CN116108525A - 基于多元信息的隧道支护体系动态设计方法及装置 - Google Patents
基于多元信息的隧道支护体系动态设计方法及装置 Download PDFInfo
- Publication number
- CN116108525A CN116108525A CN202211683725.6A CN202211683725A CN116108525A CN 116108525 A CN116108525 A CN 116108525A CN 202211683725 A CN202211683725 A CN 202211683725A CN 116108525 A CN116108525 A CN 116108525A
- Authority
- CN
- China
- Prior art keywords
- information
- support
- historical
- surrounding rock
- construction
- 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
- 238000013461 design Methods 0.000 title claims abstract description 185
- 238000000034 method Methods 0.000 title claims abstract description 82
- 239000011435 rock Substances 0.000 claims abstract description 182
- 238000010276 construction Methods 0.000 claims abstract description 125
- 238000012549 training Methods 0.000 claims abstract description 69
- 230000003044 adaptive effect Effects 0.000 claims abstract description 20
- 238000005553 drilling Methods 0.000 claims description 63
- 238000006073 displacement reaction Methods 0.000 claims description 36
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 25
- 238000011161 development Methods 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 18
- 238000013473 artificial intelligence Methods 0.000 claims description 16
- 238000009430 construction management Methods 0.000 claims description 16
- 238000013441 quality evaluation Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000011549 displacement method Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 9
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 15
- 239000000463 material Substances 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 229910000831 Steel Inorganic materials 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000005507 spraying Methods 0.000 description 6
- 239000010959 steel Substances 0.000 description 6
- 238000009434 installation Methods 0.000 description 5
- 238000009412 basement excavation Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 239000004567 concrete Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010035148 Plague Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000011378 shotcrete Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Civil Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Architecture (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
- Excavating Of Shafts Or Tunnels (AREA)
Abstract
本申请公开了一种基于多元信息的隧道支护体系动态设计方法及装置,涉及隧道支护设计领域。该方法包括:获取待支护位置的当前围岩信息及当前施工信息;根据当前围岩信息、当前施工信息以及预先创建的动态设计模型确定隧道支护体系设计参数及适配施工管控对策;其中,动态设计模型是基于历史围岩信息、历史施工信息、已施作支护体系的支护信息及其对应的支护变形信息训练得到的。相比于使用通过理论计算或解析法预测得到的支护变形信息对支护体系进行评价的方案,本申请采用实际的围岩信息、施工信息、已施作支护体系的支护信息以及实际的支护变形参数训练动态设计模型,保证了动态样本以及基于动态样本训练得到的动态设计模型的可靠性。
Description
技术领域
本申请涉及隧道支护设计技术领域,具体涉及基于多元信息的隧道支护体系动态设计方法及装置。
背景技术
隧道支护体系主要由围岩和支护两部分构成,大量工程实践经验和理论表明,形成隧道支护体系的过程是通过一定的施工过程或者是通过一定的力学控制过程来实现的,因此,隧道支护设计本质是控制隧道力学状态变化过程的设计,即利用施工开挖和支护手段,控制周边围岩力学动态,从而构筑长期稳定的隧道支护体系,这是隧道支护设计与其它土木工程设计截然不同的特点。
受限于隧道支护设计和围岩信息获取等技术水平因素影响,隧道支护设计长期以来难以达到理想的实施效果,具体表现在以下两个方面:一是现阶段普遍采用的隧道支护设计方法,如工程类比法、经验设计法或标准设计法等,均以围岩质量评价(围岩分级)单一信息作为基础,未能考虑施工信息对支护设计的影响,其本质上仍属于静态设计范畴,导致设计对施工的精细化及针对性有所不足,且经济性有待提升;二是围岩信息获取手段自动化水平较低,信息获取以人工为主,存在耗时长、代价高、反馈不及时等问题,难以满足现场连续施工对支护的动态设计需求。
近些年,随着隧道支护设计技术、智能装备技术、信息化技术、人工智能技术的快速发展,围岩信息的自动化获取、基于大数据分析的人工智能学习方法等困扰支护动态设计与智能决策的核心技术问题已得到了较好的解决,为支护动态设计与智能决策实现提供了有力支撑;此外,随着绿色工程新理念的提出,隧道支护设计的针对性、精准性、动态调整的及时性、经济性等需求也不断强化,故实现隧道支护动态设计与智能决策已成为当今隧道建设的重要发展趋势和迫切需求。
发明内容
为了解决现有技术中存在的问题,本申请提供一种基于多元信息的隧道支护体系动态设计方法及装置。根据本申请实施例的第一方面,本申请提供一种基于多元信息的隧道支护体系动态设计方法,包括:
获取待支护位置的当前围岩信息及当前施工信息;
根据所述当前围岩信息、所述当前施工信息以及预先创建的动态设计模型确定隧道支护体系设计参数及适配施工管控对策;其中,所述动态设计模型是基于历史围岩信息、历史施工信息、已施作支护体系的支护信息及其对应的支护变形信息训练得到的。
在一实施例中,所述待支护位置的当前围岩信息包括岩石坚硬程度参数;所述获取待支护位置的围岩信息,包括:
实时获取多个钻进参数、钻头参数、泊松比数据和围岩弹性模量,所述钻进参数包括钻进压力、钻进扭矩、钻进冲击力、钻进速度、钻进过程冲击力、推进力和扭矩破岩系数;所述钻头参数包括钻头尺寸、钻头材料弹性模量、凿岩台车钎头球齿数、球齿钻头破岩压力;所述泊松比数据包括钻头材料泊松比、围岩泊松比;
基于所述多个钻进参数、钻头参数、泊松比数据和围岩弹性模量确定岩石坚硬程度参数。
在一实施例中,所述待支护位置的当前围岩信息还包括围岩结构面发育程度参数;所述获取待支护位置的围岩信息,还包括:
获取隧道掌子面及洞周区域露头围岩结构面的三维位移坐标值;
基于所述三维位移坐标值确定结构面空间位移及其矢量方程表达式;
基于所述结构面空间位移及其矢量方程表达式中的结构面空间位移及其矢量方程常数确定所述围岩结构面发育程度参数;所述围岩结构面发育程度参数包括结构面倾角、走向、倾向、组数及间距。
在一实施例中,所述当前施工信息包括开挖断面的形状及尺寸、开挖工法类型及参数、循环进尺控制、支护时机及每循环耗时、施工安全步距控制参数。
在一实施例中,所述方法还包括训练动态设计模型的步骤,具体包括:
根据多组历史围岩信息、历史施工信息、已施作支护体系的历史支护信息及其对应的支护变形信息得到训练数据集;
基于所述训练数据集以及预设的多种人工智能学习算法分别训练得到最佳动态设计模型。
在一实施例中,所述根据多组历史围岩信息、历史施工信息、已施作支护体系的历史支护信息及其对应的支护变形信息得到训练数据集,包括:
获取已施作支护体系对应的支护变形信息;
基于刚度矩阵位移法以及所述支护变形信息反演得到支护结构应力;
根据预设的质量评价规则对所述支护结构应力进行评价,得到对应的安全系数;
判断所述安全系数是否满足预设要求,若是,则将所述历史支护信息及其对应的历史围岩信息和历史施工信息确定为训练数据集中的动态样本;
若否,则将所述历史支护信息及历史施工管控信息进行自动迭代优化,直至满足所述预设要求,并将优化后满足所述预设要求的历史支护信息及其对应的历史围岩信息和历史施工信息确定为训练数据集中的动态样本。
在一实施例中,所述动态设计模型为多个,所述多个动态设计模型是分别基于不同的人工智能学习算法及预先确定的动态样本训练得到的;
所述根据所述当前围岩信息、所述当前施工信息以及预先创建的动态设计模型确定隧道支护体系设计参数及适配施工管控对策,包括:
分别获取所述动态设计模型的准确度,并将准确度最高的动态设计模型作为目标动态设计模型;
根据所述当前围岩信息、所述当前施工信息以及所述目标动态设计模型确定隧道支护体系设计参数及适配施工管控对策。
根据本申请实施例的第二方面,本申请提供一种基于多元信息的隧道支护体系动态设计装置,包括:
信息获取模块,用于获取待支护位置的当前围岩信息及当前施工信息;
支护体系设计参数及适配施工管控对策预测模块,用于根据所述当前围岩信息、所述当前施工信息以及预先创建的动态设计模型确定隧道支护体系设计参数及适配施工管控对策;其中,所述动态设计模型是基于历史围岩信息、历史施工信息、已施作支护体系的支护信息及其对应的支护变形信息训练得到的。
在一实施例中,所述待支护位置的当前围岩信息包括岩石坚硬程度参数;所述信息获取模块包括包括岩石坚硬程度确定单元,用于:
实时获取多个钻进参数、钻头参数、泊松比数据和围岩弹性模量,所述钻进参数包括钻进压力、钻进扭矩、钻进冲击力、钻进速度、钻进过程冲击力、推进力和扭矩破岩系数;所述钻头参数包括钻头尺寸、钻头材料弹性模量、凿岩台车钎头球齿数、球齿钻头破岩压力;所述泊松比数据包括钻头材料泊松比、围岩泊松比;
基于所述多个钻进参数、钻头参数、泊松比数据和围岩弹性模量确定岩石坚硬程度参数。
在一实施例中,所述待支护位置的当前围岩信息还包括围岩结构面发育程度参数;所述信息获取模块还包括围岩结构面发育程度参数确定单元,用于:
获取隧道掌子面及洞周区域露头围岩结构面的三维位移坐标值;
基于所述三维位移坐标值确定结构面空间位移及其矢量方程表达式;
基于所述结构面空间位移及其矢量方程表达式中的结构面空间位移及其矢量方程常数确定所述围岩结构面发育程度参数;所述围岩结构面发育程度参数包括结构面倾角、走向、倾向、组数及间距。
在一实施例中,所述信息获取模块还包括施工信息获取单元,用于当前施工信息包括开挖断面的形状及尺寸、开挖工法类型及参数、循环进尺控制、支护时机及每循环耗时、施工安全步距控制参数。
在一实施例中,所述装置还包括:
训练数据确定模块,用于根据多组历史围岩信息、历史施工信息、已施作支护体系的历史支护信息及其对应的支护变形信息得到训练数据集;
动态设计模型训练模块,基于所述训练数据集以及预设的多种人工智能学习算法分别训练得到最佳动态设计模型。
在一实施例中,所述训练数据确定模块包括:
支护变形信息获取单元,用于获取已施作支护体系对应的支护变形信息;
支护结构应力反演单元,用于基于刚度矩阵位移法以及所述支护变形信息反演得到支护结构应力;
安全系数评价单元,用于根据预设的质量评价规则对所述支护结构应力进行评价,得到对应的安全系数;
动态样本确定单元,用于判断所述安全系数是否满足预设要求,若是,则将所述历史支护信息及其对应的历史围岩信息和历史施工信息确定为训练数据集中的动态样本;若否,则将所述历史支护信息及历史施工管控信息进行自动迭代优化,直至满足所述预设要求,并将优化后满足所述预设要求的历史支护信息及其对应的历史围岩信息和历史施工信息确定为训练数据集中的动态样本。
在一实施例中,所述支护体系设计参数及适配施工管控对策预测模块包括:
目标动态设计模型确定单元,用于分别获取多个动态设计模型的准确度,并将准确度最高的动态设计模型作为目标动态设计模型;其中,所述多个动态设计模型是分别基于不同的人工智能学习算法及预先确定的动态样本训练得到的;
支护体系设计参数及适配施工管控对策预测单元,用于根据所述当前围岩信息、所述当前施工信息以及所述目标动态设计模型确定隧道支护体系设计参数及适配施工管控对策。
根据本申请实施例的第三方面,本申请提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本申请提供的任一基于多元信息的隧道支护体系动态设计方法。
根据本申请实施例的第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本申请提供的任一基于多元信息的隧道支护体系动态设计方法。
根据本申请实施例的第五方面,本申请提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现本申请提供的任一基于多元信息的隧道支护体系动态设计方法。
本申请的基于多元信息的隧道支护体系动态设计方法及装置,基于已施作支护体系对应的支护变形信息对支护体系进行评价,并将符合预设要求的支护体系及其对应的围岩信息、施工信息作为动态样本,结合人工智能学习算法训练得到动态设计模型。相比于使用通过理论计算或解析法预测得到的支护变形信息对支护体系进行评价的方案,本申请采用实际支护变形参数对支护体系进行评价,提高了评价结果的准确性,进而保证了动态样本以及基于动态样本训练得到的动态设计模型的可靠性、客观性和准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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他的附图。在附图中:
图1为本申请提供的基于多元信息的隧道支护体系动态设计方法的一种示意图。
图2为本申请提供的确定岩石坚硬程度参数的步骤示意图。
图3为本申请提供的确定围岩结构面发育程度参数的步骤示意图。
图4为本申请提供的训练动态设计模型的步骤示意图。
图5为本申请提供的得到训练数据集的步骤示意图。
图6为本申请提供的确定隧道支护体系设计参数的步骤示意图。
图7为本申请提供的基于多元信息的隧道支护体系动态设计装置的一种示意图。
图8为本申请提供的基于多元信息的隧道支护体系动态设计装置的另一种示意图。
图9为本申请提供的基于多元信息的隧道支护体系动态设计装置的另一种示意图。
图10为本申请提供的基于多元信息的隧道支护体系动态设计装置的另一种示意图。
图11为本申请提供的基于多元信息的隧道支护体系动态设计装置的另一种示意图。
图12为本申请提供的一种计算机设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
从力学角度分析,影响隧道力学状态变化的关键因素主要有围岩条件、支护能力和施工水平三种,鉴于此,支撑隧道支护设计的信息同样可分为三类,一类是围岩信息,如岩石坚硬程度、岩体发育程度、地下水发育程度等,该类信息用于表征支护设计的围岩对象特征;二类是支护信息,如支护构件的类型、支护构件的力学属性及几何属性等,该类信息用于表征支护构件的支护能力特征;三类是施工信息,如开挖工法及参数、支护时机及耗时、安全步距的控制等,该类信息用于表征支护施工的水平特征。上述三类信息在施工过程中,通常受围岩变化、支护需求、施工水平差异等因素影响而呈现出动态变化的特点,故施工对隧道支护的动态设计需求也变得十分迫切。
而本申请正是基于围岩信息、支护信息和施工信息提出一种基于多元信息的隧道支护体系动态设计方法及装置,进而满足对隧道支护体系的动态设计需求。
根据本申请实施例的第一方面,本申请提供一种基于多元信息的隧道支护体系动态设计方法,如图1所示,该方法包括以下步骤S101至步骤S102:
步骤S101,获取待支护位置的当前围岩信息及当前施工信息;
其中,围岩信息包括岩石坚硬程度参数和围岩结构面发育程度参数等参数,施工信息包括但不限于开挖断面的形状及尺寸、开挖工法类型及参数、循环进尺控制、支护时机及每循环耗时、施工安全步距控制参数。围岩信息需要基于可直接采集的钻进参数、钻头参数等运算得到,具体的运算方式将在后续实施例中详细说明;施工信息可以在施工期现场获知,由智能型施工装备通过文件形式自动导入,也可由人工手动输入。
本步骤的当前围岩信息指尚未施作支护体系的围岩的信息,与已经施作支护体系的历史围岩信息相区别;同样的,当前施工信息指当前围岩信息对应的施工信息,与历史施工信息相区别。
步骤S102,根据所述当前围岩信息、所述当前施工信息以及预先创建的动态设计模型确定隧道支护体系设计参数及适配施工管控对策;其中,所述动态设计模型是基于历史围岩信息、历史施工信息、已施作支护体系的支护信息及其对应的支护变形信息训练得到的。
具体地,本步骤通过预先创建的动态设计模型进行隧道支护体系设计参数及适配施工管控对策的预测,以当前围岩信息、当前施工信息为输入参数,使动态设计模型对其特征进行分析,输出对应的隧道支护体系设计参数及适配施工管控对策。
为保证隧道支护体系设计参数及适配施工管控对策的客观性和准确性,如上所述,本申请基于历史围岩信息、历史施工信息、已施作支护体系的支护信息及其对应的支护变形信息训练得到动态设计模型。由于已施作支护体系对应的支护变形信息是真实产生的信息,因此相比于通过其它方法预测得到的支护形变信息,本申请训练得到的动态设计模型更加客观和准确,通过本申请的动态设计模型确定的隧道支护体系设计参数的可靠性也更强。
此外,以当前围岩信息、当前施工信息为输入参数,也是本申请区别于现有其它设计方法的特点之一。对支护设计而言,影响支护安全性的因素主要有两类,一类是围岩,即地质条件不同,支护所受荷载不同,导致支护安全性有所不同;另一类是施工,即施工水平不同,如支护的施做时机、支护的施做方式不同,对于同样地质同样支护而言,安全性也有所不同。现有支护设计方法仅考虑地质因素影响,通常不考虑施工因素影响,本发明则兼顾两因素共同影响,从而使支护决策更符合工程实际。
在一实施例中,所述待支护位置的当前围岩信息包括岩石坚硬程度参数;此时,如图2所示,步骤S101,获取待支护位置的围岩信息进一步包括以下步骤:
步骤S1011,实时获取多个钻进参数、钻头参数、泊松比数据和围岩弹性模量;其中,所述钻进参数包括钻进压力、钻进扭矩、钻进冲击力、钻进速度、钻进过程冲击力、推进力和扭矩破岩系数;所述钻头参数包括钻头尺寸、钻头材料弹性模量、凿岩台车钎头球齿数、球齿钻头破岩压力;所述泊松比数据包括钻头材料泊松比、围岩泊松比。其中,钻进压力、钻进扭矩、钻进冲击力、钻进速度可通过智能型凿岩台车在开挖钻进过程中实时获取;钻进过程冲击力、推进力和扭矩破岩系数以及钻头参数、泊松比数据和围岩弹性模量也可预先获取到。
步骤S1012,基于所述多个钻进参数、钻头参数、泊松比数据和围岩弹性模量确定岩石坚硬程度参数。
经分析,上述钻进参数与岩石抗压强度、围岩弹性模量、泊松比等力学参数具有良好的相关性。因此本步骤通过以下公式,可基于钻进参数实时获知围岩力学参数相关值——岩石抗压强度σc,将岩石抗压强度σc作为岩石坚硬程度参数:
上式中,σc表示岩石单轴抗压强度;Pm为钻进冲击力;MNm为钻进扭矩(钻进扭矩可由智能型凿岩台车自动记录获取,是凿岩台车的一项钻进参数指标,故将MNm合并为一项参数);Fp为钻进压力;V为钻进速度;ρ为钻头尺寸参数;E1为钻头材料弹性模量;μ1为钻头材料泊松比;E2为围岩弹性模量;μ2为围岩泊松比;n为凿岩台车钎头球齿数;PC为球齿钻头破岩压力;ηI、ηN、ηP为钻进过程冲击力、推进力和扭矩破岩系数。围岩力学参数的获取可为支护体系设计提供围岩条件的针对性支撑。
在一实施例中,所述待支护位置的当前围岩信息还包括围岩结构面发育程度参数;此时,如图3所示,步骤S101,所述获取待支护位置的围岩信息进一步包括以下步骤:
步骤S1013,获取隧道掌子面及洞周区域露头围岩结构面的三维位移坐标值。
实际应用中,可选择采用双目相机/三维激光扫描等技术获取隧道掌子面及洞周区域露头围岩结构面三维位移坐标值。
步骤S1014,基于所述三维位移坐标值确定结构面空间位移及其矢量方程表达式。
其中,结构面空间位移方程表达式如下:
Ax+By+Cz+D=0
上式中,x、y、z为围岩结构面上任意一点的三维坐标值;A、B、C、D为表征围岩结构面平面特征的常数。
当已知不在同一直线上任意三点坐标值时,通过代入结构面空间位移方程表达式联立求解,即可获知结构面空间位移方程常数,从而构建得到该结构面数学表达式。
步骤S1015,基于所述结构面空间位移及其矢量方程表达式中的结构面空间位移及其矢量方程常数确定所述围岩结构面发育程度参数;其中,所述围岩结构面发育程度参数包括结构面倾角、走向、倾向、组数及间距;围岩结构面发育程度参数,特别是结构面产状参数的获取可为锚杆支护构件布设部位、布设方向等针对性设计提供支撑。
例如,结构面空间位移方程的法向量即为该结构面的倾向;结构面与水平面的所夹锐角即为该结构面倾角;当各结构面空间位移方程法向量之差小于5°,即可视为一组,进而获知结构面组数;同组结构面间距的平均值即为该组结构面平均间距。上述各空间平面方程的法向量、空间距离等可依据现有技术中相关空间几何关系公式进行计算,此处不再赘述。
在一实施例中,所述基于多元信息的隧道支护体系动态设计方法还包括训练动态设计模型的步骤,如图4所示,训练动态设计模型的步骤具体包括:
步骤S201,根据多组历史围岩信息、历史施工信息、已施作支护体系的历史支护信息及其对应的支护变形信息得到训练数据集。
具体地,本步骤首先获取多组历史围岩信息、历史施工信息、已施作支护体系的历史支护信息,其中每组历史围岩信息、历史施工信息、已施作支护体系的历史支护信息均是相互对应的;然后获取已施作支护体系对应的支护变形信息对各组信息进行筛选,选择其中符合预设要求的多组信息形成训练数据集。
已施作支护体系的历史支护信息主要通过各类智能型施工装备自动采集得到,各类智能型施工装备包括但不限于智能型凿岩台车、智能型锚杆台车、智能型混凝土喷射台车,智能型钢架安装台车等;自动采集得到的已施作支护体系的历史支护信息主要是各类支护构件施做信息,包括但不限于支护构件类型,如管棚、导管、砂浆锚杆、预应力锚杆等,以及支护构件布设部位及布设参数,如间距、长度、厚度等。
现阶段智能型施工装备可自动获取并记录支护施工信息数据及参数,举例如下:
①智能型凿岩台车:如ZYS113G型智能凿岩台车,具有自动精确定位、自动精确钻孔、自动信息化管理等功能,可实时记录钻孔的三维坐标、钻孔深度等施工信息,从而实现相关参数的自动获取。
②智能型锚杆台车:如MTZ141型智能锚杆台车,可自动获知毛孔三维坐标、锚孔孔深,锚孔孔径等锚孔钻凿信息以及锚杆类别,锚杆数量,锚杆长度、预应力大小等锚杆安装信息,从而实现相关参数的自动获取。
③智能型混凝土喷射台车:如HPSZ3016S型智能喷射台车,可实现隧道喷射混凝土厚度自动扫描、喷射方量自动计算、自动分区、自动规划喷射路径、自动喷射、自动生成施工日志等功能,从而实现相关参数的自动获取。
④智能型钢架安装台车:如SCDZ133型智能拱架台车,可实现自动记录钢支撑施作过程数据,如钢支撑安装位置、钢支撑型号、钢支撑安装间距等信息,从而实现相关参数的自动获取。
本步骤对支护信息的获取,主要是利用智能型装备对各类支护施工过程中信息的自动采集进行确定,具有客观性和准确性;由于隧道围岩地质条件通常比较复杂,围岩力学参数的获取、支护参数的理论计算等结果准确性与可靠性往往难以保证,相比于基于围岩力学参数并通过理论计算方法确定支护信息的技术方案,本申请采用符合客观实际的智能型施工装备进行支护信息获取,大大提升了支护决策的精准性。
步骤S202,基于所述训练数据集以及预设的多种人工智能学习算法分别训练得到多个动态设计模型。
具体地,本申请基于步骤S201得到的训练数据集以及多种人工智能学习算法分别训练,得到多个动态设计模型。其中,本申请采用的人工智能学习算法包括但不限于卷积神经网络、深度神经网络、随机森林、决策树、逻辑回归等算法。采用不同算法训练得到多个动态设计模型,每个动态设计模型均可实现支护信息的预测推荐,为用户提供选择更多和更优的选择。
在一实施例中,如图5所示,步骤S201,所述根据多组历史围岩信息、历史施工信息、已施作支护体系的历史支护信息及其对应的支护变形信息得到训练数据集,包括:
步骤S2021,获取已施作支护体系对应的支护变形信息。
其中,支护变形信息包括但不限于拱顶沉降、洞周收敛等变形值。本申请例如利用全自动全站仪或三维激光扫描仪等技术,对施做的隧道支护结构变形进行自动化监测,并对相应的支护结构拱顶沉降、洞周收敛等变形监测值进行自动化采集导入。
采用全自动全站仪或三维激光扫描仪,可采用仪器内设定的固有测量方法和配套软件,自动获取目标点的三维坐标,由于不同方法,如后方交会法、自由设站法等位移坐标求解方程不同,故这里不进行赘述,但测量基本原理是通过测定目标点的距离及偏转角度,通过几何关系换算对目标点三维坐标进行求解。通过对支护结构目标点前后不同时刻三维坐标进行测试,三维坐标值之差即为该段时间内支护结构该部位点的变形数值。
步骤S2022,基于刚度矩阵位移法以及所述支护变形信息反演得到支护结构应力。
具体地,这里给出支护结构刚度矩阵形式以及支护结构应力反演分析的步骤如下:
1)支护结构刚度矩阵形式
(1)可将支护结构散成n个单位长度的弹性梁单元,并将单元的联结点视为节点,此时支护结构梁单元整体、局部坐标系下的单元刚度矩阵满足如下关系式:
[k1]6×6=[R1]6×6[k′1]6×6[R1]T 6×6
式中,[k1]6×6为整体坐标系下的单元刚度矩阵;[k′1]6×6为局部坐标系下的单元刚度矩阵,[R1]6×6为从局部坐标系到整体坐标系的坐标转换矩阵。
局部坐标系下的单元刚度矩阵[k′1]6×6的计算公式如下:
式中,E为弹性模量、I为惯性矩、A为横截面面积、L为单元长度。
从局部坐标系到整体坐标系的坐标转换矩阵[R1]6×6的计算公式如下:
式中,α为局部坐标相对于总体坐标系的X轴正向逆时针的倾斜角度。
2)支护与围岩间的相互作用,采用径向弹簧单元和切向弹簧单元模拟。弹簧单元也是既有局部坐标又有整体坐标的二维有限元,局部(整体)坐标系定义与梁单元相同,二者满足如下关系式:
[k2]3×3=[R2]3×3[k′2]3×3[R2]T 3×3
式中,[k2]3×3为整体坐标系下的单元刚度矩阵;[k′2]3×3为局部坐标系下的单元刚度矩阵;[R2]3×3为转换矩阵。各矩阵参数与梁单元相同。
3)采用直接刚度法,支护结构刚度矩阵总体刚度矩阵关系式表达如下:
[k]3n×3n=[k1]3n×3n+[k2]3n×3n
式中,[k]3n×3n为支护结构的总体刚度矩阵;[k1]3n×3n为结构梁单元的总体刚度矩阵;[k2]3n×3n为结构与围岩约束弹簧单元的总体刚度矩阵。
4)支护结构应力反演分析方法
(1)求解支护结构节点荷载
基于有限元理论的支护结构应力应变基本列式如下:
[F]3n×1=[k]3n×3n[δ]3n×1
式中,[δ]3n×1为支护结构节点位移矩阵,可由支护结构节点三维位移坐标进行构建;[F]3n×1为支护结构的等效节点荷载矩阵;[k]3n×3n为支护结构的总体刚度矩阵。
依据上式,当已知支护结构材料弹性模量、支护结构厚度(可求知惯性矩I、横截面面积A)、支护结构节点三维位移坐标等信息时,即可求解出支护结构节点的荷载矩阵值。
(2)求解支护结构节点应力
在整体坐标系下,支护结构梁单元的节点位移为[δ]6×1,则梁单元的节点荷载[F1]6×1为:
[F1]6×1=[k1]6×6[δ]6×1
换算为局部坐标系下梁单元的节点荷载,即支护结构的内力,即支护结构节点应力,转换公式为:
[F′1]6×1=[R1]T 6×6[F1]6×1
步骤S2023,根据预设的质量评价规则对所述支护结构应力进行评价,得到对应的安全系数;
具体地,本步骤基于支护结构应力值,即可依据现行《混凝土结构设计规范》计算出结构安全系数值,并通过结构安全系数值量化评价支护结构的安全性。安全系数控制基准见下表:
支护结构安全系数控制基准表
步骤S2024,判断所述安全系数是否满足预设要求,若是,则执行步骤S2025;若否,则执行步骤S2026;
步骤S2025,将所述历史支护信息及其对应的历史围岩信息和历史施工信息确定为训练数据集中的动态样本;
步骤S2026,将所述历史支护信息及施工管控信息进行自动迭代优化,直至满足所述预设要求,并将优化后满足所述预设要求的历史支护信息及其对应的历史围岩信息和历史施工信息确定为训练数据集中的动态样本。
步骤S2025和步骤S2026使得用于训练动态设计模型的动态样本满足预设的要求,进而提高动态设计模型的训练速度,优化模型预测效果。可以理解的是,动态样本是动态更新的,随着施工案例的增多,动态样本也随之更新,动态设计模型随动态样本的更新而更新。
此外,步骤S2023和步骤S2024中,除评价安全系数之外,还可根据实际需求分析可靠系数和经济系数,使得预测得到的支护体系设计参数兼具安全和经济的优点。
在一实施例中,所述动态设计模型为多个,所述多个动态设计模型是分别基于不同的人工智能学习算法及预先确定的动态样本训练得到的。通常,我们只选择准确度最高的动态设计模型作为目标动态设计模型。
此时,如图6所示,步骤S102,根据所述当前围岩信息、所述当前施工信息以及预先创建的动态设计模型确定隧道支护体系设计参数及适配施工管控对策,具体包括:
步骤S1021,分别获取所述动态设计模型的准确度,并将准确度最高的动态设计模型作为目标动态设计模型。
具体地,动态设计模型的准确度指训练样本预测结果与实际结果之间的吻合度,通过以下方式获得:将训练样本划分为训练集和检验集两部分,通过训练集样本对设计模型进行训练,利用检验集样本预测结果与实际结果之间的吻合度来表征设计模型的准确程度。
步骤S1022,根据所述当前围岩信息、所述当前施工信息以及所述目标动态设计模型确定隧道支护体系设计参数及适配施工管控对策。
即将当前围岩信息和当前施工信息输入目标动态设计模型,使目标动态设计模型输出对应的隧道支护体系设计参数及适配施工管控对策,供施工人员参考。
本申请的基于多元信息的隧道支护体系动态设计方法,基于已施作支护体系对应的支护变形信息对支护体系进行评价,并将符合预设要求的支护体系及其对应的围岩信息、施工信息作为动态样本,结合人工智能学习算法训练得到动态设计模型。相比于通过其它方法得到的支护变形信息对支护体系进行评价的方案,本申请采用实际支护变形参数对支护体系进行评价,提高了评价结果的准确性,进而保证了动态样本以及基于动态样本训练得到的动态设计模型的可靠性、客观性和准确性。
基于同一发明构思,本申请实施例还提供了基于多元信息的隧道支护体系动态设计装置,可以用于实现上述实施例所描述的方法,如下面的实施例所述。由于基于多元信息的隧道支护体系动态设计装置解决问题的原理与基于多元信息的隧道支护体系动态设计方法相似,因此基于多元信息的隧道支护体系动态设计装置的实施可以参见基于多元信息的隧道支护体系动态设计方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
根据本申请实施例的第二方面,如图7所示,本申请提供一种基于多元信息的隧道支护体系动态设计装置,包括:
信息获取模块301,用于获取待支护位置的当前围岩信息及当前施工信息;
支护体系设计参数预测模块302,用于根据所述当前围岩信息、所述当前施工信息以及预先创建的动态设计模型确定隧道支护体系设计参数及适配施工管控对策;其中,所述动态设计模型是基于历史围岩信息、历史施工信息、已施作支护体系的支护信息及其对应的支护变形信息训练得到的。
在一实施例中,如图8所示,所述待支护位置的当前围岩信息包括岩石坚硬程度参数;所述信息获取模块301包括包括岩石坚硬程度确定单元3011,用于:
实时获取多个钻进参数、钻头参数、泊松比数据和围岩弹性模量,所述钻进参数包括钻进压力、钻进扭矩、钻进冲击力、钻进速度、钻进过程冲击力、推进力和扭矩破岩系数;所述钻头参数包括钻头尺寸、钻头材料弹性模量、凿岩台车钎头球齿数、球齿钻头破岩压力;所述泊松比数据包括钻头材料泊松比、围岩泊松比;
基于所述多个钻进参数、钻头参数、泊松比数据和围岩弹性模量确定岩石坚硬程度参数。
在一实施例中,请继续参见图8,所述待支护位置的当前围岩信息还包括围岩结构面发育程度参数;所述信息获取模块301还包括围岩结构面发育程度参数确定单元3012,用于:
获取隧道掌子面及洞周区域露头围岩结构面的三维位移坐标值;
基于所述三维位移坐标值确定结构面空间位移方程及其矢量表达式;
基于所述结构面空间位移及其矢量方程表达式中的结构面空间位移及其矢量方程常数确定所述围岩结构面发育程度参数;所述围岩结构面发育程度参数包括结构面倾角、走向、倾向、组数及间距。
在一实施例中,请继续参见图8,所述信息获取模块301还包括施工信息获取单元3013,用于当前施工信息包括开挖断面的形状及尺寸、开挖工法类型及参数、循环进尺控制、支护时机及每循环耗时、施工安全步距控制参数。
在一实施例中,如图9所示,所述装置还包括:
训练数据确定模块303,用于根据多组历史围岩信息、历史施工信息、已施作支护体系的历史支护信息及其对应的支护变形信息得到训练数据集;
动态设计模型训练模块304,基于所述训练数据集以及预设的多种人工智能学习算法分别训练得到多个动态设计模型。
在一实施例中,如图10所示,所述训练数据确定模块303包括:
支护变形信息获取单元3031,用于获取已施作支护体系对应的支护变形信息;
支护结构应力反演单元3032,用于基于刚度矩阵位移法以及所述支护变形信息反演得到支护结构应力;
安全系数评价单元3033,用于根据预设的质量评价规则对所述支护结构应力进行评价,得到对应的安全系数;
动态样本确定单元3034,用于判断所述安全系数是否满足预设要求,若是,则将所述历史支护信息及其对应的历史围岩信息和历史施工信息确定为训练数据集中的动态样本;若否,则将所述历史支护信息及历史施工管控信息进行自动迭代优化,直至满足所述预设要求,并将优化后满足所述预设要求的历史支护信息及其对应的历史围岩信息和历史施工信息确定为训练数据集中的动态样本。
在一实施例中,如图11所示,所述支护体系设计参数预测模块302包括:
目标动态设计模型确定单元3021,用于分别获取多个动态设计模型的准确度,并将准确度最高的动态设计模型作为目标动态设计模型;其中,所述多个动态设计模型是分别基于不同的人工智能学习算法及预先确定的动态样本训练得到的;
支护体系设计参数预测单元3022,用于根据所述当前围岩信息、所述当前施工信息以及所述目标动态设计模型确定隧道支护体系设计参数。
本申请的基于多元信息的隧道支护体系动态设计装置,基于已施作支护体系对应的支护变形信息对支护体系进行评价,并将符合预设要求的支护体系及其对应的围岩信息、施工信息作为动态样本,结合人工智能学习算法训练得到动态设计模型。相比于通过预测得到的支护变形信息对支护体系进行评价的方案,本申请采用实际支护变形参数对支护体系进行评价,提高了评价结果的准确性,进而保证了动态样本以及基于动态样本训练得到的动态设计模型的可靠性。
根据本申请实施例的第三方面,本申请还提供一种计算机设备,参见图12,所述电子设备100具体包括:
中央处理器(processor)110、存储器(memory)120、通信模块(Communications)130、输入单元140、输出单元150以及电源160。
其中,所述存储器(memory)120、通信模块(Communications)130、输入单元140、输出单元150以及电源160分别与所述中央处理器(processor)110相连接。所述存储器120中存储有计算机程序,所述中央处理器110可调用所述计算机程序,所述中央处理器110执行所述计算机程序时实现上述实施例中的基于多元信息的隧道支护体系动态设计方法中的全部步骤。
根据本申请实施例的第四方面,本申请的实施例还提供一种计算机可读存储介质,用于存储计算机程序,所述计算机程序可被处理器执行。所述计算机程序被处理器执行时实现本发明所提供的任一基于多元信息的隧道支护体系动态设计方法。
根据本申请实施例的第五方面,本发明的实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述实施例提供的任一基于多元信息的隧道支护体系动态设计方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,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,均应包含在本发明的保护范围之内。
Claims (14)
1.一种基于多元信息的隧道支护体系动态设计方法,其特征在于,包括:
获取待支护位置的当前围岩信息及当前施工信息;
根据所述当前围岩信息、所述当前施工信息以及预先创建的动态设计模型确定隧道支护体系设计参数及适配施工管控对策;其中,所述动态设计模型是基于历史围岩信息、历史施工信息、已施作支护体系的支护信息及其对应的支护变形信息训练得到的。
2.根据权利要求1所述的基于多元信息的隧道支护体系动态设计方法,其特征在于,所述待支护位置的当前围岩信息包括岩石坚硬程度参数;所述获取待支护位置的围岩信息,包括:
实时获取多个钻进参数、钻头参数、泊松比数据和围岩弹性模量;
基于所述多个钻进参数、钻头参数、泊松比数据和围岩弹性模量确定岩石坚硬程度参数。
3.根据权利要求2所述的基于多元信息的隧道支护体系动态设计方法,其特征在于,所述待支护位置的当前围岩信息还包括围岩结构面发育程度参数;所述获取待支护位置的围岩信息,还包括:
获取隧道掌子面及洞周区域露头围岩结构面的三维位移坐标值;
基于所述三维位移坐标值确定结构面空间位移及其矢量方程表达式;
基于所述结构面空间位移及其矢量方程表达式中的结构面空间位移及其矢量方程常数确定所述围岩结构面发育程度参数。
4.根据权利要求1所述的基于多元信息的隧道支护体系动态设计方法,其特征在于,所述当前施工信息包括开挖断面的形状及尺寸、开挖工法类型及参数、循环进尺控制、支护时机及每循环耗时、施工安全步距控制参数。
5.根据权利要求1所述的基于多元信息的隧道支护体系动态设计方法,其特征在于,所述方法还包括训练动态设计模型的步骤,具体包括:
根据多组历史围岩信息、历史施工信息、已施作支护体系的历史支护信息及其对应的支护变形信息得到训练数据集;
基于所述训练数据集以及预设的多种人工智能学习算法分别训练得到最佳动态设计模型。
6.根据权利要求5所述的基于多元信息的隧道支护体系动态设计方法,其特征在于,所述根据多组历史围岩信息、历史施工信息、已施作支护体系的历史支护信息及其对应的支护变形信息得到训练数据集,包括:
获取已施作支护体系对应的支护变形信息;
基于刚度矩阵位移法以及所述支护变形信息反演得到支护结构应力;
根据预设的质量评价规则对所述支护结构应力进行评价,得到对应的安全系数;
判断所述安全系数是否满足预设要求,若是,则将所述历史支护信息及其对应的历史围岩信息和历史施工信息确定为训练数据集中的动态样本;
若否,则将所述历史支护信息及历史施工管控信息进行自动迭代优化,直至满足所述预设要求,并将优化后满足所述预设要求的历史支护信息及其对应的历史围岩信息和历史施工信息确定为训练数据集中的动态样本。
7.根据权利要求1所述的基于多元信息的隧道支护体系动态设计方法,其特征在于,所述动态设计模型为多个,所述多个动态设计模型是分别基于不同的人工智能学习算法及预先确定的动态样本训练得到的;
所述根据所述当前围岩信息、所述当前施工信息以及预先创建的动态设计模型确定隧道支护体系设计参数及适配施工管控对策,包括:
分别获取所述动态设计模型的准确度,并将准确度最高的动态设计模型作为目标动态设计模型;
根据所述当前围岩信息、所述当前施工信息以及所述目标动态设计模型确定隧道支护体系设计参数及适配施工管控对策。
8.一种基于多元信息的隧道支护体系动态设计装置,其特征在于,包括:
信息获取模块,用于获取待支护位置的当前围岩信息及当前施工信息;
支护体系设计参数预测模块,用于根据所述当前围岩信息、所述当前施工信息以及预先创建的动态设计模型确定隧道支护体系设计参数及适配施工管控对策;其中,所述动态设计模型是基于历史围岩信息、历史施工信息、已施作支护体系的支护信息及其对应的支护变形信息训练得到的。
9.根据权利要求8所述的基于多元信息的隧道支护体系动态设计装置,其特征在于,所述装置还包括:
训练数据确定模块,用于根据多组历史围岩信息、历史施工信息、已施作支护体系的历史支护信息及其对应的支护变形信息得到训练数据集;
动态设计模型训练模块,基于所述训练数据集以及预设的多种人工智能学习算法分别训练得到最佳动态设计模型。
10.根据权利要求9所述的基于多元信息的隧道支护体系动态设计装置,其特征在于,所述训练数据确定模块包括:
支护变形信息获取单元,用于获取已施作支护体系对应的支护变形信息;
支护结构应力反演单元,用于基于刚度矩阵位移法以及所述支护变形信息反演得到支护结构应力;
安全系数评价单元,用于根据预设的质量评价规则对所述支护结构应力进行评价,得到对应的安全系数;
动态样本确定单元,用于判断所述安全系数是否满足预设要求,若是,则将所述历史支护信息及其对应的历史围岩信息和历史施工信息确定为训练数据集中的动态样本;若否,则将所述历史支护信息及历史施工管控信息进行自动迭代优化,直至满足所述预设要求,并将优化后满足所述预设要求的历史支护信息及其对应的历史围岩信息和历史施工信息确定为训练数据集中的动态样本。
11.根据权利要求8所述的基于多元信息的隧道支护体系动态设计装置,其特征在于,所述支护体系设计参数及适配施工管控对策预测模块包括:
目标动态设计模型确定单元,用于分别获取多个动态设计模型的准确度,并将准确度最高的动态设计模型作为目标动态设计模型;其中,所述多个动态设计模型是分别基于不同的人工智能学习算法及预先确定的动态样本训练得到的;
支护体系设计参数及适配施工管控对策预测单元,用于根据所述当前围岩信息、所述当前施工信息以及所述目标动态设计模型确定隧道支护体系设计参数及适配施工管控对策。
12.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于多元信息的隧道支护体系动态设计方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于多元信息的隧道支护体系动态设计方法。
14.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于多元信息的隧道支护体系动态设计方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111612141.5A CN114720272A (zh) | 2021-12-27 | 2021-12-27 | 基于多元地质信息融合的隧道支护体系设计方法及系统 |
CN2021116121415 | 2021-12-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116108525A true CN116108525A (zh) | 2023-05-12 |
Family
ID=82235911
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111612141.5A Pending CN114720272A (zh) | 2021-12-27 | 2021-12-27 | 基于多元地质信息融合的隧道支护体系设计方法及系统 |
CN202211683725.6A Pending CN116108525A (zh) | 2021-12-27 | 2022-12-27 | 基于多元信息的隧道支护体系动态设计方法及装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111612141.5A Pending CN114720272A (zh) | 2021-12-27 | 2021-12-27 | 基于多元地质信息融合的隧道支护体系设计方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN114720272A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116858098A (zh) * | 2023-08-15 | 2023-10-10 | 中国铁路经济规划研究院有限公司 | 一种建设期隧道多元信息自动化采集方法和系统 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114858095B (zh) * | 2022-04-27 | 2023-06-23 | 北京科技大学 | 一种基于双像解析的岩体结构面产状测量方法 |
CN117365658B (zh) * | 2023-12-05 | 2024-03-12 | 中国科学院武汉岩土力学研究所 | 一种用于隧道围岩的多源异构信息融合的异常预警系统 |
-
2021
- 2021-12-27 CN CN202111612141.5A patent/CN114720272A/zh active Pending
-
2022
- 2022-12-27 CN CN202211683725.6A patent/CN116108525A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116858098A (zh) * | 2023-08-15 | 2023-10-10 | 中国铁路经济规划研究院有限公司 | 一种建设期隧道多元信息自动化采集方法和系统 |
CN116858098B (zh) * | 2023-08-15 | 2024-02-09 | 中国铁路经济规划研究院有限公司 | 一种建设期隧道多元信息自动化采集方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114720272A (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116108525A (zh) | 基于多元信息的隧道支护体系动态设计方法及装置 | |
Murlidhar et al. | The effects of particle swarm optimisation and genetic algorithm on ANN results in predicting pile bearing capacity | |
Chen et al. | Neuro-genetic, neuro-imperialism and genetic programing models in predicting ultimate bearing capacity of pile | |
Vořechovský | Hierarchical refinement of latin hypercube samples | |
CN101344389B (zh) | 一种利用神经网络预测隧道围岩位移的方法 | |
Huang et al. | Fragility assessment of tunnels in soft soils using artificial neural networks | |
Liao et al. | Attention-based LSTM (AttLSTM) neural network for seismic response modeling of bridges | |
CN112883617B (zh) | 隧道衬砌监测范围计算方法、装置、设备及可读存储介质 | |
Lin et al. | Cluster computing‐aided model updating for a high‐fidelity finite element model of a long‐span cable‐stayed bridge | |
Ghorbani et al. | Determination of initial stress state and rock mass deformation modulus at Lavarak HEPP by back analysis using ant colony optimization and multivariable regression analysis | |
Li et al. | Fast seismic response estimation of tall pier bridges based on deep learning techniques | |
CN106327023A (zh) | 输电工程工时定额测定方法及装置 | |
Mamat et al. | Slope stability prediction of road embankment on soft ground treated with prefabricated vertical drains using artificial neural network | |
CN115423167A (zh) | 一种地铁深基坑施工安全预警及辅助决策方法及系统 | |
Marsili et al. | Seismic reliability assessment of a concrete water tank based on the Bayesian updating of the finite element model | |
Li et al. | A convolutional neural network‐based full‐field response reconstruction framework with multitype inputs and outputs | |
Zhang et al. | Research on damage identification of hull girder based on Probabilistic Neural Network (PNN) | |
CN112836789A (zh) | 一种基于复合神经网络算法的地连墙变形动态预测方法 | |
CN113221434A (zh) | 一种基坑变形预测方法 | |
Schmuhl et al. | Time-dependent probabilistic capacity degradation assessment of prestressed concrete piles in marine environment | |
Sun et al. | Mechanical state assessment of in-service cable-stayed bridge using a two-phase model updating technology and periodic field measurements | |
Alkroosh et al. | Soft computing for modeling punching shear of reinforced concrete flat slabs | |
Tabourot et al. | Compartmentalized model for the mechanical behavior of titanium | |
Rios et al. | Synthetic data generation for the creation of bridge digital twins what-if scenarios | |
Pankratova et al. | System approach to the underground construction objects planning based on foresight and cognitive modelling methodologies |
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 |