CN112199891A - 一种重力坝安全变形预警指标拟定方法及系统 - Google Patents

一种重力坝安全变形预警指标拟定方法及系统 Download PDF

Info

Publication number
CN112199891A
CN112199891A CN202011093917.2A CN202011093917A CN112199891A CN 112199891 A CN112199891 A CN 112199891A CN 202011093917 A CN202011093917 A CN 202011093917A CN 112199891 A CN112199891 A CN 112199891A
Authority
CN
China
Prior art keywords
dam
foundation
model
deformation
coefficient
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.)
Granted
Application number
CN202011093917.2A
Other languages
English (en)
Other versions
CN112199891B (zh
Inventor
方卫华
袁明道
房灵常
陈文婧
吴捷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Naiwch Cooperation
Nanjing Water Conservancy and Hydrology Automatization Institute Ministry of Water Resources
Original Assignee
Nanjing Institute Of Hydrologic Automation Ministry Of Water Resources
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Institute Of Hydrologic Automation Ministry Of Water Resources filed Critical Nanjing Institute Of Hydrologic Automation Ministry Of Water Resources
Priority to CN202011093917.2A priority Critical patent/CN112199891B/zh
Publication of CN112199891A publication Critical patent/CN112199891A/zh
Application granted granted Critical
Publication of CN112199891B publication Critical patent/CN112199891B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种重力坝安全变形预警指标拟定方法，包括根据大坝对应的考虑分项系数的设计规范，确定大坝设计状况下临界强度储备系数/滑动面屈服区上下游宽度临界百分比；将不同设计状况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比、及相应荷载输入预先训练好的神经网络模型，获得设计状况下的变形预警指标；其中，神经网络模型的训练和检验样本采用描述所有变形分量及其演化特征的大坝‑基础本构模型及大坝‑基础多场耦合力学模型获取。同时公开了相应的系统。本发明不仅考虑了所有变形特征，而且将变形值同大坝的安全度、工程等级和安全风险联系起来，获取的指标更加严谨。

Description

一种重力坝安全变形预警指标拟定方法及系统
技术领域
本发明涉及一种重力坝安全变形预警指标拟定方法及系统，属于水力发电领域。
背景技术
大坝变形主要因素包括水压、泥沙压力等直接荷载以及温度作用等间接荷载，同时还包括材料粘性与流变特性、水化反应或化学反应特性、结构与材料损伤开裂等多种成分，其中部分变形因素与大坝整体安全度关系不大，如太阳辐射日变幅导致的温度变形以及表面干湿变化导致的弹性变形等。现有大坝变形预警指标拟定方法剔除了这些无关因素，也没有将变形值同大坝工程等级以及具体的安全度联系起来，而是简单地认为变形绝对值越大大坝就越不安全，因此现有获取大坝安全变形预警指标的方法不严谨。
发明内容
本发明提供了一种重力坝安全变形预警指标拟定方法及系统，解决了背景技术中披露的问题。
为了解决上述技术问题，本发明所采用的技术方案是：
一种重力坝安全变形预警指标拟定方法，包括，
根据大坝对应的考虑分项系数的设计规范，确定大坝设计状况下临界强度储备系数/滑动面屈服区上下游宽度临界百分比；
将不同设计状况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比、及相应荷载输入预先训练好的神经网络模型，获得设计状况下的变形预警指标；其中，神经网络模型的训练和检验样本采用描述所有变形分量及其演化特征的大坝-基础本构模型及大坝-基础多场耦合力学模型获取。
获取训练和检验样本的过程为，
1)基于大坝的变形机理和影响因素、基础的变形机理和影响因素，考虑所有变形分量，构建大坝-基础的本构模型；
2)考虑饱和-非饱和渗流、变形-应力-渗流-温度多场耦合特征，构建大坝-基础多场耦合力学模型；
3)根据大坝-基础的本构模型和大坝-基础的多场耦合力学模型，构建大坝-基础最优数值模型；
4)根据大坝设计状况荷载变化区间及其组合，选定当前时段不同代表性工况，根据大坝-基础最优数值模型获取当前时段不同代表性工况下的变形、扬压力、应变和坝体温度；
5)判断不同代表性工况下的变形、扬压力、应变和坝体温度是否与实测资料匹配，若匹配，则转至步骤6，否则调整大坝-基础本构模型，转至步骤2；
6)当前大坝-基础本构模型为最优大坝-基础本构模型，根据大坝-基础本构模型、大坝-基础多场耦合力学模型和相应的大坝-基础最优数值模型，计算不同代表性工况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比，构建训练和检验样本。
大坝-基础的本构模型包括大坝混凝土饱和-非饱和状态下的有效应力模型、基础材料饱和-非饱和状态下的有效应力模型、大坝的总应变变化模型和基础的总应变变化模型；
其中，大坝混凝土饱和-非饱和状态下的有效应力模型和基础材料饱和-非饱和状态下的有效应力模型公式一致，如下：
σij＝σ′ij-(1-η)[χuw+(1-χ)ua]δij
其中，σij为饱和-非饱和状态下的有效应力，σ′ij为总应力，η为材料系数，χ为饱和度系数，uw、ua分别为渗透力和空气压力，δij为Kronecker函数；
大坝的总应变变化模型公式：
Figure BDA0002723036460000031
其中，
Figure BDA0002723036460000032
分别为总应变变化、弹性应变变化、黏弹性应变变化、黏塑性应变变化、温度应变变化、化学应变变化、干湿应变变化和流变应变变化；
基础的总应变变化模型公式相较于大坝的总应变变化模型公式少了化学应变变化和干湿应变变化，其与均一致。
Figure BDA0002723036460000033
其中，G0为弹性剪切模量，sij为应力偏张量，K为体积模量，σmδij为应力球张量；
Figure BDA0002723036460000034
其中，G1为黏弹性剪切模量，η1为黏弹性剪切黏滞系数，t为时间；
Figure BDA0002723036460000035
其中，η2为黏塑剪切黏滞系数，φ(·)为幂函数，Q为塑性势函数，F为屈服函数，F0为屈服函数初始值；
Figure BDA0002723036460000036
其中，β为混凝土骨架的线膨胀系数、
Figure BDA0002723036460000045
为温度变化，I为单位张量；
Figure BDA0002723036460000041
其中，
Figure BDA0002723036460000042
分别为水化变形系数和水化度变化；
Figure BDA0002723036460000043
其中，αs为与孔隙介质体积模量相关的系数，S为饱和度，PC为毛细压力；
Figure BDA0002723036460000044
其中，τ为广义剪应力，ηnl为材料参数，εnl为材料流变参数，ε11为最大主应变。
采用多场耦合强度折减法计算不同代表性工况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比。
根据大坝设计状况荷载变化区间及其组合，采用均匀设计方法选定当前时段不同代表性工况，根据大坝-基础最优数值模型获取当前时段不同代表性工况下的变形、扬压力、应变和坝体温度。
一种重力坝安全变形预警指标拟定系统，包括，
滑动面的屈服区临界贯通率模块：根据大坝对应的考虑分项系数的设计规范，确定大坝设计状况下临界强度储备系数/滑动面屈服区上下游宽度临界百分比；
网络模型模块：将不同设计状况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比、及相应荷载输入预先训练好的神经网络模型，获得设计状况下的变形预警指标；其中，神经网络模型的训练和检验样本采用描述所有变形分量及其演化特征的大坝-基础本构模型及大坝-基础多场耦合力学模型获取。
训练和检验样本获取模块包括，
本构模型模块：基于大坝的变形机理和影响因素、基础的变形机理和影响因素，考虑所有变形分量，构建大坝-基础本构模型；
力学模型模块：考虑饱和-非饱和渗流、变形-应力-渗流-温度多场耦合特征，构建大坝-基础多场耦合力学模型；
数值模型模块：根据大坝-基础的本构模型和大坝-基础的多场耦合力学模型，构建大坝-基础最优数值模型；
计算模块：根据大坝设计状况荷载变化区间及其组合，选定当前时段不同代表性工况，根据大坝-基础最优数值模型获取当前时段不同代表性工况下的变形、扬压力、应变和坝体温度；
判断模块：判断不同代表性工况下的变形、扬压力、应变和坝体温度是否与实测资料匹配，若匹配，则转至样本构建模块，否则调整大坝-基础本构模型，转至力学模型模块；
样本构建模块：当前大坝-基础本构模型为最优大坝-基础本构模型，根据大坝-基础本构模型、大坝-基础多场耦合力学模型和相应的大坝-基础最优数值模型，计算不同代表性工况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比，构建训练和检验样本。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行重力坝安全变形预警指标拟定方法。
一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行重力坝安全变形预警指标拟定方法的指令。
本发明所达到的有益效果：本发明采用描述所有变形分量及其演化特征的大坝-基础本构模型、大坝-基础多场耦合力学模型获取样本，训练神经网络模型，获得设计状况下的变形预警指标；不仅考虑了所有变形特征，而且将变形值同大坝的安全度、工程等级和安全风险联系起来，获取的指标更加严谨。
附图说明
图1为本发明方法的流程图；
图2为神经网络模型示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，一种重力坝安全变形预警指标拟定方法，包括以下步骤：
步骤1，根据大坝对应的考虑分项系数的设计规范，确定大坝设计状况下临界强度储备系数/滑动面屈服区上下游宽度临界百分比；其中大坝屈服面全贯通时选择临界强度储备系数，大坝屈服面部分贯通时选用滑动面屈服区上下游宽度临界百分比。
步骤2，将不同设计状况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比、及相应荷载输入预先训练好的神经网络模型，获得设计状况下的变形预警指标；其中，神经网络模型的训练和检验样本采用描述所有变形分量及其演化特征的大坝-基础本构模型及大坝-基础多场耦合力学模型获取。
荷载包括水荷载、气温荷载和泥沙压力等，水荷载包括影响变形量的当日及前数日水荷载，具体项数根据水位与变形的相关性和灵敏度分析得到。气温包括影响变形量的当日及前数日气温，具体项数根据气温与变形的相关性和灵敏度分析得到。
神经网络模型具体训练过程如下：
1)获取训练样本和检验样本。
11)基于大坝的变形机理和影响因素、基础的变形机理和影响因素，充分模拟大坝结构和材料特征、基础结构和材料特征，考虑所有变形分量，构建大坝-基础本构模型；
大坝-基础即将大坝和基础作为一个整体，在本领域中，通常也将大坝-基础统称为大坝。
大坝结构和材料特征、基础结构和材料特征，主要包括多孔介质和断层裂隙；变形分量包括黏弹性、粘塑性、水化变形和温度变形等。
大坝-基础本构模型需要准确描述结构和材料特性，包括大坝混凝土饱和-非饱和状态下的有效应力模型、基础材料饱和-非饱和状态下的有效应力模型、大坝的总应变变化模型和基础的总应变变化模型；具体如下：
大坝混凝土饱和-非饱和状态下的有效应力模型和基础材料(基础岩石)饱和-非饱和状态下的有效应力模型公式一致。在孔隙压力作用下，应用广义有效应力原理，获得饱/非饱和状态下的有效应力模型为：
σij＝σ′ij-(1-η)pδij
＝σ′ij-(1-η)[χuw+(1-χ)ua]δij
其中，σij为饱和-非饱和状态下的有效应力，σ′ij为总应力，η为材料系数，χ为饱和度系数，uw、ua分别为渗透力和空气压力，δij为Kronecker函数，p为平均流体压力。
大坝的总应变变化模型公式为：
Figure BDA0002723036460000081
其中，
Figure BDA0002723036460000082
分别为大坝的总应变变化、弹性应变变化、黏弹性应变变化、黏塑性应变变化、温度应变变化、化学应变变化、干湿应变变化和流变应变变化；
基础的总应变变化模型公式相较于大坝的总应变变化模型公式少了化学应变变化和干湿应变变化，其与均一致，即
Figure BDA0002723036460000083
其中，
Figure BDA0002723036460000084
其中，G0为弹性剪切模量，sij为应力偏张量，K为体积模量，σmδij为应力球张量；
Figure BDA0002723036460000085
其中，G1为黏弹性剪切模量，η1为黏弹性剪切黏滞系数，t为时间；
Figure BDA0002723036460000086
其中，η2为黏塑剪切黏滞系数，φ(·)为幂函数，Q为塑性势函数，F为屈服函数，F0为屈服函数初始值；
Figure BDA0002723036460000087
其中，β为混凝土骨架的线膨胀系数、
Figure BDA0002723036460000088
为温度变化，I为单位张量；
Figure BDA0002723036460000091
其中，ξ、
Figure BDA0002723036460000092
分别为水化变形系数和水化度变化；
Figure BDA0002723036460000093
其中，αs为与孔隙介质体积模量相关的系数，S为饱和度，PC为毛细压力；
Figure BDA0002723036460000094
其中，τ为广义剪应力，ηnl为材料参数，εnl为材料流变参数，ε11为最大主应变。
12)充分考虑饱和-非饱和渗流、变形-应力-渗流-温度多场耦合特征，构建大坝-基础多场耦合力学模型；该模型为常见的模型，这里不详细描述。
13)根据大坝-基础的本构模型和大坝-基础的多场耦合力学模型，构建大坝-基础最优数值模型。
大坝-基础最优数值模型采用基于等几何分析的无网格法-有限元耦合建立，对于几何形状不规则或存在开裂大变形等部位采用基于等几何分析的无网格法，其余部位采用有限元法。
14)根据大坝所处环境下水位、温度等荷载变化区间(即大坝设计状况荷载变化区间)及其组合，根据神经网络模型训练和检验样本数的要求，按均匀设计方法选定当前时段不同代表性工况(工况数量根据神经网络模型训练和检验要求确定)，根据大坝-基础最优数值模型获取当前时段不同代表性工况下的变形、扬压力、应变和坝体温度。
15)判断不同代表性工况下的变形、扬压力、应变和坝体温度是否与实测资料匹配，若匹配，则转至步骤6，否则调整大坝-基础本构模型，转至步骤2。
16)当前大坝-基础本构模型为最优大坝-基础本构模型，根据大坝-基础本构模型、大坝-基础多场耦合力学模型和相应的大坝-基础最优数值模型，采用多场耦合强度折减法计算不同代表性工况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比，构建训练和检验样本。
一个样本包括一个代表性工况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比、测点变形、水位荷载和气温荷载等，其中训练样本和检验样本分别为总样本数的4/5和1/5，且样本各自数量应满足神经网络训练收敛和检验有效性的要求。
2)使用训练样本训练神经网络模型，使用检验样本检验神经网络模型，直到模型的鲁棒性、泛化能力和精度等指标满足要求为止。
如图2所述，神经网络模型采用卷积神经网络模型，神经网络结构采用“自动神经网络结构搜索法”确定。获取设计状况下变形预警指标时，输入包括与变形有关的荷载、设计状况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比，输出为相应变形预警指标。
上述方法采用描述所有变形分量及其演化特征的大坝-基础本构模型及大坝-基础多场耦合力学模型获取样本，训练神经网络模型，获得设计状况下变形预警指标；不仅考虑了所有变形特征，而且将变形值同大坝的安全度、工程等级和安全风险联系起来，获取的指标更加严谨。
一种重力坝安全变形预警指标拟定系统，包括，
滑动面的屈服区临界贯通率模块：根据大坝对应的考虑分项系数的设计规范，确定大坝设计状况下临界强度储备系数/滑动面屈服区上下游宽度临界百分比；
网络模型模块：将不同设计状况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比、及相应荷载输入预先训练好的神经网络模型，获得设计状况下的变形预警指标；其中，神经网络模型的训练和检验样本采用描述所有变形分量及其演化特征的大坝-基础本构模型及大坝-基础多场耦合力学模型获取。
训练和检验样本获取模块包括，
本构模型模块：基于大坝的变形机理和影响因素、基础的变形机理和影响因素，考虑所有变形分量，构建大坝-基础本构模型；
力学模型模块：考虑饱和-非饱和渗流、变形-应力-渗流-温度多场耦合特征，构建大坝-基础多场耦合力学模型；
数值模型模块：根据大坝-基础的本构模型和大坝-基础的多场耦合力学模型，构建大坝-基础最优数值模型；
计算模块：根据大坝设计状况荷载变化区间及其组合，选定当前时段不同代表性工况，根据大坝-基础最优数值模型获取当前时段不同代表性工况下的变形、扬压力、应变和坝体温度；
判断模块：判断不同代表性工况下的变形、扬压力、应变和坝体温度是否与实测资料匹配，若匹配，则转至样本构建模块，否则调整大坝-基础本构模型，转至力学模型模块；
样本构建模块：当前大坝-基础本构模型为最优大坝-基础本构模型，根据大坝-基础本构模型、大坝-基础多场耦合力学模型和相应的大坝-基础最优数值模型，计算不同代表性工况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比，构建训练和检验样本。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行重力坝安全变形预警指标拟定方法。
一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行重力坝安全变形预警指标拟定方法的指令。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (10)

1.一种重力坝安全变形预警指标拟定方法，其特征在于：包括，
根据大坝对应的考虑分项系数的设计规范，确定大坝设计状况下临界强度储备系数/滑动面屈服区上下游宽度临界百分比；
将不同设计状况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比、及相应荷载输入预先训练好的神经网络模型，获得设计状况下的变形预警指标；其中，神经网络模型的训练和检验样本采用描述所有变形分量及其演化特征的大坝-基础本构模型及大坝-基础多场耦合力学模型获取。
2.根据权利要求1所述的一种重力坝安全变形预警指标拟定方法，其特征在于：获取训练和检验样本的过程为，
1)基于大坝的变形机理和影响因素、基础的变形机理和影响因素，考虑所有变形分量，构建大坝-基础的本构模型；
2)考虑饱和-非饱和渗流、变形-应力-渗流-温度多场耦合特征，构建大坝-基础多场耦合力学模型；
3)根据大坝-基础的本构模型和大坝-基础的多场耦合力学模型，构建大坝-基础最优数值模型；
4)根据大坝设计状况荷载变化区间及其组合，选定当前时段不同代表性工况，根据大坝-基础最优数值模型获取当前时段不同代表性工况下的变形、扬压力、应变和坝体温度；
5)判断不同代表性工况下的变形、扬压力、应变和坝体温度是否与实测资料匹配，若匹配，则转至步骤6，否则调整大坝-基础本构模型，转至步骤2；
6)当前大坝-基础本构模型为最优大坝-基础本构模型，根据大坝-基础本构模型、大坝-基础多场耦合力学模型和相应的大坝-基础最优数值模型，计算不同代表性工况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比，构建训练和检验样本。
3.根据权利要求2所述的一种重力坝安全变形预警指标拟定方法，其特征在于：大坝-基础的本构模型包括大坝混凝土饱和-非饱和状态下的有效应力模型、基础材料饱和-非饱和状态下的有效应力模型、大坝的总应变变化模型和基础的总应变变化模型；
其中，大坝混凝土饱和-非饱和状态下的有效应力模型和基础材料饱和-非饱和状态下的有效应力模型公式一致，如下：
σij＝σ′ij-(1-η)[χuw+(1-χ)ua]δij
其中，σij为饱和-非饱和状态下的有效应力，σ′ij为总应力，η为材料系数，χ为饱和度系数，uw、ua分别为渗透力和空气压力，δij为Kronecker函数；
大坝的总应变变化模型公式：
Figure FDA0002723036450000021
其中，
Figure FDA0002723036450000022
分别为总应变变化、弹性应变变化、黏弹性应变变化、黏塑性应变变化、温度应变变化、化学应变变化、干湿应变变化和流变应变变化；
基础的总应变变化模型公式相较于大坝的总应变变化模型公式少了化学应变变化和干湿应变变化，其与均一致。
4.根据权利要求3所述的一种重力坝安全变形预警指标拟定方法，其特征在于：
Figure FDA0002723036450000023
其中，G0为弹性剪切模量，sij为应力偏张量，K为体积模量，σmδij为应力球张量；
Figure FDA0002723036450000031
其中，G1为黏弹性剪切模量，η1为黏弹性剪切黏滞系数，t为时间；
Figure FDA0002723036450000032
其中，η2为黏塑剪切黏滞系数，φ(·)为幂函数，Q为塑性势函数，F为屈服函数，F0为屈服函数初始值；
Figure FDA0002723036450000033
其中，β为混凝土骨架的线膨胀系数、
Figure FDA0002723036450000034
为温度变化，I为单位张量；
Figure FDA0002723036450000035
其中，ξ、
Figure FDA0002723036450000036
分别为水化变形系数和水化度变化；
Figure FDA0002723036450000037
其中，αs为与孔隙介质体积模量相关的系数，S为饱和度，PC为毛细压力；
Figure FDA0002723036450000038
其中，τ为广义剪应力，ηnl为材料参数，εnl为材料流变参数，ε11为最大主应变。
5.根据权利要求2所述的一种重力坝安全变形预警指标拟定方法，其特征在于：采用多场耦合强度折减法计算不同代表性工况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比。
6.根据权利要求2所述的一种重力坝安全变形预警指标拟定方法，其特征在于：根据大坝设计状况荷载变化区间及其组合，采用均匀设计方法选定当前时段不同代表性工况，根据大坝-基础最优数值模型获取当前时段不同代表性工况下的变形、扬压力、应变和坝体温度。
7.一种重力坝安全变形预警指标拟定系统，其特征在于：包括，
滑动面的屈服区临界贯通率模块：根据大坝对应的考虑分项系数的设计规范，确定大坝设计状况下临界强度储备系数/滑动面屈服区上下游宽度临界百分比；
网络模型模块：将不同设计状况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比、及相应荷载输入预先训练好的神经网络模型，获得设计状况下的变形预警指标；其中，神经网络模型的训练和检验样本采用描述所有变形分量及其演化特征的大坝-基础本构模型及大坝-基础多场耦合力学模型获取。
8.根据权利要求7所述的一种重力坝安全变形预警指标拟定系统，其特征在于：还包括训练和检验样本获取模块，训练和检验样本获取模块包括，
本构模型模块：基于大坝的变形机理和影响因素、基础的变形机理和影响因素，考虑所有变形分量，构建大坝-基础本构模型；
力学模型模块：考虑饱和-非饱和渗流、变形-应力-渗流-温度多场耦合特征，构建大坝-基础多场耦合力学模型；
数值模型模块：根据大坝-基础的本构模型和大坝-基础的多场耦合力学模型，构建大坝-基础最优数值模型；
计算模块：根据大坝设计状况荷载变化区间及其组合，选定当前时段不同代表性工况，根据大坝-基础最优数值模型获取当前时段不同代表性工况下的变形、扬压力、应变和坝体温度；
判断模块：判断不同代表性工况下的变形、扬压力、应变和坝体温度是否与实测资料匹配，若匹配，则转至样本构建模块，否则调整大坝-基础本构模型，转至力学模型模块；
样本构建模块：当前大坝-基础本构模型为最优大坝-基础本构模型，根据大坝-基础本构模型、大坝-基础多场耦合力学模型和相应的大坝-基础最优数值模型，计算不同代表性工况下的临界强度储备系数/滑动面屈服区上下游宽度临界百分比，构建训练和检验样本。
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至6所述的方法中的任一方法。
10.一种计算设备，其特征在于：包括，
一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至6所述的方法中的任一方法的指令。
CN202011093917.2A 2020-10-14 2020-10-14 一种重力坝安全变形预警指标拟定方法及系统 Active CN112199891B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011093917.2A CN112199891B (zh) 2020-10-14 2020-10-14 一种重力坝安全变形预警指标拟定方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011093917.2A CN112199891B (zh) 2020-10-14 2020-10-14 一种重力坝安全变形预警指标拟定方法及系统

Publications (2)

Publication Number Publication Date
CN112199891A true CN112199891A (zh) 2021-01-08
CN112199891B CN112199891B (zh) 2023-07-21

Family

ID=74010384

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011093917.2A Active CN112199891B (zh) 2020-10-14 2020-10-14 一种重力坝安全变形预警指标拟定方法及系统

Country Status (1)

Country Link
CN (1) CN112199891B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113468795A (zh) * 2021-04-02 2021-10-01 水利部南京水利水文自动化研究所 不同参数材料分区浇/填筑坝变形混合模型通用建立方法
CN113742814A (zh) * 2021-07-27 2021-12-03 南方电网调峰调频发电有限公司 大坝安全预警方法、装置、计算机设备和存储介质
CN113742939A (zh) * 2021-09-15 2021-12-03 水利部南京水利水文自动化研究所 一种运行期混凝土坝效应量温度分量模型的构建方法
CN115238549A (zh) * 2022-07-25 2022-10-25 中南大学 一种利用ert监测滑坡降雨条件下的安全系数的方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0949744A (ja) * 1995-05-31 1997-02-18 Fujii Kiso Sekkei Jimusho:Kk 地盤挙動変化のモデル化方法及び装置
CN104102817A (zh) * 2014-06-24 2014-10-15 水利部南京水利水文自动化研究所 多测点无失效数据大坝整体安全度动态评价方法
CN104963319A (zh) * 2015-06-16 2015-10-07 中国电建集团成都勘测设计研究院有限公司 一种模拟砂砾石坝基管涌侵蚀对大坝应力变形影响的方法
CN107563046A (zh) * 2017-08-30 2018-01-09 国家电网公司 基于大坝失效功能函数模型的失效风险率计算方法及装置
US20180292299A1 (en) * 2014-01-13 2018-10-11 Hubei University Of Technology Method of critical displacement forecast based on the deformation failure mechanism of slope
CN108716904A (zh) * 2018-04-09 2018-10-30 水利部南京水利水文自动化研究所 基于有限测斜仪测点测值的坝体挠度获取方法
CN109035730A (zh) * 2018-07-16 2018-12-18 河海大学 一种考虑服役环境影响的混凝土坝损伤动力预警方法
CN109117540A (zh) * 2018-08-02 2019-01-01 三峡大学 一种解决大坝混凝土力学参数反演不唯一性的概率统计分析方法
CN110532694A (zh) * 2019-08-29 2019-12-03 四川大学 一种基于地质力学模型综合法试验的拱坝安全评价方法
CN110850062A (zh) * 2019-11-28 2020-02-28 国家电网有限公司 一种抽水蓄能电站坝基抗滑稳定性评价方法
CN111256754A (zh) * 2020-01-19 2020-06-09 河海大学 一种混凝土坝长期运行安全预警方法
CN111259479A (zh) * 2020-01-20 2020-06-09 水利部南京水利水文自动化研究所 一种基于实测数据的重力坝扬压力分级预警方法
CN111475981A (zh) * 2020-04-22 2020-07-31 水发规划设计有限公司 一种水库土石坝渗透变形和稳定性的数值模拟方法及装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0949744A (ja) * 1995-05-31 1997-02-18 Fujii Kiso Sekkei Jimusho:Kk 地盤挙動変化のモデル化方法及び装置
US20180292299A1 (en) * 2014-01-13 2018-10-11 Hubei University Of Technology Method of critical displacement forecast based on the deformation failure mechanism of slope
CN104102817A (zh) * 2014-06-24 2014-10-15 水利部南京水利水文自动化研究所 多测点无失效数据大坝整体安全度动态评价方法
CN104963319A (zh) * 2015-06-16 2015-10-07 中国电建集团成都勘测设计研究院有限公司 一种模拟砂砾石坝基管涌侵蚀对大坝应力变形影响的方法
CN107563046A (zh) * 2017-08-30 2018-01-09 国家电网公司 基于大坝失效功能函数模型的失效风险率计算方法及装置
CN108716904A (zh) * 2018-04-09 2018-10-30 水利部南京水利水文自动化研究所 基于有限测斜仪测点测值的坝体挠度获取方法
CN109035730A (zh) * 2018-07-16 2018-12-18 河海大学 一种考虑服役环境影响的混凝土坝损伤动力预警方法
CN109117540A (zh) * 2018-08-02 2019-01-01 三峡大学 一种解决大坝混凝土力学参数反演不唯一性的概率统计分析方法
CN110532694A (zh) * 2019-08-29 2019-12-03 四川大学 一种基于地质力学模型综合法试验的拱坝安全评价方法
CN110850062A (zh) * 2019-11-28 2020-02-28 国家电网有限公司 一种抽水蓄能电站坝基抗滑稳定性评价方法
CN111256754A (zh) * 2020-01-19 2020-06-09 河海大学 一种混凝土坝长期运行安全预警方法
CN111259479A (zh) * 2020-01-20 2020-06-09 水利部南京水利水文自动化研究所 一种基于实测数据的重力坝扬压力分级预警方法
CN111475981A (zh) * 2020-04-22 2020-07-31 水发规划设计有限公司 一种水库土石坝渗透变形和稳定性的数值模拟方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
FANG WH等: ""Quantile Regression Analysis on Short-Term Measured Data of Dravity-Arch Dam Based on POD"", PROCEEDINGS OF THE 2017 INTERNATIONAL CONFERENCE ON ADVANCED MATERIALS SCIENCE AND CICIL ENGINEERING, vol. 70, pages 142 - 149 *
周伟等: ""基于分项系数法的重力坝深层抗滑稳定分析"", 岩土力学, pages 315 - 320 *
方卫华等: ""深厚覆盖层上RCC重力坝多场耦合强度折减法"", 应用基础与工程科学学报, vol. 28, no. 01, pages 40 - 49 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113468795A (zh) * 2021-04-02 2021-10-01 水利部南京水利水文自动化研究所 不同参数材料分区浇/填筑坝变形混合模型通用建立方法
CN113468795B (zh) * 2021-04-02 2023-10-31 水利部南京水利水文自动化研究所 不同参数材料分区浇/填筑坝变形混合模型通用建立方法
CN113742814A (zh) * 2021-07-27 2021-12-03 南方电网调峰调频发电有限公司 大坝安全预警方法、装置、计算机设备和存储介质
CN113742814B (zh) * 2021-07-27 2023-12-19 南方电网调峰调频发电有限公司 大坝安全预警方法、装置、计算机设备和存储介质
CN113742939A (zh) * 2021-09-15 2021-12-03 水利部南京水利水文自动化研究所 一种运行期混凝土坝效应量温度分量模型的构建方法
CN113742939B (zh) * 2021-09-15 2023-07-21 水利部南京水利水文自动化研究所 一种运行期混凝土坝效应量温度分量模型的构建方法
CN115238549A (zh) * 2022-07-25 2022-10-25 中南大学 一种利用ert监测滑坡降雨条件下的安全系数的方法
CN115238549B (zh) * 2022-07-25 2024-03-12 中南大学 一种利用ert监测滑坡降雨条件下的安全系数的方法

Also Published As

Publication number Publication date
CN112199891B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
CN112199891A (zh) 一种重力坝安全变形预警指标拟定方法及系统
Starkova et al. Modelling of environmental ageing of polymers and polymer composites—durability prediction methods
CN109522577B (zh) 一种基于Weibull方程和最大疲劳变形的混凝土疲劳寿命预测方法和装置
CN109522569B (zh) 基于Weibull方程和残余变形的混凝土疲劳寿命预测方法和装置
CN105956216A (zh) 大跨钢桥基于均匀温度响应监测值的有限元模型修正方法
CN102122351A (zh) 一种基于rbf神经网络的管道缺陷智能识别方法
Ding et al. Assessment of bridge expansion joints using long-term displacement measurement under changing environmental conditions
Zhu et al. Development and testing of the phytoplankton biological integrity index (P-IBI) in dry and wet seasons for Lake Gehu
CN105571645A (zh) 一种大坝自动化监测方法
CN202075272U (zh) 一种应用于污水处理的软测量系统
Santillán et al. Dam seepage analysis based on artificial neural networks: The hysteresis phenomenon
CN112347537B (zh) 工程结构数值模型的校准方法、装置、电子设备及介质
CN103353295B (zh) 一种精确预测大坝坝体垂直变形量的方法
CN108416110A (zh) 基于标准Wiener过程的混凝土寿命预测方法
CN106815442A (zh) 一种各向同性不可压缩超弹性体本构模型及其应用
CN102518206B (zh) 一种隔震橡胶支座性能的概率预测方法
CN103399134B (zh) 一种基于输出观测器的污水cod软测量方法
CN103630588A (zh) 电化学瓦斯传感器的一种快速响应方法
CN117252063A (zh) 基于机器学习的岩质高边坡开挖锚固变形预测方法及系统
CN103488826B (zh) 基于经验加速模型的退化量分布参数建模外推方法
Song et al. Long-term deformation safety evaluation method of concrete dams based on the time-varying stability of concrete material
Krejsa et al. The foundation slab monitoring of the" National Supercomputing Center-IT4 Innovations" during construction
Mahadevan et al. Challenges in concrete structures health monitoring
Li et al. On-line diagnosis method of crack behavior abnormality in concrete dams based on fluctuation of sequential parameter estimates
Xu et al. Statistical analysis of accelerated life testing under Weibull distribution based on fuzzy theory

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211228

Address after: No.95, Tiexinqiao street, zhonghuamenwai, Yuhuatai District, Nanjing, Jiangsu 210012

Applicant after: NANJING AUTOMATION INSTITUTE OF WATER CONSERVANCY AND HYDROLOGY, MINISTRY OF WATER RESOURCES

Applicant after: JIANGSU NAIWCH COOPERATION

Address before: No.95, Tiexinqiao street, zhonghuamenwai, Yuhuatai District, Nanjing, Jiangsu 210012

Applicant before: NANJING AUTOMATION INSTITUTE OF WATER CONSERVANCY AND HYDROLOGY, MINISTRY OF WATER RESOURCES

GR01 Patent grant
GR01 Patent grant