CN116992768A - 一种基于数字孪生的隧道掘进灾害监测预警系统 - Google Patents
一种基于数字孪生的隧道掘进灾害监测预警系统 Download PDFInfo
- Publication number
- CN116992768A CN116992768A CN202310977074.XA CN202310977074A CN116992768A CN 116992768 A CN116992768 A CN 116992768A CN 202310977074 A CN202310977074 A CN 202310977074A CN 116992768 A CN116992768 A CN 116992768A
- Authority
- CN
- China
- Prior art keywords
- model
- data
- mapping
- early warning
- tunneling
- 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
- 230000005641 tunneling Effects 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 title claims abstract description 16
- 238000010276 construction Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000013507 mapping Methods 0.000 claims description 57
- 230000033001 locomotion Effects 0.000 claims description 46
- 239000011435 rock Substances 0.000 claims description 46
- 238000001514 detection method Methods 0.000 claims description 43
- 238000004088 simulation Methods 0.000 claims description 36
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 18
- 230000003068 static effect Effects 0.000 claims description 16
- 230000008447 perception Effects 0.000 claims description 11
- 238000009412 basement excavation Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000013499 data model Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 7
- 230000008901 benefit Effects 0.000 claims description 6
- 239000003673 groundwater Substances 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000009877 rendering Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 230000005489 elastic deformation Effects 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000007667 floating Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000036346 tooth eruption Effects 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 3
- 238000011282 treatment Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013506 data mapping Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000007654 immersion Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- 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]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/02—CAD in a network environment, e.g. collaborative CAD or distributed simulation
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/18—Details relating to CAD techniques using virtual or augmented reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules
-
- 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)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Chemical & Material Sciences (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Mining & Mineral Resources (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Geology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Crystallography & Structural Chemistry (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Geochemistry & Mineralogy (AREA)
- Structural Engineering (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- General Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及隧道掘进技术领域,特别涉及一种基于数字孪生的隧道掘进灾害监测预警系统。包括:反演学习操作模块、隧道施工实体模块、孪生数字模型和孪生数据库。本发明以隧道和地下空间的真实开发环境为基础,建立数字孪生模型,模拟隧道和地下空间开发全过程,可视化整体施工状态,对将要发生的灾害提出预警,并可根据现场施工的进行对模型进行更新和优化,为我国的交通强国建设和地下空间开发保驾护航。
Description
技术领域
本发明涉及隧道掘进技术领域,特别涉及一种基于数字孪生的隧道掘进灾害监测预警系统。
背景技术
传统的隧道掘进及地下空间开发灾害预测方法通常需要不断地对现场的施工环境进行监测,不仅提高了施工成本,而且影响施工效率;其次整个施工环境不透明,难以对可能发生的灾害有整体的认识;最后是对灾害的判别一般基于大量的统计学人为计算,精准度不高且主观因素较强。
发明内容
本发明公开了一种基于数字孪生的隧道掘进灾害监测预警系统。
它通过这样的技术方案实现的,包括反演学习操作模块、隧道施工实体模块、孪生数字模型和孪生数据库;
所述孪生数据库,实时存储并迭代更新数据;
所述隧道施工实体模块,获取施工现场各类数据,并送至数据库;
所述反演学习操作模块,获取孪生数据库中数据,实时计算施工参数,判断是否预警,将预警信息发送至孪生数字模型;
所述孪生数字模型,获取孪生数据库中数据,构建可视化图像,显示预警信息;
进一步地,所述隧道施工实体模块可对施工现场进行水体探测、地应力探测、围岩形貌探测和瓦斯深度探测,并将结果存入孪生数据库中;
所述水体探测采用水体孔中瞬变电磁精细化探测技术,可对掌子面前方致灾水体的远距离超前探测及钻孔周边隐伏致灾水体的精细化探测;
所述地应力探测采用隧道管片结构应力及围岩压力探测技术,所述围岩形貌探测采用激光测距仪进行掌子面三维形貌扫描,激光测距探测掘进工作面表面形态;
所述瓦斯浓度探测采用甲烷探测传感器,将甲烷浓度转换成标准的电信号。
进一步地,所述孪生数字模型可显示围岩大变形、有害气体涌出、涌水突泥、隧道坍塌和岩爆的预警。
进一步地,所述反演学习人机交互模块可输入预警标准,可根据预警标准和施工现场各类数据进行设备状态分析、灾害类型辨别、工程质量判断和工程效益评估;
所述反演学习人机交互模块可对孪生数据库中的数据进行学习和训练,构建各类神经网络模型,分析多目标区域协同掘进-围岩变形的最优施工参数,建立不同岩性下的掘进效果评价模型。
进一步地,所述孪生数字模型的构建方法如下:
构建虚拟仿真映射模型;
虚拟仿真映射;
构建多维虚拟仿真模型。
进一步地,构建虚拟仿真映射模型的具体方法如下:
构建几何模型通过静态映射从物理模型中获取模型的属性信息,用三维软件对物理模型1:1还原;物理模型包括运动模型和环境仿真模型;
运动模型的构建分为两个部分,一部分是运动规则的写入,需要通过脚本为虚拟模型赋予运动规则;另一部分则是通过动态映射方法实时获取掘进机和掘进工作面的运行参数,保持虚拟模型与物理模型的动作同步;
环境仿真模型通过动态映射获取物理巷道环境数据,利用粒子系统将巷道环境数据转化为粒子的浓度与颜色变化,以图形化的方式实时监控巷道内的瓦斯浓度和其他环境参数的变化。
进一步地,虚拟仿真映射的具体方法如下:
静态映射的数据为巷道内的设备属性信息,静态数据的映射方法属于文档存储,当构建几何模型时通过查阅属性文档获取设备与零件的属性;
将感知数据对应运动模型和环境仿真模型进行转化,物理巷道中采集到的元数据结构如下:
Dp=(sensor_id,item,value,time)
式中,sensor_id为传感器编码,item表示数据标签,value表示数据值,数据的类型为浮点数据,time表示时间戳;
感知数据由式中的字段作为表格的表头,每一行表示为同一时间下感知数据的数据集,value整列表示每个传感器在时间段内的感知数据;
定义运动模型与环境仿真模型的数据结构,该数据结构如下:
Dd=(Eid,group,item,value,time)
group=(name,subset)
式中,group表示Ei d所处的层级,group具有字段名字name和更小的层级subset,当存在更小层级时可以通过循环嵌套的方式表示;
可将感知数据对应到设备中,将数据结构转化完成后,运动模型或环境仿真模型读取与之对应的数据驱动模型的运动或仿真;包括数据模型、映射服务端和映射客户端:
当客户端向服务端发送数据请求时,数据模型负责将物理巷道内的感知数据转换为与虚拟仿真模型适配的数据结构;
映射服务端是数据传输的上层应用,负责存储物理系统中各传感器的采集数据,并在收到客户端的请求指令后将数据传输至客户端;
映射模型客户端是数据的使用者,客户端被安装在系统内部,通过向服务端发送请求,从后台获取模型所需数据,同时,客户端也能向服务端上传数据,形成数据的闭环,实现数字孪生的虚实映射。
进一步地,构建多维虚拟仿真模型的具体方法如下:
几何模型构建,首先利用三维建模软件Sol idworks描述物理设备的几何特征,并根据物理模型中的装配规则进行组装,然后导入到3DMax中,为零件赋予材质属性,并对其进行贴图、烘焙处理,渲染完成后导出为.FBX格式的文件,将其导入Unity3D中,在Unity3D中搭建巷道环境,并设计光源与背景;在几何模型构建过程中不考虑惯性、阻尼、弹性变形等物理因素,只将设备零部件看作是刚体;将三维模型导入3DMax中,使用Vary插件为各部件添加材质,然后通过URL贴图导出图片,在Photoshop中添加各个面片的颜色,并绘制纹理添加到设备表面;
运动模型构建,运动模型的控制对象为隧道掘进机和掘进工作面,包含3类运动,分别为风掘进机前后运动、刀盘旋转破岩和支护的安装:掘进机前后运动,掘进机通过动力系统前后运动,并往刀盘上施加外力;刀盘旋转破岩,刀盘转动,切削齿破碎岩体,工作面岩体破碎剥落;支护的安装,通过安装支护,提高岩体的整体性和物理力学参数,有效防止围岩的松弛;
环境仿真模型构建,确定断层和其他不良地质体与隧道轴线交点的位置,估测岩层、断层和地质界面的产物,预测地下水富存段;根据宏观地质分析预测成果和开挖面地质调查,结合各种物探方法的适宜性,有针对性地选择物性参数互补的物探方法进行超前探测与预报解译,了解开挖面前方一定距离的详细质地特征信息;通过上述地质分析和物探预报解译,对开挖面前方的基本地质条件,包括断层、岩体破碎情况、溶洞、地下水情况、岩体软硬程度和瓦斯浓度,进行综合分析预报,并将参数记录和导入环境仿真模型。
本发明由于采取以上技术方案,具有以下优点:
1、基于数字孪生的隧道掘进灾害监测预警系统以人工智能数据库和数字孪生模型为基础,对掘进整体环境进行数字化重建,可以真实地反映物理世界,实现三维地应力和瓦斯分布演化等多参数可视化,整体施工环境透明化。
2、基于孪生数据库建立准则,构建考虑多因素时空演变的模型和数据驱动隧道围岩跨时间尺度稳定性评价和灾变预警模型,针对隧道开挖过程中面临采空区破断、坍塌和瓦斯积聚、异常涌出等多灾害实现掘进施工超前进行,灾害预警超前感知。
3、基于深度学习理论,构建了神经网络深度学习数据库,实现掘进物理环境变化与孪生数字模型的迭代更新,建立了可视化人机交互平台,可针对不同的施工状况调整灾害预警条件,增加了灾害预警系统的适应性。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。
附图说明
本发明的附图说明如下。
图1为本发明的系统结构示意图。
图2为数据探测和预警的流程示意图。
图3为灾害预警与神经网络运行流程示意图。
图4为隧道掘进及地下空间开发状态示意图。
图5为虚拟仿真模型构建流程示意图。
图6为几何模型构建路线示意图。
图7为环境仿真模型建立示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
一种基于数字孪生的隧道掘进灾害监测预警系统,如图1所示,包括反演学习操作模块、隧道施工实体模块、孪生数字模型和孪生数据库;
所述孪生数据库,实时存储并迭代更新数据;
所述隧道施工实体模块,获取施工现场各类数据,并送至数据库;
所述反演学习操作模块,获取孪生数据库中数据,实时计算施工参数,判断是否预警,将预警信息发送至孪生数字模型;
所述孪生数字模型,如图4所示,获取孪生数据库中数据,构建可视化图像,显示预警信息;
进一步地,如图2所示,所述隧道施工实体模块可对施工现场进行水体探测、地应力探测、围岩形貌探测和瓦斯深度探测,并将结果存入孪生数据库中;
所述水体探测采用水体孔中瞬变电磁精细化探测技术,可对掌子面前方致灾水体的远距离超前探测及钻孔周边隐伏致灾水体的精细化探测;
所述地应力探测采用隧道管片结构应力及围岩压力探测技术,所述围岩形貌探测采用激光测距仪进行掌子面三维形貌扫描,激光测距探测掘进工作面表面形态;
所述瓦斯浓度探测采用甲烷探测传感器,将甲烷浓度转换成标准的电信号。
进一步地,如图2所示,所述孪生数字模型可显示围岩大变形、有害气体涌出、涌水突泥、隧道坍塌和岩爆的预警。
进一步地,所述反演学习人机交互模块可输入预警标准,可根据预警标准和施工现场各类数据进行设备状态分析、灾害类型辨别、工程质量判断和工程效益评估;
所述反演学习人机交互模块可对孪生数据库中的数据进行学习和训练,如图3所示,构建各类神经网络模型,分析多目标区域协同掘进-围岩变形的最优施工参数,建立不同岩性下的掘进效果评价模型。
数字孪生模型构建过程主要分为两部分,第一部分是虚拟仿真映射技术,定义静态数据映射和动态数据映射两种模式;第二部分从三个维度构建虚拟仿真模型,分别是几何维度、运动维度以及环境仿真维度,最后融合三个模型,实现多维虚拟仿真模型的构建。
虚拟仿真模型作为数字孪生的基础,其高保真直接影响系统用户监控的沉浸感与准确度。虚拟仿真模型是对物理巷道的真实映射,物理巷道主要由环境与设备组成,其中设备分为静态设备与动态设备。静态设备指在巷道中位置保持不变的设备,如巷道、传感器等,动态设备专指掘进机和掘进工作面。其构建方案如图5所示。
构建几何模型通过静态映射从物理模型中获取模型的属性信息,如几何形状,尺寸大小、装配规则等,然后基于此信息使用三维软件对物理模型1:1还原,并为其赋予材质属性,最后通过专业的渲染软件对其渲染,提高模型视觉真实性。
运动模型的构建分为两个部分,一部分是运动规则的写入,Unity3D与三维建模不同,其无法从装配关系中直接获取运动规则,需要通过脚本为虚拟模型赋予运动规则;另一部分则是通过动态映射方法实时获取掘进机和掘进工作面的运行参数,保持虚拟模型与物理模型的动作同步。
环境仿真模型通过动态映射获取物理巷道环境数据,利用粒子系统将巷道环境数据转化为粒子的浓度与颜色变化,以图形化的方式实时监控巷道内的瓦斯浓度和其他环境参数的变化。
根据物理巷道内的数据结构将虚拟仿真的映射分为静态映射与动态映射,其中静态映射主要向虚拟模型输送物理设备信息,这些数据是静态的属性信息。虚拟仿真模型通过静态映射保证模型的真实性,动态映射则是向虚拟仿真模型传递实时感知数据,实现虚实同步。
静态映射的数据为巷道内的设备属性信息,设备有多个子装配体或零件组成,设备的几何尺寸在设备信息中未曾给出,而是由其组成零件决定。
由于设备与零件信息不属于实时数据,在后续仿真过程中使用较少,因此静态数据的映射方法属于文档存储,当构建几何模型时通过查阅属性文档获取设备与零件的属性,同时便于几何建模后期验证与校对。
在进行动态映射之前,为了使物理巷道内的感知数据能够适配Unity3D中脚本的数据输入格式,需要将感知数据对应运动模型和环境仿真模型进行转化。物理巷道中采集到的元数据结构如式(1)所示。
Dp=(sensor_id,item,value,time) (1)
式(1)中,sensor_id为传感器编码,item表示数据标签,value表示数据值,数据的类型为浮点数据,time表示时间戳。
感知数据由式中的字段作为表格的表头,每一行表示为同一时间下感知数据的数据集,value整列表示每个传感器在时间段内的感知数据。巷道内的感知数据由数十个此类表格组成,数据结构缺乏层次化。为了将感知数据按层级关系映射到对应的模型对象中,需要定义运动模型与环境仿真模型的数据结构,该数据结构如下式所示。
Dd=(Eid,group,item,value,time) (2)
group=(name,subset) (3)
式中,group表示Eid所处的层级,group具有字段名字name和更小的层级subset,当存在更小层级时可以通过循环嵌套的方式表示。
根据式(2)所示的层级结构,可将感知数据对应到设备中,如巷道内的瓦斯测点i的瓦斯浓度如式(4)所示。
Dd=(Ei,(environment,(gas,gas_i),gas-concentration,ω,t1)) (4)
上式表示设备对象Ei对应的数据为environment类下gas层级中的gas_i的数据,数据标签为瓦斯i的浓度,浓度值为,时间戳为t1。
将数据结构转化完成后,运动模型或环境仿真模型读取与之对应的数据驱动模型的运动或仿真。数据的传输通过无线通信实现,主要由三个部分组成,分别是数据模型、映射服务端和映射客户端。
(1)数据模型
当客户端向服务端发送数据请求时,数据模型负责将物理巷道内的感知数据通过式(2)转换为与虚拟仿真模型适配的数据结构。
(2)映射模型服务
映射服务端是数据传输的上层应用,主要负责存储物理系统中各传感器的采集数据,并在收到客户端的请求指令后将数据传输至客户端。
(3)映射模型客户端
映射模型客户端是数据的使用者,客户端被安装在系统内部,通过向服务端发送请求,从后台获取模型所需数据,同时,客户端也能向服务端上传数据,形成数据的闭环,实现数字孪生的虚实映射。
数字孪生虚拟仿真模型通过几何模型、运动模型和环境仿真模型进行构建,并通过三者之间的相互联系多维融合,实现多维虚拟仿真模型的构建。
几何模型为物理实体在数字空间的1:1映射,是后续模拟仿真和智能控制的基础,因此首先应该建立巷道的数字孪生虚拟几何模型。
几何建模流程如图6所示,首先利用三维建模软件Solidworks描述物理设备的几何特征,并根据物理模型中的装配规则进行组装,然后导入到3DMax中,为零件赋予材质属性,并对其进行贴图、烘焙等处理,渲染完成后导出为.FBX格式的文件,将其导入Unity3D中,在Unity3D中搭建巷道环境,并设计光源与背景。在几何模型构建过程中不考虑惯性、阻尼、弹性变形等物理因素,只将设备零部件看作是刚体。将三维模型导入3DMax中,使用Vary插件为各部件添加材质,然后通过URL贴图导出图片,在Photoshop中添加各个面片的颜色,并绘制纹理添加到设备表面。
运动模型的控制对象为隧道掘进机和掘进工作面,包含3类运动,分别为风掘进机前后运动、刀盘旋转破岩和支护的安装。
(1)掘进机前后运动:掘进机通过动力系统前后运动,并往刀盘上施加外力;
(2)刀盘旋转破岩:刀盘转动,切削齿破碎岩体,工作面岩体破碎剥落;
(3)支护的安装:通过安装支护,提高岩体的整体性和物理力学参数,有效防止围岩的松弛。
在虚拟仿真系统中,环境的仿真主要有两个作用,一方面环境仿真可以增强虚拟巷道的真实性,提高用户的沉浸感;另一方面,系统用户可通过可视化界面更直观的监控巷道内的环境参数变化,及时做出反应。利用综合超前地质预报的方法建立环境仿真模型,建模流程如图7所示。
首先对隧址区勘察设计资料进行详细研究,利用地面地质调查等方法,确定断层和其他不良地质体与隧道轴线交点的大概位置,估测岩层、断层和其他重要地质界面的产物,预测地下水富存段。在此基础上,根据宏观地质分析预测成果和开挖面地质调查,结合各种物探方法的适宜性,有针对性地选择一种或几种物性参数互补的物探方法进行超前探测与预报解译,了解开挖面前方一定距离的详细质地特征信息。通过上述地质分析和物探预报解译,对开挖面前方的基本地质条件,包括断层、岩体破碎情况、溶洞、地下水情况、岩体软硬程度、瓦斯浓度等,进行综合分析预报,并将参数记录和导入环境仿真模型。
几何模型是虚拟仿真模型的基础,运动模型与环境仿真模型都是基于几何模型构建的,运动模型本质上是几何模型状态变化的动态映射,而环境仿真模型更是位于巷道空间内的模拟与仿真。运动模型在收到物理实体传递的信号时,基于掘进机运动数据调用运动规则脚本改变几何模型的姿态,同时掘进机和环境参数调整,环境仿真模型则根据物理巷道内的环境参数做出实时的调整。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (8)
1.一种基于数字孪生的隧道掘进灾害监测预警系统,其特征在于,包括:反演学习操作模块、隧道施工实体模块、孪生数字模型和孪生数据库;
所述孪生数据库,实时存储并迭代更新数据;
所述隧道施工实体模块,获取施工现场各类数据,并送至数据库;
所述反演学习操作模块,获取孪生数据库中数据,实时计算施工参数,判断是否预警,将预警信息发送至孪生数字模型;
所述孪生数字模型,获取孪生数据库中数据,构建可视化图像,显示预警信息。
2.如权利要求1所述的基于数字孪生的隧道掘进灾害监测预警系统,其特征在于,所述隧道施工实体模块可对施工现场进行水体探测、地应力探测、围岩形貌探测和瓦斯深度探测,并将结果存入孪生数据库中;
所述水体探测采用水体孔中瞬变电磁精细化探测技术,可对掌子面前方致灾水体的远距离超前探测及钻孔周边隐伏致灾水体的精细化探测;
所述地应力探测采用隧道管片结构应力及围岩压力探测技术,所述围岩形貌探测采用激光测距仪进行掌子面三维形貌扫描,激光测距探测掘进工作面表面形态;
所述瓦斯浓度探测采用甲烷探测传感器,将甲烷浓度转换成标准的电信号。
3.如权利要求1所述的基于数字孪生的隧道掘进灾害监测预警系统,其特征在于,所述孪生数字模型可显示围岩大变形、有害气体涌出、涌水突泥、隧道坍塌和岩爆的预警。
4.如权利要求1所述的基于数字孪生的隧道掘进灾害监测预警系统,其特征在于,所述反演学习人机交互模块可输入预警标准,可根据预警标准和施工现场各类数据进行设备状态分析、灾害类型辨别、工程质量判断和工程效益评估;
所述反演学习人机交互模块可对孪生数据库中的数据进行学习和训练,构建各类神经网络模型,分析多目标区域协同掘进-围岩变形的最优施工参数,建立不同岩性下的掘进效果评价模型。
5.如权利要求1所述的基于数字孪生的隧道掘进灾害监测预警系统,其特征在于,所述孪生数字模型的构建方法如下:
构建虚拟仿真映射模型;
虚拟仿真映射;
构建多维虚拟仿真模型。
6.如权利要求5所述的基于数字孪生的隧道掘进灾害监测预警系统,其特征在于,构建虚拟仿真映射模型的具体方法如下:
构建几何模型通过静态映射从物理模型中获取模型的属性信息,用三维软件对物理模型1:1还原;物理模型包括运动模型和环境仿真模型;
运动模型的构建分为两个部分,一部分是运动规则的写入,需要通过脚本为虚拟模型赋予运动规则;另一部分则是通过动态映射方法实时获取掘进机和掘进工作面的运行参数,保持虚拟模型与物理模型的动作同步;
环境仿真模型通过动态映射获取物理巷道环境数据,利用粒子系统将巷道环境数据转化为粒子的浓度与颜色变化,以图形化的方式实时监控巷道内的瓦斯浓度和其他环境参数的变化。
7.如权利要求5所述的基于数字孪生的隧道掘进灾害监测预警系统,其特征在于,虚拟仿真映射的具体方法如下:
静态映射的数据为巷道内的设备属性信息,静态数据的映射方法属于文档存储,当构建几何模型时通过查阅属性文档获取设备与零件的属性;
将感知数据对应运动模型和环境仿真模型进行转化,物理巷道中采集到的元数据结构如下:
Dp=(sensor_id,item,value,time)
式中,sensor_id为传感器编码,item表示数据标签,value表示数据值,数据的类型为浮点数据,time表示时间戳;
感知数据由式中的字段作为表格的表头,每一行表示为同一时间下感知数据的数据集,value整列表示每个传感器在时间段内的感知数据;
定义运动模型与环境仿真模型的数据结构,该数据结构如下:
Dd=(Eid,group,item,value,time)
group=(name,subset)
式中,group表示Eid所处的层级,group具有字段名字name和更小的层级subset,当存在更小层级时可以通过循环嵌套的方式表示;
可将感知数据对应到设备中,将数据结构转化完成后,运动模型或环境仿真模型读取与之对应的数据驱动模型的运动或仿真;包括数据模型、映射服务端和映射客户端:
当客户端向服务端发送数据请求时,数据模型负责将物理巷道内的感知数据转换为与虚拟仿真模型适配的数据结构;
映射服务端是数据传输的上层应用,负责存储物理系统中各传感器的采集数据,并在收到客户端的请求指令后将数据传输至客户端;
映射模型客户端是数据的使用者,客户端被安装在系统内部,通过向服务端发送请求,从后台获取模型所需数据,同时,客户端也能向服务端上传数据,形成数据的闭环,实现数字孪生的虚实映射。
8.如权利要求5所述的基于数字孪生的隧道掘进灾害监测预警系统,其特征在于,构建多维虚拟仿真模型的具体方法如下:
几何模型构建,首先利用三维建模软件Solidworks描述物理设备的几何特征,并根据物理模型中的装配规则进行组装,然后导入到3DMax中,为零件赋予材质属性,并对其进行贴图、烘焙处理,渲染完成后导出为.FBX格式的文件,将其导入Unity3D中,在Unity3D中搭建巷道环境,并设计光源与背景;在几何模型构建过程中不考虑惯性、阻尼、弹性变形等物理因素,只将设备零部件看作是刚体;将三维模型导入3DMax中,使用Vary插件为各部件添加材质,然后通过URL贴图导出图片,在Photoshop中添加各个面片的颜色,并绘制纹理添加到设备表面;
运动模型构建,运动模型的控制对象为隧道掘进机和掘进工作面,包含3类运动,分别为风掘进机前后运动、刀盘旋转破岩和支护的安装:掘进机前后运动,掘进机通过动力系统前后运动,并往刀盘上施加外力;刀盘旋转破岩,刀盘转动,切削齿破碎岩体,工作面岩体破碎剥落;支护的安装,通过安装支护,提高岩体的整体性和物理力学参数,有效防止围岩的松弛;
环境仿真模型构建,确定断层和其他不良地质体与隧道轴线交点的位置,估测岩层、断层和地质界面的产物,预测地下水富存段;根据宏观地质分析预测成果和开挖面地质调查,结合各种物探方法的适宜性,有针对性地选择物性参数互补的物探方法进行超前探测与预报解译,了解开挖面前方一定距离的详细质地特征信息;通过上述地质分析和物探预报解译,对开挖面前方的基本地质条件,包括断层、岩体破碎情况、溶洞、地下水情况、岩体软硬程度和瓦斯浓度,进行综合分析预报,并将参数记录和导入环境仿真模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310977074.XA CN116992768A (zh) | 2023-08-04 | 2023-08-04 | 一种基于数字孪生的隧道掘进灾害监测预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310977074.XA CN116992768A (zh) | 2023-08-04 | 2023-08-04 | 一种基于数字孪生的隧道掘进灾害监测预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116992768A true CN116992768A (zh) | 2023-11-03 |
Family
ID=88533516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310977074.XA Pending CN116992768A (zh) | 2023-08-04 | 2023-08-04 | 一种基于数字孪生的隧道掘进灾害监测预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116992768A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117408855A (zh) * | 2023-12-12 | 2024-01-16 | 江西省水投江河信息技术有限公司 | 水库工程安全管理方法、系统、存储介质及计算机设备 |
-
2023
- 2023-08-04 CN CN202310977074.XA patent/CN116992768A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117408855A (zh) * | 2023-12-12 | 2024-01-16 | 江西省水投江河信息技术有限公司 | 水库工程安全管理方法、系统、存储介质及计算机设备 |
CN117408855B (zh) * | 2023-12-12 | 2024-03-29 | 江西省水投江河信息技术有限公司 | 水库工程安全管理方法、系统、存储介质及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111191880B (zh) | 一种基于数字化映射的边坡全生命周期安全管理方法 | |
CN114611180B (zh) | 基于地质测量保障系统的矿山智能化管控平台建设方法 | |
CN110689705B (zh) | 矿山地质环境管理综合应用系统 | |
CN105393110B (zh) | 在模拟应力和应变条件下的岩石物理属性的基于图像的直接数值模拟 | |
AU2008335691B2 (en) | Iterative reservior surveillance | |
RU2462755C2 (ru) | Прогнозирование свойств подземной формации | |
CN108694258A (zh) | 用于施工方案预演优化的钻井井下虚拟仿真方法及系统 | |
CN108153985B (zh) | 一种轨道交通岩土工程三维智能信息系统 | |
CN103345540B (zh) | 一种在数字地球软件平台上模拟和显示地质钻孔信息的方法 | |
AU2012326277B2 (en) | 4D Saturation modeling | |
CN116992768A (zh) | 一种基于数字孪生的隧道掘进灾害监测预警系统 | |
CN115454057A (zh) | 一种煤矿机器人群数字孪生智能管控建模系统与方法 | |
CN115688227A (zh) | 数字孪生水利工程运行安全监测系统及运行方法 | |
CN110927821A (zh) | 一种基于bim+gis的隧道施工超前地质预报信息系统 | |
CN116486025A (zh) | 一种基于大数据云计算技术的城市地质数据处理平台 | |
Shipton et al. | Fault fictions: Systematic biases in the conceptualization of fault-zone architecture | |
CN116797030A (zh) | 地质监测预警方法、系统、计算机设备及存储介质 | |
CN113052967A (zh) | 一种基于数字三维可视化的地质勘察成果表达方法 | |
CN112102488A (zh) | 地下水资源三维可视化动态监测结构模型的构建方法 | |
CN110955994A (zh) | 一种可燃冰开采环境安全虚拟仿真评估系统及方法 | |
CN211123324U (zh) | 一种基于bim+gis的隧道施工超前地质预报信息系统 | |
CN116523401A (zh) | 一种油藏数字孪生构建方法与装置 | |
CN116663315A (zh) | 一种滑坡治理三维工程数据库平台建设方法与系统 | |
Zhu et al. | Recent advances of digitization in rock mechanics and rock engineering | |
CN116304977A (zh) | 多源地质勘察数据融合方法、装置、设备及存储介质 |
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 |