CN113326854A - 一种基于移动平台的公路隧道围岩分级方法 - Google Patents
一种基于移动平台的公路隧道围岩分级方法 Download PDFInfo
- Publication number
- CN113326854A CN113326854A CN202110675235.0A CN202110675235A CN113326854A CN 113326854 A CN113326854 A CN 113326854A CN 202110675235 A CN202110675235 A CN 202110675235A CN 113326854 A CN113326854 A CN 113326854A
- Authority
- CN
- China
- Prior art keywords
- surrounding rock
- grading
- rock
- tunnel
- quantitative
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Abstract
本发明涉及一种基于移动平台的公路隧道围岩分级方法。针对公路隧道施工现场围岩分级参数获取困难、测试周期长而导致现场实测围岩等级与勘察阶段围岩等级有所出入的情况,本发明开发一种基于移动平台的公路隧道围岩分级方法。该方法是在Android Studio平台上开发公路隧道围岩分级软件,通过调用手机自带的相机拍摄隧道掌子面照片,以数字图像处理技术识别掌子面特征从而分析出地下水状况、节理风化状况、地应力状态三个定性指标量化值,同时结合现场快速实验,以回弹值代替岩石坚硬程度、以岩体体积节理数表示岩体完整程度和以结构面走向与洞轴线的夹角值以及结构面倾角值确定结构面产状,得到三个定量指标量化值。将六个分级指标量化值输入Softmax回归多分类模型,经过自动演算得出最终围岩等级,实现对公路隧道掌子面围岩的快速、准确分级。
Description
技术领域
本发明涉及一种基于移动平台的公路隧道围岩分级方法,属于岩土工程技术领域。
背景技术
隧道围岩分级结果影响着公路隧道设计和施工工作。传统的围岩分级方法主要有Q值法、RMR分类法和《工程岩石分类标准》中的BQ法。这些方法的分级参数需要复杂的设备以及大量的试验来获取,存在工程效率低下、测试周期较长等问题,导致在隧道设计及施工过程中易出现工程变更及安全隐患等现象。
计算机科学技术的发展为土木工程研究领域提供了新方向。基于移动平台的公路隧道围岩分级方法,可有效解决公路隧道围岩分级指标未能量化、参数获取困难及人为因素影响较大等问题,具有极其重要的研究意义和应用价值。
发明内容
本发明要解决的技术问题是改善传统围岩分级方法效率低、人为因素影响较大的现状,通过手机移动软件对隧道掌子面围岩进行自动化分级,从而提高工程质量。
本发明的技术方案如下:
一种基于移动平台的公路隧道围岩分级方法,步骤如下:
S1通过Android Studio平台开发手机端公路隧道围岩分级软件;
S2打开手机端公路隧道围岩分级软件,调用手机自带的相机拍摄隧道掌子面照片;
S3通过数字图像处理技术识别掌子面特征,分析出掌子面的地下水状况、节理风化状况、地应力状态三个定性指标的量化值;
S4根据掌子面的回弹值与岩石单轴抗压强度的拟合关系,通过现场回弹实验得出岩石坚硬程度定量指标量化值;
S5根据掌子面岩体体积节理数确定岩体完整程度定量指标量化值;
S6根据掌子面的结构面走向与洞轴线的夹角值以及结构面的倾角值确定结构面产状定量指标量化值;
S7在公路隧道围岩分级软件中,输入定量指标的量化值,经过软件模型自动演算得出围岩分级结果;
S7.1 公路隧道围岩分级软件由Android Studio平台开发,通过给定某一掌子面的六项围岩分级指标量化值便可直接得到围岩分级结果;
S7.2 利用数字图像处理技术确定三项定性指标值,通过现场试验确定三项定量指标值;
S7.3 公路隧道围岩分级软件内置模型采用Softmax 回归多分类模型进行围岩等级判定。
附图说明
图1为公路隧道围岩分级移动软件组成图。
图2为Softmax 回归多分类模型基本原理图。
图3为基于移动平台的公路隧道围岩分级方法流程图。
具体实施方案
下面参照附图,对本发明的具体实施方案做进一步说明。
图1 介绍了公路隧道围岩分级移动软件的组成部分,包括数据采集、逻辑计算和用户终端三个模块:
1.数据采集模块:
(1)通过拍摄隧道掌子面照片,经过软件数字图像处理技术得到地下水状况、节理风化状况、地应力状态三个定性指标量化值:
a.地下水状况根据掌子面围岩表面有无水分及出水状况分为干燥、潮湿、点滴状出水、淋雨状出水和涌流状出水五个等级;
b.节理风化状况根据掌子面围岩结构构造的破坏程度、岩质新鲜程度及矿物色泽分为未风化、微风化、弱风化、强风化和全风化五个等级;
c. 地应力状态根据掌子面围岩的变形程度及自稳性分为低地应力、中地应力、高地应力和极高地应力四个等级;
(2)通过现场快速实验,可得到岩石坚硬程度、岩体完整程度和结构面产状三个定量指标量化值:
a. 岩石坚硬程度根据掌子面围岩的平均回弹值Rm确定:
Rm>49.3MPa为坚硬岩;21.4MPa<Rm<49.3MPa为较坚硬岩;10.1MPa<Rm<21.4MPa为较软岩;3.2MPa<Rm<10.1MPa为软岩;Rm<3.2MPa为极软岩;
b. 岩体完整程度根据掌子面围岩的岩体体积节理数Jv确定:
Jv<3条•m2为完整;3条•m2< Jv <10条•m2为较完整;10条•m2< Jv <20条•m2为较破碎;20条•m2< Jv <35条•m2为破碎;Jv >35条•m2为极破碎;
c. 结构面产状根据掌子面围岩的结构面走向与洞轴线夹角θ值以及结构面倾角β值确定:
θ>60°,β>75°为极好;θ>60°,β<75°为较好;30°<θ<60°为一般;
θ<30°,β>75°为较差;θ<30°,30°<β<75°为极差;
2. 逻辑计算模块:输入端的量化值经过Softmax分类模型计算,得到Ⅰ-Ⅴ级围岩的概率;
3. 用户终端模块:在输出端可显示各个围岩等级的概率供用户查看,最大概率的级别即为该掌子面围岩最终等级。
图2介绍了Softmax 回归多分类模型的基本原理:
1.将分级指标量化值构成一个6 维列向量x=(x1,x2,x3,x4,x5,x6)T,输入判别函数f(x;w)=wTx+b中,得到一组5*1 维矩阵。其中wT为5*6维权重矩阵,b为5*1维偏置矩阵,均通过样本训练获得;
2.将判别函数输入Softmax函数运算,得到各围岩等级的概率;
3.将五个围岩等级概率输入Argmax函数运算,找到最大概率值所对应的节点,即相应的围岩等级。
图3介绍了基于移动平台的公路隧道围岩分级方法的流程:
1.通过拍摄掌子面照片和现场快速实验得到分级指标量化值:
2.将分级指标量化值输入围岩分级软件,该软件在Android Studio平台开发,采用Python语言编译Softmax分类模型;
3.分级软件经过内置模型自动演算输出围岩等级。
Claims (4)
1.一种基于移动平台的公路隧道围岩分级方法,步骤如下:
S1通过Android Studio平台开发手机端公路隧道围岩分级软件;
S2打开手机端公路隧道围岩分级软件,调用手机自带的相机拍摄隧道掌子面照片;
S3通过数字图像处理技术识别掌子面特征,分析出掌子面的地下水状况、节理风化状况、地应力状态三个定性指标的量化值;
S4根据掌子面的回弹值与岩石单轴抗压强度的拟合关系,通过现场回弹实验得出岩石坚硬程度定量指标量化值;
S5根据掌子面岩体体积节理数确定岩体完整程度定量指标量化值;
S6根据掌子面的结构面走向与洞轴线的夹角值以及结构面的倾角值确定结构面产状定量指标量化值;
S7在公路隧道围岩分级软件中,输入定量指标的量化值,经过软件模型自动演算得出围岩分级结果。
2.根据权利要求书1所述基于移动平台的公路隧道围岩分级方法,其特征在于步骤S7,其具体步骤如下:
S7.1 公路隧道围岩分级软件由Android Studio平台开发,通过给定某一掌子面的六项围岩分级指标量化值便可直接得到围岩分级结果;
S7.2 利用数字图像处理技术确定三项定性指标值,通过现场试验确定三项定量指标值;
S7.3 公路隧道围岩分级软件内置模型采用Softmax 回归多分类模型进行围岩等级判定。
3.根据权利要求书2中S7.3采用Softmax 回归多分类模型对掌子面围岩进行分级,主要方法是:
(1)将掌子面六项分级指标量化值构成一组6维输入列向量;
(2)经过模型演算得到一组5维输出列向量;
(3)输出向量中,每一维数值分别代表围岩Ⅰ-Ⅴ级的概率值,最大概率值所对应的围岩等级即为模型判定的该掌子面围岩最终等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110675235.0A CN113326854A (zh) | 2021-06-18 | 2021-06-18 | 一种基于移动平台的公路隧道围岩分级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110675235.0A CN113326854A (zh) | 2021-06-18 | 2021-06-18 | 一种基于移动平台的公路隧道围岩分级方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113326854A true CN113326854A (zh) | 2021-08-31 |
Family
ID=77423733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110675235.0A Pending CN113326854A (zh) | 2021-06-18 | 2021-06-18 | 一种基于移动平台的公路隧道围岩分级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113326854A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115019171A (zh) * | 2022-06-09 | 2022-09-06 | 广西北投公路建设投资集团有限公司 | 非接触式围岩快速分区分级方法 |
CN115271367A (zh) * | 2022-07-01 | 2022-11-01 | 中铁二十局集团有限公司 | 高原隧道围岩分级方法、装置、设备以及存储介质 |
CN116840042A (zh) * | 2023-05-15 | 2023-10-03 | 山东大学 | 一种多源数据融合的实时围岩分级装置及使用方法 |
CN117710747A (zh) * | 2023-12-25 | 2024-03-15 | 中交路桥科技有限公司 | 隧道围岩快速分级方法、装置、电子设备及存储介质 |
-
2021
- 2021-06-18 CN CN202110675235.0A patent/CN113326854A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115019171A (zh) * | 2022-06-09 | 2022-09-06 | 广西北投公路建设投资集团有限公司 | 非接触式围岩快速分区分级方法 |
CN115019171B (zh) * | 2022-06-09 | 2024-04-26 | 广西北投公路建设投资集团有限公司 | 非接触式围岩快速分区分级方法 |
CN115271367A (zh) * | 2022-07-01 | 2022-11-01 | 中铁二十局集团有限公司 | 高原隧道围岩分级方法、装置、设备以及存储介质 |
CN116840042A (zh) * | 2023-05-15 | 2023-10-03 | 山东大学 | 一种多源数据融合的实时围岩分级装置及使用方法 |
CN117710747A (zh) * | 2023-12-25 | 2024-03-15 | 中交路桥科技有限公司 | 隧道围岩快速分级方法、装置、电子设备及存储介质 |
CN117710747B (zh) * | 2023-12-25 | 2024-05-14 | 中交路桥科技有限公司 | 隧道围岩快速分级方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113326854A (zh) | 一种基于移动平台的公路隧道围岩分级方法 | |
CN108182335A (zh) | 一种基于abaqus的岩石力学试验数值仿真方法 | |
Kita et al. | Rapid post-earthquake damage localization and quantification in masonry structures through multidimensional non-linear seismic IDA | |
CN109577972B (zh) | 基于岩性分类的砂砾岩储层岩石力学参数测井评价方法 | |
WO2020125682A1 (zh) | 一种应用随钻数据计算岩石强度的方法和系统 | |
CN110595887B (zh) | 一种浅埋硬岩大型地下洞室成洞条件量化评价方法 | |
CN109839493B (zh) | 地下工程岩体质量评价方法、装置、存储介质及电子设备 | |
CN114972384A (zh) | 一种基于深度学习的隧道岩体智能快速区域分级方法 | |
CN109765097B (zh) | 一种基于rpd钻机的隧道围岩快速分类方法 | |
CN115017833B (zh) | 基于深度神经网络的高地应力软岩体地应力计算方法 | |
CN110795793A (zh) | 一种隧道围岩快速分级设备系统及其操作方法 | |
CN113962003A (zh) | 一种隧道围岩大变形评估方法 | |
Zhang et al. | Deep learning‐based automatic detection of muck types for earth pressure balance shield tunneling in soft ground | |
CN116229354A (zh) | 基于特征参数自动提取的掌子面图像围岩等级辨识方法 | |
CN110648082A (zh) | 一种深埋硬岩隧道岩爆等级评估的快速查表方法 | |
Fattahi et al. | Investigating correlation of physico-mechanical parameters and P-wave velocity of rocks: A comparative intelligent study | |
CN110889834A (zh) | 一种基于云计算的公路隧道围岩分级方法 | |
CN115661186A (zh) | 一种光弹试验力链信息自动提取方法 | |
CN113688446A (zh) | 一种围岩判别分级方法 | |
CN113779665A (zh) | 一种基于连续介质的工程岩体破裂劣化数值模拟方法 | |
Sun et al. | Rheological Analysis of Soft Rock Unloading Combined with Finite Element Analysis Based on HK Constitutive Model | |
Qu et al. | Mining Engineering Image Recognition Method Based on Simulated Annealing Algorithm | |
CN106250681A (zh) | 一种用于直接顶板稳定性的预测方法 | |
CN112627149A (zh) | 一种大块石填方地基动力触探试验方法 | |
CN117110584B (zh) | 一种应变型隧道岩爆烈度等级预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |