性,给社会造成来了巨大的灾害。通常在原生岩体中存在着大量的天然不连续面,称为结构面既有原生地质生成的因素,也有次生外界荷载作用的成因。一个危岩体内众多的结构面中,起主导作用的结构面只有一个,即为:主控结构面。主控结构面的承载能力由结构面的关键力学参数所决定,因此获取主控结构面的关键力学参数对于危岩体的稳定性分析具有决定性。
主控结构面的承载能力对于危岩体的稳定性具有重要的意义,因此主控结构面上的力学参数是小型滑移式危岩体稳定性分析的重要参数,它决定了危岩体的破坏方式,当前通过现场实验钻取、经验估计等传统方法获取主控结构结构面关键力学参数方法在准确性和便利性等方面存在严重不足。
针对上述获取参数方法的不足,需要一种新的获取主控结构面力学参数的方法,既能准确的对结构面的参数进行计算分析,同时还具有操作上的便利性。
小型滑移式石灰岩危岩体具有岩体物质成分复杂,岩体体型不规则、结构面形状不规则等特,使得进行参数反分析问题求解时,目标函数标函数往往是一个高度复杂的隐式非线性多峰值函数。采用传统的优化方法求解往往只能获得局部最优解,近年来,采用遗传算法、粒子群优化算法、差分进化算法等随机全局优化算法求解优化反分析问题成为了一种趋势。
蚱蜢群智能全局算法(Grasshopper Optimization Algorithm,GOA)是于2017年提出一种新的优化算法。研究表明,和遗传算法、粒子群、差分进化算法等随机全局优化算法相比,GOA算法全局寻优能力更强、收敛速度更快、输入参数更少。GOA算法的寻优过程由全局寻优过程与局部寻优过程组成,能有效减小局部寻优过程的目标函数调用次数。
本发明专利所提出的小型滑移式危岩体主控结构面关键力学参数快速识别方法是一种利用现场监测信息结合数学优化算法共同确定主控结构面参数的有效方法:根据现场获得实测数据,参数反演问题转换为数学上的无约束优化问题,将计算位移值与监测位移值之间的差别作为目标函数,将主控结构面关键力学参数作为优化变量,通过某种优化方法求解优化问题,获得最优解。此方式降低了获取结构面力学参数的复杂程度,为有效解决当前小型岩溶危岩体主控结构面关键力学参数获取不便,对于力学参数精确度较低等问题提供了一条有效新途径。
发明内容
本专利针对岩溶地区的小型滑移式危岩体的主控结构面力学参数获取困难,参数计算结果不精确等问题,提出了GOA优化算法结合数值分析软件反演主控结构面力学参数的方法。
为此本专利申请的第一个目的在于提出一种全新的小型滑移式危岩体的主控结构面力学参数获取的方法,方法技术方案如下:
一种小型滑移式危岩主控结构面力学参数识别方法,本发明方法的流程图如图1所示,包括以下步骤:
步骤S1:测定危岩体与主控结构面的几何物理参数;
步骤S2:监测危岩体关键位置点位移;
步骤S3:建立危岩体数值模型;
步骤S4:利用GOA算法反演出危岩主控结构面力学参数;
步骤S5:根据时变位移值更新主控结构面力学参数;
各步骤具体说明如下:
步骤S1:几何物理参数获取
步骤S1中,本发明参考有关滑移型危岩的影响因素,根据小型滑移式危岩的成因及特点,考虑岩溶的发育程度、水文气象、地形地质及岩体受力特性等等影响岩溶危岩稳定性的主要因素,确定需要监测的危岩体的位置。在现场环境中,对危岩体的重要现场实测参数包块:现场气候,温度,危岩体形状尺寸,危岩体初始裂隙宽度,危岩体现场应力大小,危岩体常规物理参数等。
本发明步骤S2:监测危岩体重要变形,包括步骤S2-1和步骤S2-2,具体方法如下
步骤S2-1:初始关键点位移
本发明考虑小型滑移式危岩体在初始状态下,对影响危岩变形的位移值包括:初始危岩体和山体之间的裂缝宽度Srm,初始危岩体上主控结构面附近的裂纹宽度Sp1,Sp2,..,Spn。
步骤S2-2:关键点时变位移
本发明考虑小型滑移式危岩体在时变过程中,时控监测危岩体的变形,包括:危岩体和山体之间的时变裂缝宽度Srmt,危岩体上主控结构面附近的时变裂纹宽度Spt1,Spt2,..,Sptn。
步骤S3:建立危岩体数值模型
本发明利用危岩体的重要现场实测参数,在数值模拟平台上,建立危岩体的数值计算模型。
步骤S4:利用GOA算法反演出危岩主控结构面力学参数,本发明GOA算法寻优流程如图2所示;
本发明将将数值模型嵌入进GOA计算平台中,运用GOA算法的寻优的前提工作是将关键力学参数反演问题转化为目标函数优化问题,首要问题为建立反演优化问题的目标函数:其中,x为一组滑移式石灰岩危岩体岩体力学参数,Si(x)为第i个关键位移监测点的实测位移,为开始GOA算法开始寻优计算时步骤S2最近时刻第i个位移监测点的数值计算出的位移值。目标函数适应度值越小,计算位移越接近于实测位移,相应的离散元数值模型的计算结果的可信度越高,计算所得的主控结构面关键力学参数值越接近真值。
本发明步骤S4采用蚱蜢全局优化算法(GOA)开始全局寻优主控结构面关键力学参数,蚱蜢优化算法(GOA)的优化步骤如下:
步骤S4-1:设定根据待反演岩体参数的个数确定种群数NP,最大允许迭代步数Tmax,算法维数D,包括自适应参数最大值cmax、自适应参数最小值cmin,算法目标函数的收敛条件ErrGoal;
步骤S4-2:初始化随机分布搜索种群位置,计算当前种群的适应度函数值,选取其中适应度最优值的位置点指向作为指导下一次寻优的方向;
步骤S4-3:在迭代寻优过程中通过位置更新公式预测下一代种群最优位置,
优选地,所述的下一代种群搜索位置更新公式为:
步骤S4-4:将预测最优个体的真实适应度函数值与当前最优个体位置的真实函数适应度值进行比较,若优于当前个体,则用预测最优个体替换当前最优个体,即更新了当前的最优个体位置。
步骤S4-5:若目标函数达到了设定的目标精度要求,则停止计算,输出反演的参数;否则,继续回到步骤4,进行新一轮计算,不断反复,直到目标函数满足收敛准则,到达目标精度。
步骤S4-6:根据当前蚱蜢优化算法(GOA)的搜索结果即为当前所计算得出的危岩主控结构面的力学参数,并可用于对实际危岩体的分析与计算中。
所述个体适应度值求解方法为:采用命令流平台与数值模型软件平台进行联合反演,在命令流环境中将GOA算法的蚱蜢位置坐标(一组结构面力学参数)保存到数据接口文件A,通过自定义软件调用命令启动数值计算软件进入工作状态,并调用命令流程序读取数据接口文件A中的力学参数,代入所建立的数值模型中获得数值计算位移,进而获得目标函数值;然后,将目标函数值保存于数据文件B中,通过命令流程序读取文件B中的目标函数值,由此得到该个体的适应度值。
步骤S5:根据时变位移值更新主控界面关键力学参数
10.由于危岩体在一段时间内受风化作用影响,主控结构面的力学参数也处于动态变化中。为了根据时间性动态更新当前主控结构面力学参数,因此本发明对危岩体的主控结构面力学的参数的计算,根据步骤S4监测位移的时变性,需要不停地进行调整,调整方法:当步骤2中的位移监测值将一直进行实时反馈至后续步骤。由于小型滑移式危岩值具有位移值变化较小,监测值一般起伏变化较小,所以在短时间没有太明显的区别。我们规定在第t时刻的监测位移St。在第t+△t时刻的监测位移为St+Δt规定:当不用更新步骤S4所寻找出来的滑移式主控结构面关键力学参数,当需要更新监测位移值,反馈至系统程序,系统将会重新进行步骤S2-S5之间的计算,得出更新后的寻优值。在使用中,θ可以根据用户自动定义,一般取值为10%-40%之间。
为了达到上述的目的,本专利申请第二方面实施提出了一种小型滑移式危岩体主控结构面力学参数识别装置,本发明装置总图如图3所示,包括:
信息模块Z1,提取必要性的现场信息,如:现场岩体风化程度,,现场地应力数值,岩体几何物理参数等;
监测模块Z2,应用于现场危岩关键位置点位移实时监测,提取了危岩体的重要关键点的实时位移数值,同时考虑小型滑移式危岩体在初始状态下,对影响危岩变形关键点的位移值,以及考虑小型滑移式危岩体在监测过程中不同时刻下的位置点的位移;
模型生成模块Z3,用于根据信息模块Z1、监测模块Z2两个模块的监测数值,建立高契合度的数值模型,并随着实测值的改变更精确地修正现场危岩体的模型;
计算模块Z4,通过与现场拟合程度最高的危岩体数值模型,利用GOA优化算法较强的全局搜索性能,寻找使得优化目标函数最小值的一组岩体力学参数;
显示模块Z5,用于接收,并显示计算结果;
传输模块Z6,用于收集所求解的数据结果,传输至客户端日后分析使用;
本发明装置的单元原理图如图4所示;
优选地,所述信息模块Z1包括:
用于对现场的气候环境温度t,危岩岩体的初始应力σ,以及建立本构模型的所需的基本力学参数如:岩体的E、C、Φ值;
优选地,所述监测模块Z2包括:
实时监测单元Z2-1,用于对现场的危岩岩体的关键点位移、以及结构面附近的裂缝扩展进行实时的跟踪监控;
视频滤波增强处理单元Z2-2,用于对视频进行滤波与增强图像处理;
视频实时处理单元Z2-3,用于对视频进行实时分析,获取危岩体关键点的位移数值;
位移危险值判别单元Z2-4,具有判别功能,若是危岩体的位移变形超过最大限制,则直接发布预警信号,并向客户端发布信息。
优选地,模型生成模块Z3包括:
模型生成单元Z3-1,用于在离散元数值模拟软件UDEC上根据监测模块的实测参数建立危岩体的数值模型;
模型修正单元Z3-2,随着监测模块对关键点监测值的变化,当关键点不同时间段的位移相对值超过规定的限值,需要修正已经建立的数值模型,提高与现实模型的拟合精度;
优选地,计算模块Z4:
根据现场的实际情况以及拟合程度最高的数值模型,再启动所述模块之前,需要提前确定所需要的GOA算法的参数数据:
用户参数自定单元Z4-1:其中所述属性数据包括以下几项:
GOA算法种群的搜索区间;
GOA算法的搜索种群数量;
GOA算法的最大迭代次数;
GOA算法的收敛条件;
默认参数设定单元Z4-2:其中包括使用默认寻优属性参数进行主控结构面关键力学参数计算;
反馈单元Z4-3:计算模块用于计算滑移式危岩体主控结构面关键力学参数,因此经过GOA算法寻优之后,所计算得出的主控结构面参数在自动化指令下反馈至模型生成模块。
生成危岩体实时计算模型;
优选地,所述显示模块Z5包括:
信息显示单元Z5-1,用于显示上述信息模块,位移监测模块,模型生成模块的信息结果。
时控单元Z5-2,整个模型的运维处于自动化运行指令下,但是允许管理人员的交互式控制,根据管理者需要可以进行实时控制计算,在管理员的指令下,可以暂停进程,进入任意模块指挥进程。
上述各个模块的参数设定值,模型生成,均由显示模块呈现出,方便管理者实时管理管理计算的过程。
优选地,传输模块Z6包括:
本地存储单元Z6-1,用于将计算出的数据存储至本地数据中心集中装置;
备份存储单元Z6-2,用于将数据进行备份存储至云端;
传输单元Z6-3,用于将计算出的数据通过通用无线、有线、选择性传输方式发送到接收平台或者相应的客户端;
优选地,上述各模块之间的交互性链接,反馈军事通过传输模块进行,因此为保证链接的稳定可以根据现场条件需求实现无线、有线、或者混合方式传导。
本发明所提供的上述小型岩溶危岩体主控结构面关键力学参数快速识别方法及装置,与现有技术相比有以下几点益处:
本发明方法利用GOA算法在全局寻优的高效性,将GOA算法首创用于岩体结构面关键力学参数的计算,实现了危岩体结构面力学参数的快速智能获取。
本发明将全局优化算法与数值仿真计算相结合,与传统人为的测量结构面参数的方法相比,在能获取当前最优岩体结构面力学参数的前提条件下,降低了获取结构面力学参数的复杂程度,为有效解决当前小型岩溶危岩体主控结构面关键力学参数获取不便,力学参数精确度较低等问题提供了一条有效途径,可以极大的避免在结构面参数获取过程中造成的时间和成本不必要的浪费。
本发明中的智能化装置平台实现了从监测、建模、修正、属性参数设置、寻优、反馈信息一体化的过程,可达到整个参数获取流程智能化的效果,及时的信息修正和属性的设置,提高了模型的适应性、算法寻优高效性和现场实际性的结合,避免由于过于深度的搜索造成的计算浪费。
附图说明
图1为本发明方法的流程图;
图2为本发明GOA算法寻优方法的流程图;
图3为本发明的装置总图;
图4为本发明装置的单元原理图;
图5为本发明方法实施例1中的岩体监测点位置图;
图6为本发明方法实施例1中的岩体数值模型图;
图7为本发明实施例1的E时变图;
图8为本发明实施例1的C时变图
图9为本发明实施例1的Φ时变图
图10为本发明实施例1的结构面切向刚度时变图
图11为本发明实施例1的结构面法向刚度时变图
图12为本发明实施例2的监测装置布置图
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
图1为本发明实例所提供的一种小型滑移式危岩体主控结构面力学参数方法流程图。其步骤具体包括如下:
根据方法步骤S1,确定在现场环境下岩体实测的几何物理参数,这些参数综合考虑了现场水文气象、地形地质条件、以及岩体的发育程度对危岩稳定性的主要影响因素,表中各项参数相互独立、互为补充,涵盖了滑移式危岩稳定性的内、外多因素下的综合条件,较好地反映了岩体的发育程度,且易于获取。
已测定某山区岩体岩性以石灰岩为主,岩体形状近似梯形,竖向垂直高度为45m,体积为3万m3,根据主控结构面位置与危岩后边界呈30度角,主控结构面净长5.97m,主控结构面在岩体内贯穿率为5.7%,主控结构面周围非主控结构面的间距为1.14m,岩体初始地应力值为30MPa。
确定需识别的岩体主控结构面力学参数。主要包括:主控结构面的性模量E、粘聚力c、内摩擦角φ、主控结构面法向刚度Kn和切向刚度Ks。对该组力学参数的人工实测值如下表1所示。
表1关键力学参数现场实测值
根据方法步骤S2,获取危岩体关键点的实测位移。采用全站仪监测岩关键位置点的位移,对关键位置点的选择标准为,位置明显、便于测量。如图5所示,选择了危岩体上4处较易监测的位置点,分别标记为1、2、3、4测点,。当前的实测为关键点位移记为Si(x),i=1、2,3、4。
根据方法步骤S3,建立危岩体数值模型。经过步骤1获取危岩体几何物理参数以及,危岩体初始地应力值,在UDEC离散元中建立了如图6所示的数值模型,在所建立的数值模型中,选用的单元为修正的剑桥模型,当前关键位置点的数值计算位移记为
根据方法步骤S4利用GOA反演主控结构面力学参数
本发明实施例中,待反演的岩体主控结构面力学参数为弹性模量E、粘聚力c、内摩擦角主控结构面法向刚度Kn和切向刚度Ks。首先,建立主控结构面关键力学参数反演优化的目标函数为其中Si(x)是根据步骤S2监测所得的关键位置点的“实测位移”,是每一组反演出的结构面力学参数带入UDEC数值模型中所计算出的位移;
然后使用GOA算法进行关键力学参数的寻优,本发明的GOA寻优分为以下计算过程。初始化GOA算法的参数,包括:搜索种群数NP=40,待反演力学参数的搜索区间见表2,算法的维数D=5,自适应参数最大值cmax=1、自适应参数最小值cmin=0.002,GOA算法寻优收敛准则为ε=min f(x)=1×10-4及全局寻优最大次数Tmax=60。
表2主控结构面关键力学参数的搜索区间
启动优化算法进行寻优运算,当搜索群体按GOA算法的种群寻优策略进化后,将个体的新位置(40组岩体主控结构面力学参数)存到数据接口文件A;通过自定义软件调用命令启动UDEC数值模型中,通过命令流程序读取接口文件A中的力学参数,并将其代入所建立的UDEC数值模型中,由此获得计算位移将“数值计算位移”和“现场监测位移”Si(x)代入目标函数中获得40组危岩体关键力学参数对应的目标函数值,并将目标函数值存于数据文件B中;用程序读取数据文件B中的目标函数值,得到所有个体的适应度值,并选出当前群体中最小函数的适应度值,即为当前全局最优解;
步骤最小适应度值对应个体的位置坐标即为此代个体对应的最优危岩结构面关键力学参数组合;将此组参数的最小适应度值与收敛准则ε=1×10-3进行比较,如果小于收敛准则,则停止计算,输出个体的位置坐标(即最优力学参数组合);否则继续新一轮的寻优计算,直到达到收敛准则ε;
本实施案例中某一时刻关键力学参数的反演结果见表4,表4同时列出了现场工程实测结果与本反演方法的对比,由表3可以看出,识别的结果接近真实实测值;
表3危岩体主控结构面关键力学参数的反演结果
同时按照上述步骤,使用遗传优化算法(GA)、粒子群优化算法(PSO)、蚁群算法(ACO)同时反演同一组力学参数,比较计算的耗时。由表4,可以看出本发明危岩体主控结构面关键力学参数快速识别的耗时程度,具有显著的优越性。
表4计算耗时比较
算法 | GOA | GA | PSO | ACO |
数值模型调用次数 | 8 | 38 | 26 | 22 |
计算耗时(s) | 1.12×10<sup>2</sup> | 9.2×10<sup>3</sup> | 7.3×10<sup>3</sup> | 2.7×10<sup>3</sup> |
按照方法步骤S5,本发明对小型滑移式危岩体的主控结构面关键力学的参数的计算,根据步骤S2监测位移的时变性,位移监测值将一直进行实时反馈至后续步骤,因此需要不停的对已经建立的模型进行调整。由于大规模滑移式危岩值具有位移值变化较小,监测值一般起伏变化较小,所以在短时间没有太明显的区别。我们规定在第t时刻的监测位移St。在第t+△t时刻的监测位移为St+Δt规定:当不用更新步骤S4所寻找出来的滑移式主控结构面关键力学参数,当需要更新监测位移值,反馈至系统程序,系统将会重新进行步骤S2-S4之间的计算,得出更新后的寻优值。不同时刻的结构面关键力学参数E、C、Φ反演值如表5所示,不同时刻反演值的变化曲线如图7-11所示,图7为本发明实施例1的E时变图;图8为本发明实施例1的C时变图;图9为本发明实施例1的Φ时变图;图10为本发明实施例1的结构面切向刚度时变图;图11为本发明实施例1的结构面法向刚度时变图:
表5不同时刻的反演值
实施例2
为了进一步实施例,本专利申请第二方面实施提出了一种获取主控结构面参数获取的智能化装置平台。
图12为本申请一个实施例发明实施例2的监测装置布置图。
信息模块Z1用于对确定性危岩体的初始参数的测量。将信息模块安置在危岩体上,该模块会根据现场危岩体初始变形情况,获取此刻危岩体的地应力值,将获取的应力值传输至模型生成模块,用于构建危岩体的模拟模型。可以用来提取,对危岩体的重要现场实测参数包块:现场岩体风化程度,危岩体形状尺寸,危岩体现场应力大小,危岩体常规物理参数等,并且可以执行本发明实施例1提出的小型滑移式危岩体结构面关键力学参数快速识别方法步骤S1。
监测模块Z2,用于现场关键位置点位移的实时监测,提取了被监测危岩体的关键位置点的位移值,包括被监测滑移式危岩体的初始位移值和被监测滑移式危岩体的时变位移值。监测模块Z2可以执行本发明实施例1提出的小型滑移式危岩体结构面关键力学参数快速识别方法步骤S2。监测模块Z2包括:实时监测单元Z2-1,用于对现场的危岩岩体的关键点位移、以及结构面附近的裂缝扩展进行实时的跟踪监控;视频滤波增强处理单元Z2-2,用于对视频进行滤波与增强图像处理;视频实时处理单元Z2-3,用于对视频进行实时分析,获取危岩体关键点的位移数值;位移危险值判别单元Z2-4,具有判别功能,若是危岩体的位移变形超过最大限制,则直接发布预警信号,并向客户端发布信息。
模型生成模块Z3用于根据信息模块Z1,监测模块Z2的现场实测数据建立与现场危岩体高契合度的数值模型。随着信息模块和位移监测模块实测值的改变更精确地修正已建立的数值模型,模型生成模块是本发明小型滑移式危岩体结构面关键力学参数快速识别装置中用于建立与现场危岩体吻合的数值模型,用于承接信息装置和位移监测装置输入的信息,构建危岩体模型之后,交互式链接计算模块。可以执行本发明实施例1提出的一种小型滑移式危岩体结构面关键力学参数快速识别方法步骤S3。模型生成模块Z3包括:模型生成单元Z3-1,用于在离散元数值模拟软件UDEC上根据监测模块的实测参数建立危岩体的数值模型;模型修正单元Z3-2,随着监测模块对关键点监测值的变化,当关键点不同时间段的位移相对值超过规定的限值,需要修正已经建立的数值模型,提高与现实模型的拟合精度;进一步的在计算模块Z4反演出结构面关键力学参数后,模型生成模块将会在已知结构面力学参数的基础上,建立当前的危岩体的UDEC数值模型,当位移监测模块关键点监测位移相对值不用更新模型生成模块中已经建立的危岩体模型;当位移监测模块关键点监测位移相对值需要模型生成模块中已经建立的危岩体模型,向计算模型重新传递最新建立的生成模型,让计算模块重新计算滑移式危岩体结构面关键力学参数,重新反馈至模型生成模块,建立更新后的危岩体模型。可以执行本发明实施例1提出的小型滑移式危岩体结构面关键力学参数快速识别方法步骤S5。
计算模块Z4用于使用GOA算法对目标函数进行全局寻优,反演危岩体主控结构结构面关键力学参数。利用全局搜索性能较强的GOA优化算法,寻找使得优化问题的目标函数全局最小值的一组岩体力学参数。可以执行本发明实施例1提出的小型滑移式危岩体结构面关键力学参数快速识别方法步骤S4。计算模块Z4包括用户参数自定单元Z4-1,用于根据现场的实际情况,确定GOA算法的参数,;默认参数设定单元Z4-2:其中包括使用默认寻优属性参数进行主控结构面关键力学参数计算;反馈单元Z4-3:计算模块用于计算滑移式危岩体主控结构面关键力学参数,因此经过GOA算法寻优之后,所计算得出的主控结构面参数在自动化指令下反馈至模型生成模块。生成危岩体实时计算模型。进一步的:根据模型生成模块Z3已经建立完成的模型,将该模型导入至计算模块Z4,在进行结构面参数计算之前,通过交互式窗口对GOA算法搜索选项的参数做出重要的设定,所述属性数据包括以下几项:GOA算法种群的搜索区间[a,b],GOA算法的搜索种群数量n;GOA算法的最大迭代次数t;以及GOA算法的收敛条件m;设定了GOA算法的参数之后,即对模型生成模块Z3已经建立完成的模型,进行反演计算,获得主控结构面的关键力学参数。同时在窗口参数中具有用户设定和常规默认参数值,允许用户根据需要选择项,提高了模块装置的可操作性,因此该方法不需要用户有更多算法的使用经验。一方面:提高了本发明方法对与广大用户的适应性,扩大了用户的使用群;另一方面:显著节约了计算的时间。
进一步的:模型生成模块Z3与计算模块Z4之间存在相互反馈的过程,计算模块Z4,在计算出结构面的参数之后,将参数传输给模型生成模块Z3,根据监测模块Z2的实际监测结果的用于建立更加精确的模型,而模型生成模块Z3在建立更精确的模型之后,重复步骤Z3-步骤Z4,更新获得结构面关键力学参数。
显示模块Z5用于将滑移式危岩体主控结构面关键力学参数的计算结果及更新结果输出,供用户查看并根据样本情况采取防护加固措施。可以执行本发明实施例1提出的小型滑移式危岩体结构面关键力学参数快速识别方法步骤S5。
具体的:显示模块可以在当前的诸多客户端显示,包括:智能手机,笔记本,台式计算机等、客户端上有专门的进程操控程序,都隶属于信息显示单元Z5-1-管理人员可以通过客户端的指令,进入装置运算进程中,根据用户体验需要,重新计算或者设置参数。
进一步的:上述信息模块、位移监测模块、模型生成模块、计算模块的计算进程显示在显示模块,利用时控单元Z5-2可以实时观测出于计算过程的计算的数据与模型,便于人员管理,提高了监控规范性和模型的容错性。
传输模块Z6在计算模块Z4获取结构面参数之后,经由传输模块Z6,并且根据各部分模块的呼应需要无线、有线或者混合方式发送获得的结构面关键力学参数、监测位移值、危岩体模型文件等必要信息。可以用来执行所有模块装置之间的信息传输。
具体的:传输模块包括本地存储单元Z6-1、备份存储单元Z6-2、传输单元Z6-3三个集成单元;
进一步的:具有存储能力的单元包括本地存储单元Z6-1和备份存储单元Z6-2;
具体的:上述信息模块Z1、位移监测模块Z2、模型生成模块Z3以及计算模块Z4的信息将实时放进备份存储单元Z6-2,便于信息的永久存储和用户对曾经数据的随时参考。本地存储单元Z6-1将会根据指令存放近三个月的数据,定期清理存储数据提高使用效率和存放空间。
进一步的:传输单元Z6-3和存储单元Z6-1及Z6-2处于两条独立的指令下运行,相互之间不干扰,旨在提高了信息存储和传输的独立性。
具体的:传输单元具有无线、有线、混合式多种传输方式。
本领域普通技术人员通过阅读上文小型岩溶危岩体主控结构面关键力学参数快速识别方法及装置的详细描述,能够理解上述识别方法和装置的结构、实现以及优点。
本发明的各个部件实施例可以以硬件、固件、软件或者他们的组合实现,在上述的实施方式中,一个或者多个步骤的实施可以通过在存储器中的流程指令或者信号指令来实现,即在微型处理器或者信号处理器上通过编码实现本发明中主控结构面关键力学参数快速识别方法及装置的方法和模块的作用。
确切地说,在实施例使用中,除了少数模块和方法使用之间相互排斥之外,可以采用本说明书中公开的所有特征以及如此公开具有如此特的任何方法或者装置的部分或者全部进行单列或者组合。
Claims (9)
1.一种小型滑移式危岩体主控结构面力学参数识别方法,包括:
步骤S1:测定危岩体与主控结构面的几何物理参数;
步骤S2:监测危岩体关键位置点位移;
步骤S3:建立危岩体数值模型;
步骤S4:利用GOA反演出危岩主控结构面力学参数;
步骤S5:根据时变位移值更新主控结构面力学参数;
其中,在步骤S4中,利用GOA算法反演出危岩主控结构面力学参数,将数值模型嵌入进GOA计算平台中,运用GOA算法的寻优的前提工作是将关键力学参数反演问题转化为目标函数优化问题,首要问题为建立反演优化问题的目标函数:其中,x为一组滑移式石灰岩危岩体岩体力学参数,Si(x)为第i个关键位移监测点的实测位移,为开始GOA算法开始寻优计算时步骤S2最近时刻第i个位移监测点的数值计算出的位移值;目标函数适应度值越小,计算位移越接近于实测位移,相应的离散元数值模型的计算结果的可信度越高,计算所得的主控结构面关键力学参数值越接近真值;步骤S4采用蚱蜢全局优化算法,即GOA算法开始全局寻优主控结构面关键力学参数,蚱蜢优化算法,即GOA算法的优化步骤如下:步骤S4-1:设定根据待反演岩体参数的个数确定种群数NP,最大允许迭代步数Tmax,算法维数D,包括自适应参数最大值cmax、自适应参数最小值cmin,算法目标函数的收敛条件ErrGoal;步骤S4-2:初始化随机分布搜索种群位置,计算当前种群的适应度函数值,选取其中适应度最优值的位置点指向作为指导下一次寻优的方向;步骤S4-3:在迭代寻优过程中通过位置更新公式预测下一代种群最优位置,所述的下一代种群搜索位置更新公式为:
4.根据权利要求1所述的一种小型滑移式危岩体主控结构面力学参数识别方法,其特征在于,所述步骤S5:根据时变位移值更新主控结构面关键力学参数,包括:根据岩体关键位置点的实测位移,动态地更新计算出的力学参数。
6.一种小型滑移式危岩体主控结构面力学参数识别装置,其特征在于,包括:
信息模块Z1:用于提取危岩体必要几何物理参数信息;所述必要几何物理参数为:现场岩体风化程度、现场地应力数值、岩体几何物理参数;
监测模块Z2:用于应用危岩体现场位移实时监测系统,提取了危岩体关键点的位移值以及危岩体裂缝的位移值;
模型生成模块Z3:根据信息模块、监测模块两个模块的监测数值,建立与现实危岩体高契合度的数值模型,并且能随着实测值的改变更精确地修正现场危岩体的模型;
参数计算Z4:通过与危岩体数值模型进行交互式计算,利用全局优化搜索性能较强的GOA-IVM算法,寻找使得优化问题的目标函数全局最小值的一组岩体力学参数;
显示模块Z5:用于接收,并显示计算结果;
传输模块Z6:用于收集所求解的数据结果,传输至客户端;
其中,在计算模块Z4中,根据现场的实际情况以及拟合程度最高的数值模型,再启动所述模块之前,需要提前确定所需要的GOA算法的参数数据:用户参数自定单元Z4-1:其中属性数据包括以下几项:GOA算法种群的搜索区间;GOA算法的搜索种群数量;GOA算法的最大迭代次数;GOA算法的收敛条件;默认参数设定单元Z4-2:其中包括使用默认寻优属性参数进行主控结构面关键力学参数计算;反馈单元Z4-3:计算模块用于计算滑移式危岩体主控结构面关键力学参数,因此经过GOA算法寻优之后,所计算得出的主控结构面参数在自动化指令下反馈至模型生成模块;
其中,所述默认参数设定单元Z4-2,用于根据现场的实际情况,确定进行IVM机器学习回归的算法参数,IVM参数包括以下几项:进入IVM机器学习的GOA算法迭代寻优次数、进入IVM机器学习的适应度阈值和IVM机器学习模型的超参数区间。
7.根据权利要求6所述的一种小型滑移式危岩体主控结构面力学参数识别装置,其特征在于所述监测模块Z2包括:实时监测单元Z2-1、视频滤波增强处理单元Z2-2、视频实时处理单元Z2-3和位移危险值判别单元Z2-4:
所述实时监测单元Z2-1,用于实时对现场的危岩岩体的关键点位移、以及结构面附近的裂缝扩展进行跟踪监控;
所述视频滤波增强处理单元Z2-2,用于对实时监测单元获取的图像进行滤波与增强图像处理;
所述视频实时处理单元Z2-3,用于对视频进行实时分析,获取危岩体关键点的位移数值,
所述位移危险值判别单元Z2-4,用于根据获取的危岩体关键点的位移数值判断危岩体的位移变形超过阈值,如果超过阈值则直接发出预警信号。
8.根据权利要求6所述的一种小型滑移式危岩体主控结构面力学参数识别装置,其特征在于,所述模型生成模块Z3包括:模型生成单元Z3-1和模型修正单元Z3-2;
所述模型生成单元Z3-1,用于在数值模型上根据现场的实测参数建立危岩体的数值模型;
所述模型修正单元Z3-2,用于根据实测关键点位移的反馈,动态地修正已经建立的数值模型。
9.根据权利要求6所述的一种小型滑移式危岩体主控结构面力学参数识别装置,其特征在于,所述参数计算模块Z4包括:用户参数自定单元Z4-1和默认参数设定单元Z4-2;
所述用户参数自定单元Z4-1,用于根据现场的实际情况,确定GOA算法的参数,所述参数设定包括以下几项:GOA算法种群的搜索区间、GOA算法的搜索种群数量、GOA算法的最大迭代次数和GOA算法的收敛条件;
所述默认参数设定单元Z4-2,用于根据现场的实际情况,确定进行IVM机器学习回归的算法参数,IVM参数包括以下几项:进入IVM机器学习的GOA算法迭代寻优次数、进入IVM机器学习的适应度阈值和IVM机器学习模型的超参数区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011055914.XA CN112182888B (zh) | 2020-09-29 | 2020-09-29 | 小型滑移式危岩体主控结构面力学参数识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011055914.XA CN112182888B (zh) | 2020-09-29 | 2020-09-29 | 小型滑移式危岩体主控结构面力学参数识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112182888A CN112182888A (zh) | 2021-01-05 |
CN112182888B true CN112182888B (zh) | 2022-11-01 |
Family
ID=73946052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011055914.XA Active CN112182888B (zh) | 2020-09-29 | 2020-09-29 | 小型滑移式危岩体主控结构面力学参数识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112182888B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113742963B (zh) * | 2021-08-18 | 2023-06-27 | 同济大学 | 数物空间实时融合的足尺整体结构试验方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1956147A1 (en) * | 2007-02-09 | 2008-08-13 | Geosec S.r.l. | Local seismic protection method for existing and/or possible construction sites destined for the foundation areas and those surrounding the building construction |
CN104965969A (zh) * | 2015-04-20 | 2015-10-07 | 广西大学 | 一种大型洞室群围岩力学参数反演方法 |
CN110674593A (zh) * | 2019-10-09 | 2020-01-10 | 山东科技大学 | 一种用于隧洞开挖过程超欠挖自动化预测的方法 |
CN111160490A (zh) * | 2020-02-24 | 2020-05-15 | 桂林理工大学 | 一种基于多时间序列的深度学习危岩变形预测方法及装置 |
CN111382802A (zh) * | 2020-03-17 | 2020-07-07 | 桂林理工大学 | 基于主控结构面参数识别的危岩稳定性判别方法及装置 |
-
2020
- 2020-09-29 CN CN202011055914.XA patent/CN112182888B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1956147A1 (en) * | 2007-02-09 | 2008-08-13 | Geosec S.r.l. | Local seismic protection method for existing and/or possible construction sites destined for the foundation areas and those surrounding the building construction |
CN104965969A (zh) * | 2015-04-20 | 2015-10-07 | 广西大学 | 一种大型洞室群围岩力学参数反演方法 |
CN110674593A (zh) * | 2019-10-09 | 2020-01-10 | 山东科技大学 | 一种用于隧洞开挖过程超欠挖自动化预测的方法 |
CN111160490A (zh) * | 2020-02-24 | 2020-05-15 | 桂林理工大学 | 一种基于多时间序列的深度学习危岩变形预测方法及装置 |
CN111382802A (zh) * | 2020-03-17 | 2020-07-07 | 桂林理工大学 | 基于主控结构面参数识别的危岩稳定性判别方法及装置 |
Non-Patent Citations (3)
Title |
---|
Study on the key cracks deformation of Wangxia dangerous rock body in Wushan County;Youlong Gao等;《2011 International Conference on Multimedia Technology》;20110830;1250-1254 * |
岩体结构面的多参数优势分组方法研究;宋盛渊等;《岩土力学》;20150710;第36卷(第7期);2041-2048 * |
扩展有限元法及其在岩体裂隙扩展模拟中的应用研究;郑安兴等;《中国博士学位论文全文数据库 (基础科学辑)》;20200315(第03期);A011-22 * |
Also Published As
Publication number | Publication date |
---|---|
CN112182888A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112150311B (zh) | 能耗异常状态检测方法、装置、计算机设备和存储介质 | |
Zhang et al. | A novel displacement back analysis method considering the displacement loss for underground rock mass engineering | |
CN109708688A (zh) | 一种历史文化建筑安全监测与预警系统及方法 | |
CN111784070A (zh) | 一种基于XGBoost算法的滑坡短临智能预警方法 | |
CN109490072B (zh) | 一种土木工程建筑用检测系统及其检测方法 | |
CN107153843A (zh) | 基于支持向量机的地面沉降预测系统和方法 | |
CN106777093A (zh) | 基于空间时序数据流应用的Skyline查询系统 | |
CN112966856A (zh) | 一种山洪风险预测方法及预测系统 | |
CN112541666B (zh) | 考虑地震易损性模型不确定性的盾构隧道风险评估方法 | |
CN113340286B (zh) | 一种土地规划勘察勘测项目测绘信息数据分析方法、设备及计算机存储介质 | |
CN113177857B (zh) | 一种基于台风灾害预估的资源弹性调配方法 | |
CN112182888B (zh) | 小型滑移式危岩体主控结构面力学参数识别方法及装置 | |
CN110889440A (zh) | 基于主成分分析和bp神经网络的岩爆等级预测方法及系统 | |
CN117314397B (zh) | 基于桥梁搭建下的安全巡检方法、电子设备及存储介质 | |
CN117454114B (zh) | 基于多点位分布的地铁隧道掘进爆破振动安全监测装置 | |
CN108416110A (zh) | 基于标准Wiener过程的混凝土寿命预测方法 | |
CN113642827A (zh) | 大坝监测数据的分析方法、装置、设备和存储介质 | |
CN115654381A (zh) | 一种基于图神经网络的供水管道漏损检测方法 | |
CN112418687A (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN113074694B (zh) | 用于隧道断面变形的自动监测装置 | |
Pham et al. | Enhance exploring temporal correlation for data collection in WSNs | |
CN112949206A (zh) | 一种建筑施工地基防老化加固系统 | |
CN116402347A (zh) | 用于高地应力隧道施工的岩爆动态风险评估方法及系统 | |
Fu et al. | Slope stability analysis based on big data and convolutional neural network | |
CN108876210A (zh) | 一种土地系统变化因果结构的识别方法、系统和装置 |
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 |