CN112632829B - 基于abaqus-python脚本的滑坡安全系数区间分析方法 - Google Patents

基于abaqus-python脚本的滑坡安全系数区间分析方法 Download PDF

Info

Publication number
CN112632829B
CN112632829B CN202011579637.2A CN202011579637A CN112632829B CN 112632829 B CN112632829 B CN 112632829B CN 202011579637 A CN202011579637 A CN 202011579637A CN 112632829 B CN112632829 B CN 112632829B
Authority
CN
China
Prior art keywords
landslide
displacement
abaqus
safety coefficient
inflection point
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
Application number
CN202011579637.2A
Other languages
English (en)
Other versions
CN112632829A (zh
Inventor
王环玲
杨玲
徐卫亚
孟庆祥
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202011579637.2A priority Critical patent/CN112632829B/zh
Publication of CN112632829A publication Critical patent/CN112632829A/zh
Application granted granted Critical
Publication of CN112632829B publication Critical patent/CN112632829B/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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Devices Affording Protection Of Roads Or Walls For Sound Insulation (AREA)

Abstract

本发明公开了基于abaqus‑python脚本的滑坡安全系数区间分析方法，包括如下步骤：首先确定不确定性岩土体参数及其区间范围作为粒子群优化算法的搜索变量和搜索空间；通过abaqus建立滑坡模型，进行有限元强度折减分析，获取滑坡建模每一步对应的python代码；基于已有python代码，随机生成n组参数组合并代入abaqus有限元强度折减分析计算出滑坡安全系数并确定其对应的参考位移，其后基于粒子群优化算法和python代码进行粒子群速度和位置的初始化以及迭代，最终确定滑坡安全系数区间及安全系数最值对应的滑坡失稳时的滑面。本发明的基于abaqus‑python脚本的滑坡安全系数区间分析方法，通过结合python脚本对abaqus进行二次开发，实现粒子群优化算法和区间分析方法在滑坡有限元强度折减中的应用。

Description

基于abaqus-python脚本的滑坡安全系数区间分析方法
技术领域
本发明涉及一种滑坡稳定性区间分析方法，特别涉及一种基于abaqus-python脚本的滑坡安全系数区间分析方法。
背景技术
滑坡工程中，岩土体的形成极其复杂，岩土体参数本身具有空间变异性，测量精度和方法的有限性更增加了其不确定性。如何用不确定性分析方法处理这样一个高度复杂的不确定系统是研究者必须面对的问题。
不确定性分析方法主要包括三种：随机分析方法、模糊分析方法和区间分析方法。实际岩土体工程中，由于缺乏足够的统计资料，往往很难得到不确定性参数的足够样本，因而很难用随机或模糊分析方法进行处理。而区间分析方法只需得到不确定性参数的区间范围即可进行计算，得到的计算结果为包括真实解在内的闭区间，有效克服了另外两种方法的缺点。
然而，采用常规的区间运算法则进行区间计算时，将原本相同的区间变量看成取值范围相同的不同区间变量，若在计算中，不同位置的区间变量取了不同的边界值，则计算得到的结果区间将大于真实的解区间，即造成区间扩张。粒子群优化算法用于不确定性分析中，能够有效避免区间结果扩张。
强度折减法是进行边坡稳定性有限元分析的常用方法，直接通过有限元分析获得一个安全系数，不仅保持了有限元在模拟复杂问题上的优点，而且概念明确，结果直观，在工程中得到越来越多的应用。Abaqus软件可以实现强度折减法。但常规的abaqus软件建模无法考虑粒子群优化算法和区间分析方法，从而无法应用于岩土体参数不确定的滑坡工程的运算。
发明内容
发明目的：针对常规Abaqus滑坡建模无法考虑粒子群优化算法和区间分析方法的问题，本发明提供一种基于abaqus-python脚本的滑坡安全系数区间分析方法，通过结合python脚本对abaqus进行二次开发，实现粒子群优化算法和区间分析方法在滑坡有限元强度折减中的应用。
技术方案：本发明所述的基于abaqus-python脚本的滑坡安全系数区间分析方法，包括如下步骤：
(1)根据滑坡工程实际，确定滑坡安全系数区间分析所需的不确定性岩土体参数及其区间范围，作为粒子群优化算法的搜索变量和搜索空间；
(2)通过abaqus建立滑坡模型，进行有限元强度折减分析，基于建模过程产生的abaqus.rpy文件，获得滑坡建模每一步对应的python代码；
(3)基于已有python代码，在不确定性岩土体参数区间范围内随机生成n组参数组合，代入abaqus有限元强度折减分析，计算出滑坡安全系数，并基于计算结果确定该滑坡安全系数对应的参考位移；
(4)设置粒子群优化算法的参数，基于已有python代码，初始化粒子群速度和位置，将每个粒子的初始岩土体参数，即粒子初始位置，代入abaqus有限元强度折减分析，进行初次迭代；
(5)基于每个粒子的有限元强度折减计算结果，根据步骤(3)确定的参考位移自动化确定每个粒子对应的滑坡安全系数，作为该粒子的适应度值，确定种群和粒子的历史最优位置；
(6)更新粒子的速度和位置进行再次迭代，按照步骤(4)和(5)的方法计算每个粒子的适应度值，并确定当前种群和粒子的历史最优位置；
(7)重复步骤(6)直至算法达到设定的迭代次数，确定滑坡安全系数区间及最小安全系数和最大安全系数对应的滑坡失稳时的滑面。
上述步骤(1)中，不确定性岩土体参数包括滑坡各岩土层的弹性模量
Figure BDA0002864499070000021
泊松比
Figure BDA0002864499070000022
容重
Figure BDA0002864499070000023
粘聚力
Figure BDA0002864499070000024
和内摩擦角
Figure BDA0002864499070000025
搜索空间为：([E，，
Figure BDA0002864499070000026
]，[v，
Figure BDA0002864499070000027
]，[γ，
Figure BDA0002864499070000028
]，[c，
Figure BDA0002864499070000029
]，
Figure BDA00028644990700000210
)，其中，E，
Figure BDA00028644990700000211
分别为弹性模量
Figure BDA00028644990700000212
的最小值和最大值，v，
Figure BDA00028644990700000213
分别为泊松比
Figure BDA00028644990700000214
的最小值和最大值，γ，
Figure BDA00028644990700000215
分别为容重
Figure BDA00028644990700000226
的最小值和最大值，c，
Figure BDA00028644990700000216
别为粘聚力
Figure BDA00028644990700000217
的最小值和最大值，
Figure BDA00028644990700000218
分别为内摩擦角
Figure BDA00028644990700000219
的最小值和最大值。
步骤(2)中，通过abaqus建立滑坡模型，采用下述参数进行有限元强度折减分析：所采用的岩土体参数取弹性模量
Figure BDA00028644990700000220
泊松比
Figure BDA00028644990700000221
重度
Figure BDA00028644990700000222
粘聚力
Figure BDA00028644990700000223
内摩擦角
Figure BDA00028644990700000224
将弹性模量E和泊松比v设为滑坡模型的弹性参数，基于摩尔库伦准则指定粘聚力c和内摩擦角
Figure BDA00028644990700000225
随场变量FV变化，并将容重γ设为滑坡的竖向荷载。
上述步骤(3)中，在不确定性岩土体参数区间范围内随机生成n组参数组合，n为正整数，如初步可取50组，根据实际的计算情况，若未同时出现可捕捉到位移快速下降现象的位移曲线和不能捕捉到位移快速下降现象的位移曲线，则可增大至100组，以此类推。本步骤中计算出的滑坡安全系数为：基于各组参数组合下的有限元强度折减计算结果，通过abaqus建模中的python语言，提取滑坡面右上角点的x方向位移S和场变量FV随分析步的坐标值，合并生成位移S随场变量FV变化的曲线，该曲线上的位移拐点对应的场变量即为滑坡安全系数。
步骤(3)中的参考位移本质上是位移的数量级。对于不同的参数组合，相同网格划分条件下，参数微小的不同，也会导致位移曲线出现两种情况，其一是可以捕捉到位移快速下降现象，此时塑性区贯通，滑坡最大位移一般大于1m；另一种情况是不能捕捉到位移快速下降现象，塑性区未贯通时已发生破坏，此时滑坡最大位移一般小于0.01m。对于同一滑坡，不同参数组合下的同一种情况，其最大位移一般处于同一量级，位移拐点对应的位移也处于同一量级，且位移拐点与其下一点对应的位移通常呈现量级上的差别。本步骤中，根据n组参数组合的实际计算结果，以位移拐点下一点对应位移的量级作为该拐点的参考位移，即为0.1m、0.01m、0.001m、0.0001m等，确定可捕捉到位移快速下降现象的位移曲线上位移拐点对应的参考位移SS1，和不能捕捉到位移快速下降现象的位移曲线上位移拐点对应的参考位移SS2，记可捕捉到位移快速下降现象的位移曲线最大位移的量级为SS0，即为10m、1m、0.1m等。
上述步骤(4)中，具体的，初次迭代时，在空间([0，1]，[0，1]，[0，1]，[0，1]，[0，1])随机初始化粒子的速度，在搜索空间([E，
Figure BDA0002864499070000031
]，[v，
Figure BDA0002864499070000032
]，[γ，
Figure BDA0002864499070000033
]，[c，
Figure BDA0002864499070000034
]，
Figure BDA0002864499070000035
)随机初始化粒子的位置；将每个粒子的初始弹性模量E0、泊松比v0、粘聚力c0、内摩擦角
Figure BDA0002864499070000036
阳容重γ0取代已有python代码中的弹性模量E、泊松比v、容重γ、粘聚力c和内摩擦角
Figure BDA0002864499070000037
进行初次有限元强度折减分析。
上述步骤(5)中，根据参考位移自动化确定滑坡安全系数的方法具体为：
1)基于abaqus建模中的python语言，定义滑坡最大位移大于SS0时，曲线上位移大于SS1的点的上一点为位移拐点；如果滑坡最大位移小于SS0，令曲线上位移大于SS2的点的上一点为位移拐点；
2)确定好位移拐点之后，令该位移拐点坐标为(FV0，S0)，其上两点坐标为(FV1-，S1-)、(FV2-，S2-)，其下两点坐标为(FV1+，S1+)、(FV2+，S2+)，其中，FV0为位移拐点对应的场变量，FV1-、FV2-分别为该位移拐点上两点对应的场变量，FV1+、FV2-+对应为该位移拐点下两点对应的场变量，S0为位移拐点对应的位移，S1-、S2-分别为该位移拐点上两点对应的位移，S1+、S2-+对应为该位移拐点下两点对应的位移，判断该点是否为正确的位移拐点：
①令k01-＝(S0-S1-)/(FV0-FV1-)，k1-2-＝(S1--S2-)/(FV1--FV2-)，k01+＝(S0-S1+)/(FV0-FV1+)，k1+2+＝(S1+-S2+)/(FV1+-FV2+)；其中，k01-代表位移拐点与其上一点之间连线的斜率，k1-2-、k01+、k1+2+的定义同理；
②若k01+/k01->k01-/k1-2-，且k01+/k01->k1+2+/k01+，则认为该位移拐点(FV0，S0)与下一点(FV1+，S1+)之间连线的斜率产生突变，该位移拐点为正确的位移拐点，否则舍弃该粒子此次的计算；正确的位移拐点对应的场变量即为滑坡安全系数。
其中，当某一位移拐点非正确的位移拐点时，舍弃该粒子此次计算的方法为：搜索滑坡最小安全系数时，增大该拐点对应的场变量，不参与最小安全系数的搜索，令该拐点的场变量为1000*FV0；搜索滑坡最大安全系数时，减小该拐点对应的场变量，不参与最大安全系数的搜索，令该拐点的场变量为FV0/1000。
上述步骤(7)中，迭代结束时，所有粒子中的最小适应度值为滑坡安全系数区间的下限，最大适应度值为安全系数区间的上限，将最小安全系数和最大安全系数对应的滑坡岩土体参数分别代入abaqus有限元强度折减计算，根据计算结束后得到的位移等值线云图确定滑坡失稳时的滑面，以位移为0和位移大于0处的等值分界线为滑面。
有益效果：与现有技术相比，本发明的优点为：本发明的分析方法通过结合python脚本对abaqus进行二次开发，实现粒子群优化算法和区间分析方法在abaqus滑坡有限元强度折减法中的应用，可以获得滑坡安全系数区间以及最小安全系数和最大安全系数对应的滑坡失稳时的滑面。
附图说明
图1为实施例中的滑坡剖面尺寸图；
图2为实施例中滑坡有限元网格划分图；
图3为可捕捉到位移快速下降现象的位移曲线；
图4为图3黑框内容的放大图；
图5为不能捕捉到位移快速下降现象的位移曲线；
图6为最小安全系数迭代曲线；
图7为最大安全系数迭代曲线；
图8为最小安全系数对应的位移等值线云图和相应滑面所在位置图；
图9为最大安全系数对应的位移等值线云图和相应滑面所在位置图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步说明。
本发明的基于abaqus-python脚本的滑坡安全系数区间分析方法，包括如下步骤：
(1)根据滑坡工程实际，确定滑坡安全系数区间分析所需的不确定性岩土体参数及其区间范围，作为粒子群优化算法的搜索变量和搜索空间；
(2)通过abaqus建立滑坡模型，进行有限元强度折减分析，基于建模过程产生的abaqus.rpy文件，获得滑坡建模每一步对应的python代码；
(3)基于已有python代码，在不确定性岩土体参数区间范围内随机生成n组参数组合，代入abaqus有限元强度折减分析，计算出滑坡安全系数，并基于计算结果确定该滑坡安全系数对应的参考位移，即滑坡的位移取多大时对应的是它的安全系数，后续步骤(5)基于参考位移自动化确定安全系数；
(4)设置粒子群优化算法的参数，基于已有python代码，初始化粒子群速度和位置，将每个粒子的初始岩土体参数，即粒子初始位置，代入abaqus有限元强度折减分析，进行初次迭代；
(5)基于每个粒子的有限元强度折减计算结果，根据步骤(3)确定的参考位移自动化确定每个粒子对应的滑坡安全系数，作为该粒子的适应度值，确定种群和粒子的历史最优位置；
(6)更新粒子的速度和位置进行再次迭代，按照步骤(4)和(5)的方法计算每个粒子的适应度值，并确定当前种群和粒子的历史最优位置；
(7)重复步骤(6)直至算法达到设定的迭代次数，确定滑坡安全系数区间及最小安全系数和最大安全系数对应的滑坡失稳时的滑面。
通过步骤(2)得到abaqus滑坡建模每一步对应的python代码，作为一个基础python文件，然后根据步骤(3)～(7)在这个python文件的基础上对abaqus进行二次开发，将粒子群优化算法和区间分析用于滑坡有限元强度折减分析；分析过程考虑了岩土体参数的不确定性，将不确定性岩土体参数作为粒子群优化算法的搜索变量、参数区间作为粒子搜索区间，并根据每一迭代步的计算结果实现滑坡安全系数的自动提取化，以安全系数作为粒子的适应度值，进行下一步的迭代，最终通过abaqus滑坡建模获得了滑坡安全系数区间以及最小安全系数和最大安全系数对应的滑坡失稳时的滑面。
实施例
某滑坡剖面几何特征及有限元网格划分如图1和图2，使用本发明的方法进行该滑坡的安全稳定性计算，步骤如下：
(1)根据滑坡工程实际，确定滑坡安全系数区间分析所需的不确定性岩土体参数及其区间范围，作为粒子群优化算法的搜索变量和搜索空间；
本实施例为单层均质滑坡，其不确定性岩土体参数即粒子群优化算法的搜索变量包括弹性模量
Figure BDA0002864499070000061
泊松比
Figure BDA0002864499070000062
容重
Figure BDA0002864499070000063
粘聚力
Figure BDA0002864499070000064
和内摩擦角
Figure BDA0002864499070000065
搜索空间为：
Figure BDA0002864499070000066
Figure BDA0002864499070000067
Figure BDA0002864499070000068
(2)通过abaqus建立滑坡模型，进行有限元强度折减分析，建模所采用的岩土体参数取
Figure BDA0002864499070000069
Figure BDA00028644990700000610
将弹性模量E和泊松比v设为滑坡模型的弹性参数，基于摩尔库伦准则指定粘聚力c和内摩擦角
Figure BDA00028644990700000611
随场变量FV变化，并将容重γ设为滑坡的竖向荷载；基于建模过程产生的abaqus.rpy文件，获得滑坡建模每一步对应的python代码。
(3)基于已有python代码，在不确定性岩土体参数区间范围内随机生成50组参数组合，代入abaqus有限元强度折减分析，基于各组参数组合下的有限元强度折减计算结果，通过abaqus建模中的python语言，提取滑坡面右上角点P(如图2所示)的x方向位移S和场变量FV随分析步的坐标值，合并生成位移S随场变量FV变化的曲线(如图3、图4所示)，曲线上的位移拐点(FV0，S0)对应的场变量FV0即为滑坡安全系数。
本实施例取n为50时，已同时出现可捕捉到位移快速下降现象的位移曲线和不能捕捉到位移快速下降现象的位移曲线。图3为可以捕捉到位移快速下降现象的位移曲线，图4为图3黑框内容的放大图，其滑坡最大位移为3.6183m，则SS0＝1m，位移拐点下一点(FV1+，S1+)为(0.972，0.01014)，参考位移取该点位移的量级，即SS1＝0.01m；图5为不能捕捉到位移快速下降现象的位移曲线，其滑坡最大位移为0.00055m，位移拐点下一点(FV1+，S1+)为(0.972，0.00011)，参考位移取该点位移的量级，即SS2＝0.000lm。
(4)设置粒子群优化算法的参数，如表1所示，基于已有python代码，在空间([0，1]，[0，1]，[0，1]，[0，1]，[0，1])随机初始化粒子的速度，在搜索空间([E，
Figure BDA0002864499070000071
|，[v，
Figure BDA0002864499070000072
]，[γ，
Figure BDA0002864499070000073
]，[c，
Figure BDA0002864499070000074
]，
Figure BDA0002864499070000075
)随机初始化粒子的位置，将每个粒子的初始弹性模量E0、泊松比v0、粘聚力c0、内摩擦角
Figure BDA0002864499070000076
和容重γ0取代已有python代码中的弹性模量E、泊松比v、容重γ、粘聚力c和内摩擦角
Figure BDA0002864499070000077
进行初次有限元强度折减分析；
(5)基于每个粒子的有限元强度折减计算结果，根据所述参考位移自动化确定对应的滑坡安全系数，作为该粒子的适应度值，确定种群和粒子的历史最优位置；
根据参考位移自动化确定滑坡安全系数的具体过程为：
1)基于abaqus建模中的python语言，定义滑坡最大位移大于1m时，曲线上位移大于0.01m的点的上一点为位移拐点；如果滑坡最大位移小于1m，令曲线上位移大于0.0001m的点的上一点为位移拐点；
2)确定好位移拐点之后，令该位移拐点坐标为(FV0，S0)，其上两点坐标为(FV1-，S1-)、(FV2-，S2-)，其下两点坐标为(FV1+，S1+)、(FV2+，S2+)，判断该点是否为正确的位移拐点：
①令k01-＝(S0-S1-)/(FV0-FV1-)，k1-2-＝(S1--S2-)/(FV1--FV2-)，k01+＝(S0-S1+)/(FV0-FV1+)，k1+2+＝(S1+-S2+)/(FV1+-FV2+)；
②若k01+/k01-＞k01-/k1-2-，且k01+/k01-＞k1+2+/k01+，则认为该位移拐点(FV0，S0)与下一点(FV1+，S1+)之间连线的斜率产生突变，该位移拐点为正确的位移拐点，否则舍弃该粒子此次的计算；正确的位移拐点对应的场变量即为滑坡安全系数。
其中，当某一位移拐点非正确的位移拐点时，舍弃该粒子此次计算的方法为：搜索滑坡最小安全系数时，增大该拐点对应的场变量，不参与最小安全系数的搜索，令该拐点的场变量为1000*FV0；搜索滑坡最大安全系数时，减小该拐点对应的场变量，不参与最大安全系数的搜索，令该拐点的场变量为FV0/1000。
(6)更新粒子的速度和位置进行再次迭代，按照步骤(4)和(5)的方法计算每个粒子的适应度值，并确定当前种群和粒子的历史最优位置；
(7)重复步骤(6)直至算法达到设定的迭代次数，迭代结束时，所有粒子中的最小适应度值为滑坡安全系数区间的下限，为0.963，最大适应度值为安全系数区间的上限，为0.993，安全系数区间为[0.963，0.993]，安全系数迭代曲线如图6、图7所示。将最小安全系数和最大安全系数对应的滑坡岩土体参数分别代入abaqus有限元强度折减计算，根据计算结束后得到的位移等值线云图确定滑坡失稳时的滑面，以位移为0和位移大于0处的等值分界线为滑面，如图8、图9所示。
滑坡不确定性岩土体参数变量为：弹性模量
Figure BDA0002864499070000081
泊松比
Figure BDA0002864499070000082
重度
Figure BDA0002864499070000083
粘聚力
Figure BDA0002864499070000084
内摩擦角
Figure BDA0002864499070000085
粒子群优化算法参数如下表1。
表1粒子群优化算法参数
Figure BDA0002864499070000086
表2本发明方法和蒙特卡洛法搜索得到的安全系数区间
计算方法 最小安全系数 最大安全系数
本发明方法 0.963 0.993
蒙特卡洛法 0.965 0.990
由图6可知，最小安全系数在迭代15步时已稳定至0.963；由图7可知，最大安全系数在迭代20步时已稳定至0.993，采用本发明方法计算所得该滑坡的安全系数区间为[0.963，0.993]。同时，考虑到蒙特卡洛法计算所得区间近似于精确解区间，且略小于精确解区间，因此采用蒙塔卡洛法验证本发明方法的有效性：随机生成200组岩土体参数，代入abaqus有限元强度折减分析，计算所得安全系数区间为[0.965，0.990]。
对比两种方法可知，本发明计算所得区间与蒙塔卡洛法极其接近，且略大于蒙特卡洛方法，由此可以验证，本发明的基于abaqus-python脚本实现的滑坡安全系数区间优化搜索方法能够有效地将粒子群优化算法和区间分析考虑进abaqus滑坡有限元强度折减分析中，得到较为准确的滑坡安全系数区间。

Claims (7)

1.一种基于abaqus-python脚本的滑坡安全系数区间分析方法，其特征在于，包括如下步骤：
(1)根据滑坡工程实际，确定滑坡安全系数区间分析所需的不确定性岩土体参数及其区间范围，作为粒子群优化算法的搜索变量和搜索空间；
(2)通过abaqus建立滑坡模型，进行有限元强度折减分析，基于建模过程产生的abaqus.rpy文件，获得滑坡建模每一步对应的python代码；
(3)基于已有python代码，在不确定性岩土体参数区间范围内随机生成n组参数组合，代入abaqus有限元强度折减分析，计算出滑坡安全系数并确定其对应的参考位移；
(4)设置粒子群优化算法的参数，基于已有python代码，初始化粒子群速度和位置，将每个粒子的初始岩土体参数，即粒子初始位置，代入abaqus有限元强度折减分析，进行初次迭代；
(5)基于每个粒子的有限元强度折减计算结果，根据所述参考位移自动化确定对应的滑坡安全系数，作为该粒子的适应度值，确定种群和粒子的历史最优位置；根据所述参考位移自动化确定对应的滑坡安全系数的方法为：
(5.1)基于abaqus建模中的python语言，定义滑坡最大位移大于SS0时，曲线上位移大于SS1的点的上一点为位移拐点；如果滑坡最大位移小于SS0，令曲线上位移大于SS2的点的上一点为位移拐点；
(5.2)确定好位移拐点之后，令该位移拐点坐标为(FV0，S0)，其上两点坐标为(FV1-，S1-)、(FV2-，S2-)，其下两点坐标为(FV1+，S1+)、(FV2+，S2+)，判断该点是否为正确的位移拐点：
①令k01-＝(S0-S1-)/(FV0-FV1-)，k1-2-＝(S1--S2-)/(FV1--FV2-)，k01+＝(S0-S1+)/(FV0-FV1+)，k1+2+＝(S1+-S2+)/(FV1+-FV2+)；
②若k01+/k01->k01-/k1-2-，且k01+/k01->k1+2+/k01+，则认为该位移拐点(FV0，S0)与下一点(FV1+，S1+)之间连线的斜率产生突变，该位移拐点为正确的位移拐点，否则舍弃该粒子此次的计算；正确的位移拐点对应的场变量即为滑坡安全系数；
(6)更新粒子的速度和位置进行再次迭代，按照步骤(4)和(5)的方法计算每个粒子的适应度值，并确定当前种群和粒子的历史最优位置；
(7)重复步骤(6)直至算法达到设定的迭代次数，确定滑坡安全系数区间及最小安全系数和最大安全系数对应的滑坡失稳时的滑面。
2.根据权利要求1所述的基于abaqus-python脚本的滑坡安全系数区间分析方法，其特征在于，步骤(1)中，不确定性岩土体参数包括滑坡各岩土层的弹性模量
Figure FDA0003979450860000021
泊松比
Figure FDA0003979450860000022
容重
Figure FDA0003979450860000023
粘聚力
Figure FDA0003979450860000024
和内摩擦角
Figure FDA0003979450860000025
搜索空间为：
Figure FDA0003979450860000026
其中，E,
Figure FDA0003979450860000027
分别为弹性模量
Figure FDA0003979450860000028
的最小值和最大值，v,
Figure FDA0003979450860000029
分别为泊松比
Figure FDA00039794508600000221
的最小值和最大值，γ,
Figure FDA00039794508600000210
分别为容重
Figure FDA00039794508600000211
的最小值和最大值，c,
Figure FDA00039794508600000212
别为粘聚力
Figure FDA00039794508600000222
的最小值和最大值，
Figure FDA00039794508600000213
分别为内摩擦角
Figure FDA00039794508600000214
的最小值和最大值。
3.根据权利要求2所述的基于abaqus-python脚本的滑坡安全系数区间分析方法，其特征在于，步骤(2)中，通过abaqus建立滑坡模型，所采用的岩土体参数取弹性模量
Figure FDA00039794508600000215
泊松比
Figure FDA00039794508600000216
重度
Figure FDA00039794508600000217
粘聚力
Figure FDA00039794508600000218
内摩擦角
Figure FDA00039794508600000219
将弹性模量E和泊松比v设为滑坡模型的弹性参数，基于摩尔库伦准则指定粘聚力c和内摩擦角
Figure FDA00039794508600000220
随场变量FV变化，并将容重γ设为滑坡的竖向荷载。
4.根据权利要求1所述的基于abaqus-python脚本的滑坡安全系数区间分析方法，其特征在于，步骤(3)中，所述滑坡安全系数为：基于各组参数组合下的有限元强度折减计算结果，通过abaqus建模中的python语言，提取滑坡面右上角点的x方向位移S和场变量FV随分析步的坐标值，合并生成位移S随场变量FV变化的曲线，该曲线上的位移拐点对应的场变量即为滑坡安全系数。
5.根据权利要求4所述的基于abaqus-python脚本的滑坡安全系数区间分析方法，其特征在于，步骤(3)中，根据n组参数组合的实际计算结果，以位移拐点下一点对应位移的量级作为该拐点的参考位移，确定可捕捉到位移快速下降现象的位移曲线上位移拐点对应的参考位移SS1，和不能捕捉到位移快速下降现象的位移曲线上位移拐点对应的参考位移SS2，记可捕捉到位移快速下降现象的位移曲线最大位移的量级为SS0。
6.根据权利要求1所述的基于abaqus-python脚本的滑坡安全系数区间分析方法，其特征在于，当某一位移拐点非正确的位移拐点时，舍弃该粒子此次计算的方法为：搜索滑坡最小安全系数时，增大该拐点对应的场变量，不参与最小安全系数的搜索，令该拐点的场变量为1000*FV0；搜索滑坡最大安全系数时，减小该拐点对应的场变量，不参与最大安全系数的搜索，令该拐点的场变量为FV0/1000。
7.根据权利要求1所述的基于abaqus-python脚本的滑坡安全系数区间分析方法，其特征在于，步骤(7)中，迭代结束时，所有粒子中的最小适应度值为滑坡安全系数区间的下限，最大适应度值为安全系数区间的上限，将最小安全系数和最大安全系数对应的滑坡岩土体参数分别代入abaqus有限元强度折减计算，根据计算结束后得到的位移等值线云图确定滑坡失稳时的滑面，以位移为0和位移大于0处的等值分界线为滑面。
CN202011579637.2A 2020-12-28 2020-12-28 基于abaqus-python脚本的滑坡安全系数区间分析方法 Active CN112632829B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011579637.2A CN112632829B (zh) 2020-12-28 2020-12-28 基于abaqus-python脚本的滑坡安全系数区间分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011579637.2A CN112632829B (zh) 2020-12-28 2020-12-28 基于abaqus-python脚本的滑坡安全系数区间分析方法

Publications (2)

Publication Number Publication Date
CN112632829A CN112632829A (zh) 2021-04-09
CN112632829B true CN112632829B (zh) 2023-02-28

Family

ID=75325674

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011579637.2A Active CN112632829B (zh) 2020-12-28 2020-12-28 基于abaqus-python脚本的滑坡安全系数区间分析方法

Country Status (1)

Country Link
CN (1) CN112632829B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106777520A (zh) * 2016-11-24 2017-05-31 中国人民解放军后勤工程学院 一种埋入式抗滑桩的设计方法
CN107169558A (zh) * 2017-05-25 2017-09-15 河海大学 一种实现工程岩体力学参数反演的改进粒子群优化方法
CN110569477A (zh) * 2019-09-06 2019-12-13 河海大学 一种基于粒子群优化算法的滑坡区间稳定性分析方法
CN111914444A (zh) * 2020-06-30 2020-11-10 河海大学 基于粒子群优化和蒙特卡罗模拟的滑坡有限元区间分析法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101847171A (zh) * 2010-04-29 2010-09-29 河海大学 基于安全监控的边坡位移反分析方法
CN111861107B (zh) * 2020-06-08 2021-03-30 中国地质大学（武汉） 一种基于强度折减法的滑坡动态稳定性评价方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106777520A (zh) * 2016-11-24 2017-05-31 中国人民解放军后勤工程学院 一种埋入式抗滑桩的设计方法
CN107169558A (zh) * 2017-05-25 2017-09-15 河海大学 一种实现工程岩体力学参数反演的改进粒子群优化方法
CN110569477A (zh) * 2019-09-06 2019-12-13 河海大学 一种基于粒子群优化算法的滑坡区间稳定性分析方法
CN111914444A (zh) * 2020-06-30 2020-11-10 河海大学 基于粒子群优化和蒙特卡罗模拟的滑坡有限元区间分析法

Also Published As

Publication number Publication date
CN112632829A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN112288169B (zh) 二维滑坡动力学参数概率反分析与滑程超越概率评估方法
CN111914457B (zh) 一种输电线路塔基边坡稳定性判别方法、装置和存储介质
JP7153330B2 (ja) 土砂災害予測装置、コンピュータプログラム、土砂災害予測方法及び地図情報
CN111914444A (zh) 基于粒子群优化和蒙特卡罗模拟的滑坡有限元区间分析法
CN113343504A (zh) 一种三维滑坡运动危险性概率评价方法
CN112464479A (zh) 一种基于gocad的三维成矿预测方法及系统
CN113361090A (zh) 一种露天矿边坡位移量预测模型的建立方法
CN112632829B (zh) 基于abaqus-python脚本的滑坡安全系数区间分析方法
Wang et al. Data-driven analysis of soil consolidation with prefabricated vertical drains considering stratigraphic variation
CN116663428B (zh) 一种基于神经网络的面波成像联合反演方法
CN111811827B (zh) 基于瑞利分布的产品性能一致性检验方法
US11513255B2 (en) Method of characterising a subsurface volume
CN112883646A (zh) 联合机器学习和土力学模型的建筑沉降量提取方法、系统及装置
CN115482882A (zh) 管道腐蚀数据获取及管道腐蚀速率预测模型构建方法
CN108875163B (zh) 一种评价三维裂缝网络连通性的方法和系统
CN112182729A (zh) 一种基于朴素贝叶斯的隧道掌子面稳定性快速判定方法
Dinoy et al. Spatial interpolation of SPT data and prediction of consolidation of clay by ANN method
CN117494264B (zh) 一种基于融合bim和gis的土方调配方法及系统
Sheinin Use of the lognormal distribution for processing the results of mechanical testing of soils
CN116630814B (zh) 一种基于机器学习的建筑灾害快速定位评估方法
Witty et al. Comparison of Gaussian and Indicator Based Sequential Simulation Methods for 3D Spatial Uncertainty Quantification in Subsoil Modeling Using Cone Penetration Tests
CN117933103B (zh) 一种基于贝叶斯深度学习的碳封存模型不确定性分析方法
CN116973550B (zh) 一种基于超前地质钻探的爆破参数确定方法
CN117951464A (zh) 一种理论变差函数模型自动构建方法
Kherde et al. Parameter Optimization, Uncertainty Estimation and Sensitivity Analysis in Hydrological Modeling

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