CN114139270A - 一种基于数字孪生的近接工程建设荷载试验方法及系统 - Google Patents

一种基于数字孪生的近接工程建设荷载试验方法及系统 Download PDF

Info

Publication number
CN114139270A
CN114139270A CN202210115304.7A CN202210115304A CN114139270A CN 114139270 A CN114139270 A CN 114139270A CN 202210115304 A CN202210115304 A CN 202210115304A CN 114139270 A CN114139270 A CN 114139270A
Authority
CN
China
Prior art keywords
stratum
digital twin
engineering
proximity
existing structure
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
CN202210115304.7A
Other languages
English (en)
Other versions
CN114139270B (zh
Inventor
陈仁朋
张超
刘拯安
徐智文
郎志雄
周家兴
孟凡衍
刘源
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.)
Hunan University
Original Assignee
Hunan University
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 Hunan University filed Critical Hunan University
Priority to CN202210115304.7A priority Critical patent/CN114139270B/zh
Publication of CN114139270A publication Critical patent/CN114139270A/zh
Application granted granted Critical
Publication of CN114139270B publication Critical patent/CN114139270B/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]
    • G06F30/10—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Architecture (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种基于数字孪生的近接工程建设荷载试验系统，包括近接工程‑地层‑既有结构数字孪生体和分别与所述近接工程‑地层‑既有结构数字孪生体通信连接的施工现场物理空间和地层结构物理模型试验。本发明还提供了一种使用所述的基于数字孪生的近接工程建设荷载试验系统的试验方法。本发明有益效果如下：通过融合混合试验技术和数字孪生技术，克服了传统混合试验技术的数值模型保真性问题；可以兼顾近接工程建设荷载试验的两大需求，即近接工程‑地层‑既有结构间的动态相互作用与既有地下结构损伤演化机制。

Description

一种基于数字孪生的近接工程建设荷载试验方法及系统
技术领域
本发明涉及工程建设技术领域，具体涉及一种基于数字孪生的近接工程建设荷载试验方法及系统。
背景技术
随着我国城镇化建设的快速发展，以地铁网络、综合管廊、地下停车场等为主导的城市地下空间开发进程正在快速推进，并呈现出密集化发展趋势。因此，盾构隧道掘进、基坑开挖等工程建设难免对邻近既有地下结构的稳定性和安全性产生不利影响。近接工程建设过程会扰动邻近地层，使其变形场和应力场发生改变，进而形成作用于既有地下结构的附加水土压力。这种近接工程对既有地下结构的附加荷载作用称为近接工程建设荷载。近接工程建设荷载易引发混凝土开裂、接缝张开、渗漏水等问题，甚至导致构件屈服、结构破坏等严重后果。因此，有必要采用试验方法探明近接工程建设荷载的发展规律，为地下结构的变形控制和安全保护奠定基础。
目前，近接工程建设荷载的试验数据基本依赖于离心模型试验方法，该试验方法已被应用于研究盾构隧道掘进、基坑开挖等近接工程对既有地下结构的影响。但该试验方法具有显著的缩尺效应，即通常采用小比尺模型模拟大尺度的近接工程-地层-既有结构系统。小比尺模型相似比通常小于四十分之一，仅能采用均质弹性材料和无接缝的结构形式模拟地下结构，难以反映地下钢筋混凝土结构、盾构管片接头等非线性特征。
因此，有必要提出既能反映近接工程-地层-既有结构间的动态相互作用，又能反映既有地下结构损伤演化机制的、适用于近接工程建设荷载模拟的试验方法及系统。
发明内容
本发明的目的在于提供一种基于数字孪生的近接工程建设荷载试验方法及系统，其采用数字孪生技术模拟近接工程-地层-既有结构间的动态相互作用，解决混合试验中数值子结构的保真性问题，并采用混合试验模拟既有地下结构损伤演化机制，实现近接工程建设荷载的室内试验研究，从而可以解决背景技术中涉及的技术问题。
本发明的技术方案为：
一种基于数字孪生的近接工程建设荷载试验系统，包括近接工程-地层-既有结构数字孪生体和分别与所述近接工程-地层-既有结构数字孪生体通信连接的施工现场物理空间和地层结构物理模型试验，其中：
所述施工现场物理空间，用于提供位移和/或力实时监测数据并输出给所述近接工程-地层-既有结构数字孪生体；
所述近接工程-地层-既有结构数字孪生体，用于根据位移和/或力实时监测数据建立高保真数值模型，通过该高保真数值模型开展施工过程预演，评估建造风险，为施工现场提供风险预警和施工参数优化，同时生成力学边界条件并输出给所述地层结构物理模型试验；
所述地层结构物理模型试验通过作动器加载模拟该力学边界条件，获得既有结构力学响应数据，并反馈给所述近接工程-地层-既有结构数字孪生体，所述近接工程-地层-既有结构数字孪生体根据反馈的既有结构力学响应数据为所述施工现场物理空间提供建造风险超前预警。
作为本发明的一种优选改进，所述力学边界条件包括边界位移数据和边界力数据。
作为本发明的一种优选改进，所述地层结构物理模型试验采用大比尺模型。
本发明还提供了一种使用所述的基于数字孪生的近接工程建设荷载试验系统的试验方法，该方法包括如下步骤：
步骤一、在施工现场物理空间布设监测点，利用传感器获取监测点的位移和/或力实时监测数据；
步骤二、基于设计资料和获取的监测数据建立近接工程-地层-既有结构数字孪生体；
步骤三、通过抽样方法获得土体参数和地层分界面特征参数的随机样本库；
步骤四、将所述随机样本库代入所述近接工程-地层-既有结构数字孪生体中计算，生成训练样本，选取土体参数和地层分界面特征参数为自变量X、传感监测点计算结果为因变量Y；
步骤五、利用机器学习算法模拟自变量X到因变量Y的映射关系，获得数字孪生体简化模型；
步骤六、以数字孪生体简化模型为计算内核，结合智能优化算法建立数字孪生体动态更新算法；
步骤七、以施工现场物理空间的监测数据为优化目标，利用数字孪生体动态更新算法获取最优土体参数和地层分界面特征参数；
步骤八、将最优土体参数和地层分界面特征参数输入至近接工程-地层-既有结构数字孪生体中，实现近接工程-地层-既有结构数字孪生体的动态更新；
步骤九、移除近接工程-地层-既有结构数字孪生体的目标既有地下结构及其周围土体部分，构建数值子结构；
步骤十、针对数值子结构中所移除目标既有地下结构及其周围土体部分，建立大比尺地层结构物理模型以作为试验子结构；
步骤十一、通过该试验子结构开展试验，实现近接工程-地层-既有结构数字孪生体与地层结构物理模型试验间的数据交互，得到近接工程建设荷载作用下既有地下结构的力学响应数据，并反馈给近接工程-地层-既有结构数字孪生体；
步骤十二、近接工程-地层-既有结构数字孪生体根据反馈的既有结构力学响应数据为所述施工现场物理空间评估建造风险并提供超前预警。
作为本发明的一种优选改进，在步骤一中还包括：搭建基于5G网络的物联网系统，实现监测数据的实时传输。
作为本发明的一种优选改进，在步骤三中，抽样方法为拉丁超立方抽样方法。
作为本发明的一种优选改进，在步骤五中，机器学习算法为深度卷积神经网络机器学习算法。
作为本发明的一种优选改进，在步骤六中，智能优化算法为遗传算法。
作为本发明的一种优选改进，在步骤九中，在数值子结构中，所移除目标既有地下结构及其周围土体部分由OpenFresco定义的客户端单元取代。
作为本发明的一种优选改进，在步骤十一中，近接工程-地层-既有结构数字孪生体与地层结构物理模型试验间边界位移和力的数据交互通过OpenFresco-LabVIEW-伺服控制系统的连接方式实现。
本发明的有益效果如下：
1、基于数字孪生的近接工程建设荷载试验系统通过融合混合试验技术和数字孪生技术，克服了传统混合试验技术的数值模型保真性问题，实现了近接工程建设荷载的室内模拟；
2、基于数字孪生的近接工程建设荷载试验系统可以兼顾近接工程建设荷载试验的两大需求，即近接工程-地层-既有结构间的动态相互作用与既有地下结构损伤演化机制；
3、数字孪生体动态更新算法采用数字孪生体简化模型以高效计算优化目标的预测值，并采用智能优化算法快速搜索与优化目标匹配的最优土体参数和地层分界面特征参数，从而实现近接工程-地层-既有结构数字孪生体的动态更新，以保证仿真结果与实时监测结果保持一致；
4、由动态更新的数字孪生体构建的数值子结构，可以准确模拟近接工程-地层-既有结构间的动态相互作用，从而为大比尺地层结构物理模型提供准确的力学边界条件；
5、大比尺地层结构物理模型由地层物理模型和大比尺地下结构物理模型组成，并通过作动器加载模拟力学边界条件，可以实现既有地下结构损伤演化过程的试验模拟；
6、OpenFresco-LabVIEW-伺服控制系统的连接方式可以根据不同实验室的试验条件替换伺服控制系统，可移植性强。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：
图1为本发明基于数字孪生的近接工程建设荷载试验系统的示意图；
图2为本发明施工现场物理空间与近接工程-地层-既有结构数字孪生体的交互示意图；
图3为本发明近接工程-地层-既有结构数字孪生体与地层结构物理模型试验的交互示意图。
具体实施方式
下面将结合本发明实施例对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，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它实施例，都属于本发明保护的范围。
另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
请参阅图1所示，本发明提供一种基于数字孪生的近接工程建设荷载试验系统，包括近接工程-地层-既有结构数字孪生体1和分别与所述近接工程-地层-既有结构数字孪生体1通信连接的施工现场物理空间2和地层结构物理模型试验3，通过融合混合试验技术和数字孪生技术，克服了传统混合试验技术的数值模型保真性问题，实现了近接工程建设荷载的室内模拟。
所述施工现场物理空间2用于提供位移和/或力实时监测数据并输出给所述近接工程-地层-既有结构数字孪生体1。
所述近接工程-地层-既有结构数字孪生体1用于根据位移和/或力实时监测数据建立高保真数值模型，通过该高保真数值模型开展施工过程预演，评估建造风险，为施工现场提供风险预警和施工参数优化，同时生成力学边界条件并输出给所述地层结构物理模型试验3。
具体的，所述力学边界条件包括边界位移数据和边界力数据。
所述地层结构物理模型试验3通过作动器加载模拟该力学边界条件，获得既有结构力学响应数据，并反馈给所述近接工程-地层-既有结构数字孪生体1，所述近接工程-地层-既有结构数字孪生体1根据反馈的既有结构力学响应数据为所述施工现场物理空间2提供建造风险超前预警。
需要进一步说明的是，所述地层结构物理模型试验采用大比尺地下结构物理模型，该物理模型应尽可能还原既有地下结构的非线性特征。
再结合图2和3所示，本发明还提供了一种使用所述的基于数字孪生的近接工程建设荷载试验系统的试验方法，该方法包括如下步骤：
步骤一、在施工现场物理空间布设监测点，利用传感器获取监测点的位移和/或力实时监测数据；
具体的，该步骤还包括：搭建基于5G网络的物联网系统，实现监测数据的实时传输。
步骤二、基于设计资料和获取的监测数据建立近接工程-地层-既有结构数字孪生体；
步骤三、通过抽样方法获得土体参数和地层分界面特征参数的随机样本库；
具体的，抽样方法包括但不限于拉丁超立方抽样方法。
步骤四、将所述随机样本库代入所述近接工程-地层-既有结构数字孪生体中计算，生成训练样本，选取土体参数和地层分界面特征参数为自变量X、传感监测点计算结果为因变量Y；
步骤五、利用机器学习算法模拟自变量X到因变量Y的映射关系，获得数字孪生体简化模型；
具体的，机器学习算法包括但不限于深度卷积神经网络机器学习算法。
步骤六、以数字孪生体简化模型为计算内核，结合智能优化算法建立数字孪生体动态更新算法；
具体的，智能优化算法包括但不限于遗传算法。
步骤七、以施工现场物理空间的监测数据为优化目标，利用数字孪生体动态更新算法获取最优土体参数和地层分界面特征参数；
需要说明的是，数字孪生体动态更新算法采用数字孪生体简化模型以高效计算优化目标的预测值，并采用智能优化算法快速搜索与优化目标匹配的最优土体参数和地层分界面特征参数，从而实现近接工程-地层-既有结构数字孪生体的动态更新，以保证仿真结果与实时监测结果保持一致。
步骤八、将最优土体参数和地层分界面特征参数输入至近接工程-地层-既有结构数字孪生体中，实现近接工程-地层-既有结构数字孪生体的动态更新；
步骤九、移除近接工程-地层-既有结构数字孪生体的目标既有地下结构及其周围土体部分，构建数值子结构；
需要说明的是，由动态更新的数字孪生体构建的数值子结构，可以准确模拟近接工程-地层-既有结构间的动态相互作用，从而为大比尺地层结构物理模型提供准确的力学边界条件。
具体的，在数值子结构中，目标地下结构及其周围土体单元由OpenFresco定义的客户端单元取代，该单元可替代试验子结构参与数值子结构的数值计算。OpenFresco为OenFresco混合试验平台，用于连接数值子结构与伺服控制系统。
步骤十、针对数值子结构中所移除目标既有地下结构及其周围土体部分，建立大比尺地层结构物理模型以作为试验子结构；
需要说明的是，大比尺地层结构物理模型由地层物理模型和大比尺地下结构物理模型组成，并通过作动器加载模拟力学边界条件，可以实现既有地下结构损伤演化过程的试验模拟。
步骤十一、通过该试验子结构开展试验，实现近接工程-地层-既有结构数字孪生体与地层结构物理模型试验间的数据交互，得到近接工程建设荷载作用下地下结构的既有结构力学响应数据，并反馈给近接工程-地层-既有结构数字孪生体；
具体的，近接工程-地层-既有结构数字孪生体与地层结构物理模型试验间边界位移和力的数据交互通过OpenFresco-LabVIEW-伺服控制系统的连接方式实现，而OpenFresco-LabVIEW-伺服控制系统的连接方式可以根据不同实验室的试验条件替换伺服控制系统，可移植性强。LabView为LabView通讯插件，用于传输边界位移和力数据。
步骤十二、近接工程-地层-既有结构数字孪生体根据反馈的既有结构力学响应数据为所述施工现场物理空间评估建造风险并提供超前预警。
可以看出，本发明提供的基于数字孪生的近接工程建设荷载试验系统包括施工现场物理空间与近接工程-地层-既有结构数字孪生体的交互以及近接工程-地层-既有结构数字孪生体与地层结构物理模型试验的交互两部分，分别可参见图2和3，从而可以兼顾近接工程建设荷载试验的两大需求，即近接工程-地层-既有结构间的动态相互作用与既有地下结构损伤演化机制。
本发明的有益效果如下：
1、基于数字孪生的近接工程建设荷载试验系统通过融合混合试验技术和数字孪生技术，克服了传统混合试验技术的数值模型保真性问题，实现了近接工程建设荷载的室内模拟；
2、基于数字孪生的近接工程建设荷载试验系统可以兼顾近接工程建设荷载试验的两大需求，即近接工程-地层-既有结构间的动态相互作用与既有地下结构损伤演化机制；
3、数字孪生体动态更新算法采用数字孪生体简化模型以高效计算优化目标的预测值，并采用智能优化算法快速搜索与优化目标匹配的最优土体参数和地层分界面特征参数，从而实现近接工程-地层-既有结构数字孪生体的动态更新，以保证仿真结果与实时监测结果保持一致；
4、由动态更新的数字孪生体构建的数值子结构，可以准确模拟近接工程-地层-既有结构间的动态相互作用，从而为大比尺地层结构物理模型提供准确的力学边界条件；
5、大比尺地层结构物理模型由地层物理模型和大比尺地下结构物理模型组成，并通过作动器加载模拟力学边界条件，可以实现既有地下结构损伤演化过程的试验模拟；
6、OpenFresco-LabVIEW-伺服控制系统的连接方式可以根据不同实验室的试验条件替换伺服控制系统，可移植性强。
尽管本发明的实施方案已公开如上，但并不仅仅限于说明书和实施方案中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里所示出与描述的图例。

Claims (10)

1.一种基于数字孪生的近接工程建设荷载试验系统，其特征在于，包括近接工程-地层-既有结构数字孪生体和分别与所述近接工程-地层-既有结构数字孪生体通信连接的施工现场物理空间和地层结构物理模型试验，其中：
所述施工现场物理空间，用于提供位移和/或力实时监测数据并输出给所述近接工程-地层-既有结构数字孪生体；
所述近接工程-地层-既有结构数字孪生体，用于根据位移和/或力实时监测数据建立高保真数值模型，通过该高保真数值模型开展施工过程预演，评估建造风险，为施工现场提供风险预警和施工参数优化，同时生成力学边界条件并输出给所述地层结构物理模型试验；
所述地层结构物理模型试验通过作动器加载模拟该力学边界条件，获得既有结构力学响应数据，并反馈给所述近接工程-地层-既有结构数字孪生体，所述近接工程-地层-既有结构数字孪生体根据反馈的既有结构力学响应数据为所述施工现场物理空间提供建造风险超前预警。
2.根据权利要求1所述的一种基于数字孪生的近接工程建设荷载试验系统，其特征在于：所述力学边界条件包括边界位移数据和边界力数据。
3.根据权利要求1所述的一种基于数字孪生的近接工程建设荷载试验系统，其特征在于：所述地层结构物理模型试验采用大比尺模型。
4.一种使用权利要求1所述的基于数字孪生的近接工程建设荷载试验系统的试验方法，其特征在于，该方法包括如下步骤：
步骤一、在施工现场物理空间布设监测点，利用传感器获取监测点的位移和/或力实时监测数据；
步骤二、基于设计资料和获取的监测数据建立近接工程-地层-既有结构数字孪生体；
步骤三、通过抽样方法获得土体参数和地层分界面特征参数的随机样本库；
步骤四、将所述随机样本库代入所述近接工程-地层-既有结构数字孪生体中计算，生成训练样本，选取土体参数和地层分界面特征参数为自变量X、传感监测点计算结果为因变量Y；
步骤五、利用机器学习算法模拟自变量X到因变量Y的映射关系，获得数字孪生体简化模型；
步骤六、以数字孪生体简化模型为计算内核，结合智能优化算法建立数字孪生体动态更新算法；
步骤七、以施工现场物理空间的监测数据为优化目标，利用数字孪生体动态更新算法获取最优土体参数和地层分界面特征参数；
步骤八、将最优土体参数和地层分界面特征参数输入至近接工程-地层-既有结构数字孪生体中，实现近接工程-地层-既有结构数字孪生体的动态更新；
步骤九、移除近接工程-地层-既有结构数字孪生体的目标既有地下结构及其周围土体部分，构建数值子结构；
步骤十、针对数值子结构中所移除目标既有地下结构及其周围土体部分，建立大比尺地层结构物理模型以作为试验子结构；
步骤十一、通过该试验子结构开展试验，实现近接工程-地层-既有结构数字孪生体与地层结构物理模型试验间的数据交互，得到近接工程建设荷载作用下既有地下结构的力学响应数据，并反馈给近接工程-地层-既有结构数字孪生体；
步骤十二、近接工程-地层-既有结构数字孪生体根据反馈的既有结构力学响应数据为所述施工现场物理空间评估建造风险并提供超前预警。
5.根据权利要求4所述的一种基于数字孪生的近接工程建设荷载试验方法，其特征在于：在步骤一中还包括：搭建基于5G网络的物联网系统，实现监测数据的实时传输。
6.根据权利要求4所述的一种基于数字孪生的近接工程建设荷载试验方法，其特征在于：在步骤三中，抽样方法为拉丁超立方抽样方法。
7.根据权利要求4所述的一种基于数字孪生的近接工程建设荷载试验方法，其特征在于：在步骤五中，机器学习算法为深度卷积神经网络机器学习算法。
8.根据权利要求4所述的一种基于数字孪生的近接工程建设荷载试验方法，其特征在于：在步骤六中，智能优化算法为遗传算法。
9.根据权利要求4所述的一种基于数字孪生的近接工程建设荷载试验方法，其特征在于：在步骤九中，在数值子结构中，所移除目标既有地下结构及其周围土体部分由OpenFresco定义的客户端单元取代。
10.根据权利要求4所述的一种基于数字孪生的近接工程建设荷载试验方法，其特征在于：在步骤十一中，近接工程-地层-既有结构数字孪生体与地层结构物理模型试验间边界位移和力的数据交互通过OpenFresco-LabVIEW-伺服控制系统的连接方式实现。
CN202210115304.7A 2022-02-07 2022-02-07 一种基于数字孪生的近接工程建设荷载试验方法及系统 Active CN114139270B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210115304.7A CN114139270B (zh) 2022-02-07 2022-02-07 一种基于数字孪生的近接工程建设荷载试验方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210115304.7A CN114139270B (zh) 2022-02-07 2022-02-07 一种基于数字孪生的近接工程建设荷载试验方法及系统

Publications (2)

Publication Number Publication Date
CN114139270A true CN114139270A (zh) 2022-03-04
CN114139270B CN114139270B (zh) 2022-04-15

Family

ID=80381928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210115304.7A Active CN114139270B (zh) 2022-02-07 2022-02-07 一种基于数字孪生的近接工程建设荷载试验方法及系统

Country Status (1)

Country Link
CN (1) CN114139270B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117251911A (zh) * 2023-09-20 2023-12-19 海南大学 基于数字孪生的地下工程建设方法
CN118181303A (zh) * 2024-05-14 2024-06-14 湖南大学 一种基于opc_ua的数字孪生系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190339687A1 (en) * 2016-05-09 2019-11-07 Strong Force Iot Portfolio 2016, Llc Methods and systems for data collection, learning, and streaming of machine signals for analytics and maintenance using the industrial internet of things
CN110907079A (zh) * 2019-11-18 2020-03-24 中国矿业大学(北京) 一种采动应力的动态监测系统及方法
CN113221280A (zh) * 2021-05-14 2021-08-06 西安交通大学 一种基于数字孪生的滚动轴承建模与模型更新方法及系统
US20210382016A1 (en) * 2019-07-10 2021-12-09 Vibrant Corporation Digital twin model inversion for testing

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190339687A1 (en) * 2016-05-09 2019-11-07 Strong Force Iot Portfolio 2016, Llc Methods and systems for data collection, learning, and streaming of machine signals for analytics and maintenance using the industrial internet of things
US20210382016A1 (en) * 2019-07-10 2021-12-09 Vibrant Corporation Digital twin model inversion for testing
CN110907079A (zh) * 2019-11-18 2020-03-24 中国矿业大学(北京) 一种采动应力的动态监测系统及方法
CN113221280A (zh) * 2021-05-14 2021-08-06 西安交通大学 一种基于数字孪生的滚动轴承建模与模型更新方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FAN-YAN MENG 等: "Evaluating closely spaced twin-tunnelling-induced shear stiffness change by subsurface settlement in clayey ground", 《ENVIRONMENTAL EARTH SCIENCES VOLUME 79, ARTICLE NUMBER: 326 (2020)》 *
陈拴 等: "盾构隧道纵向结构变形模式及理论模型", 《土木工程学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117251911A (zh) * 2023-09-20 2023-12-19 海南大学 基于数字孪生的地下工程建设方法
CN118181303A (zh) * 2024-05-14 2024-06-14 湖南大学 一种基于opc_ua的数字孪生系统
CN118181303B (zh) * 2024-05-14 2024-07-12 湖南大学 一种基于opc_ua的数字孪生系统

Also Published As

Publication number Publication date
CN114139270B (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
CN114139270B (zh) 一种基于数字孪生的近接工程建设荷载试验方法及系统
Lai et al. Prediction of soil deformation in tunnelling using artificial neural networks
Song et al. Research on management and application of tunnel engineering based on BIM technology
CN114201798A (zh) 基于bim+gis技术的长大隧道数字孪生系统及方法
Meng et al. Kriging-assisted hybrid reliability design and optimization of offshore wind turbine support structure based on a portfolio allocation strategy
Qi et al. A real-time back-analysis technique to infer rheological parameters from field monitoring
Liu et al. Investigation of ultimate bearing capacity of shield tunnel based on concrete damage model
Gao et al. Back analysis for mechanical parameters of surrounding rock for underground roadways based on new neural network
CN111123374A (zh) 一种基于匹配滤波的探地雷达全波形反演方法
Al-saffar et al. Prediction of soil's compaction parameter using artificial neural network
CN110909407A (zh) 一种基于bim的山洞实验室及竖井bim模型创建方法
CN115455754A (zh) 一种基于数字孪生的矿山液压支架设计方法
Wang et al. Mechanical parameter inversion in sandstone diversion tunnel and stability analysis during operation period
CN108090283A (zh) 一种列车动载下隧道—车辆耦合振动的有限元分析方法
Huang et al. Parameterized modeling and safety simulation of shield tunnel based on BIM-FEM automation framework
CN116738801B (zh) 一种基于数字孪生的索结构智能施工方法
Xu et al. A multi-fidelity deep operator network (DeepONet) for fusing simulation and monitoring data: Application to real-time settlement prediction during tunnel construction
CN117951778A (zh) 基于bim-fem自动化框架的智能化隧道参数化建模与仿真方法及系统
CN113128028A (zh) 一种岩土结构耦联体系的数字孪生模型构建方法
CN116776553A (zh) 基于数字孪生的盾构施工地表变形量的控制方法与装置
Chen et al. Rockburst prediction and evaluation model for hard rock engineering based on extreme gradient boosting ensemble learning and SHAP value
CN114528616B (zh) 一种基于bim的海堤施工动态监控系统应用方法及系统
CN113378423B (zh) 城轨保护mjs工法桩智能反分析快速反演方法及系统
CN115329443A (zh) 一种基于bim技术的隧道工程受力分析方法及系统
Song et al. Parameterized FEA Model Generation and Simulation of Underground Structures Based on BIM: A Case Study

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