山岭隧道动态设计与施工智能辅助决策系统研究

摘要

新奥法目前仍然是山岭隧道施工的主要工法，该法以围岩分级为工程类比的桥梁，然后依据施工中的监测信息，及时调整初步设计，形成动态信息化施工。合理的岩体质量分级对于制定隧道工程设计和施工方案是十分重要的。钻爆施工参数的选择不仅关系到隧道围岩及支护结构的稳定性，也影响到施工进度和费用。如何优化爆破工艺参数，同时有效地保证围岩的稳定，是目前钻爆法隧道施工中亟待解决的关键技术问题。
　　在隧道施工监控量测过程中，手工管理大量的监测数据，既容易丢失数据，且不便于生成各种曲线，并对围岩和支护结构的变化情况进行分析，施工过程中围岩变形的时空效应难以评估，从而缺乏判断围岩稳定性的科学依据。
　　论文针对现阶段长大隧道施工存在的以上问题，结合安徽省绩（溪）-黄（山）高速公路佛岭长大隧道施工，采用现场测试、室内试验、理论分析和数值模拟的综合研究手段，并引入人工智能技术，对隧道施工期围岩现场分级、光爆工艺参数优化和监控量测信息管理展开深入研究，最终将研究成果集成化，开发隧道施工智能辅助决策系统可视化软件，为今后公路隧道动态设计和信息化施工提供借鉴指导。论文取得了以下创新性成果:
　　1.以国标BQ围岩分级方法为依据，提出了适应现场施工的隧道围岩快速分级指标及各指标的简便测试方法，引入进化支持向量回归理论，建立了围岩级别与分级指标之间的非线性数学模型;
　　2.采用粒子群优化(PSO)算法优化指数函数、双曲线函数和对数函数的回归系数，实现了任意监测数据的自动拟合，并采用PSO与BP神经网络耦合算法建立围岩变形与时间之间的非线性智能模型，以进行围岩变形的超前预报;引入有限单元法，通过对关键点围岩压力监测数据的连续插值，采用荷载-结构模型计算初期支护结构内力以进行初期支护稳定性判断;
　　3.提出了隧道工程施工光爆参数优化的有约束多目标规划数学模型，即光爆参数优化是在保证爆破后围岩稳定（约束条件）的前提下，达到围岩松动范围和超欠挖量的最小化，并依据现代优化理论提出了相应的求解算法;
　　4.引入粒子群优化(PSO)与BP神经元耦合算法，在现场光爆实验及动力有限元模拟的基础上对上述有约束多目标规划问题进行了求解;
　　5.采用可视化编程技术，开发隧道施工围岩快速分级和爆参数最优化模块，并集成到一个系统，开发完成了智能化和自动化程度高的集成软件《公路隧道施工智能辅助决策系统》，并在佛岭隧道、宁绩高速公路隧道群施工中得到成功应用。

目录

声明

致谢

摘要

1 绪论

1．1 论文研究意义

1．2 国内外研究现状分析

1．2．1 围岩分级研究现状

1．2．2 公路隧道光面爆破参数优化研究

1．2．3 公路隧道施工监控量测信息管理系统

1．2．4 系统集成—公路隧道施工智能辅助决策系统研究

1．3 现阶段隧道工程动态设计与施工辅助决策系统研究中存在的问题

1．4 本文研究内容及研究技术路线

1．4．1 研究内容

1．4．2、研究技术路线

1．5 本论文的创新之处

2 隧道施工期现场围岩级别快速判定方法研究

2．1 隧道围岩BQ分级指标现场快速获取方法研究

2．1．1 围岩BQ分级指标现场实测技术

2．1．2 岩石饱和单轴抗压强度与回弹强度相关性分析

2．1．3 岩石饱和单轴抗压强度与弹性模量相关性分析

2．2 佛岭隧道施工期围岩级别BQ法快速判定

2．3 基于BQ分级法的佛岭隧道施工期围岩分级新体系

2．3．1 新分级体系的分级指标

2．3．2 新分级体系分级指标的现场测试方法

2．3．3 定性分级指标的定量化标准

2．4 基于进化支持向量机算法的隧道工程岩体快速分级方法

2．4．1 支持向量回归算法

2．4．2 进化支持向量回归算法

2．4．3 基于新分级体系的佛岭隧道围岩进化支持向量回归智能分级模型

2．5 佛岭隧道围岩快速分级的数学模型

2．5．1 隧道围岩分级的进化支持向量回归数学模型

2．5．2 隧道围岩分级数学模型的检验

2．6 本章小结

3 山岭隧道钻爆法施工光爆现场试验及数值模拟

3．1 山岭隧道光面爆破施工现场试验

3．1．1 试验仪器

3．1．2 试验测试项目

3．1．3 现场试验流程

3．1．4 爆破松动圈测试

3．2 佛岭隧道光面爆破施工数值模拟

3．2．1 LS-DYNA动力有限元分析程序

3．2．2 建模及计算参数选择

3．2．3 模型细部简介

3．2．3 佛岭隧道光面爆破施工数值模拟围岩振动速度监测

3．2．4 佛岭隧道光面爆破施工的数值模拟

3．3 佛岭隧道爆破施工数值模拟结果分析

3．3．1 围岩震动破坏标准

3．3．2 佛岭隧道爆破施工数值模拟结果的超欠挖统计

3．3．3 佛岭隧道光爆施工数值模拟结果

3．4 本章小结

4 山岭隧道光面爆破参数优化数学模型及求解方法

4．1 光面爆破参数优化的数学模型

4．2 光面爆破参数优化数学模型的求解方法

4．3 基于PSO与BP神经网络耦合算法的佛岭隧道光面爆破参数优化

4．3．1 粒子群优化算法

4．3．2 BP神经元网络简介

4．3．3 PSO与BP耦合算法简介

4．3．4 BP神经网络训练样本的获取

4．3．5 隧道光面爆破输入与输出参数PSO-BP智能映射模型的建立-网络训练

4．3．6 基于PSO-BP神经网络耦合算法的隧道光面爆破参数优化-模型求解

4．3．7 基于PSO-BP耦合算法的隧道光面爆破参数优化-工程算例

4．4 本章小结

5 隧道施工监测信息管理及反馈系统研制

5．1 系统功能与总体规划设计

5．1．1 系统功能与总体规划

5．1．2 数据结构设计

5．1．3 监测系统设计

5．1．4 系统界面设计

5．1．5 系统后台主体设计

5．2 监测数据回归分析与反馈

5．2．1 监测数据的PSO回归分析

5．2．2 监测数据的PSO回归分析实例

5．2．3 回归函数的选择

5．2．4 包含丢失位移的监测数据回归

5．2．5 围岩稳定性判断准则

5．3 基于PSO-BP神经网络耦合算法的围岩变形超前预报

5．4 基于围岩压力监测数据的初支稳定性分析

5．4．1 有限元分析基本原理

5．4．2 有限元分析程序设计

5．4．3 佛岭隧道围岩压力监测有限元分析实例

5．5 监测数据分析与管理系统应用实例

5．5．1 数据录入与存储

5．5．2 监测数据回归分析

5．5．3 监测数据趋势曲线图

5．5．4 报表功能模块

5．5．6 监测数据分析与预测专家系统功能模块

5．6 本章小结

6 公路隧道施工智能辅助决策系统研究

6．1 系统功能与总体规划

6．1．1 系统功能

6．1．2 系统总体规划

6．2 隧道施工期围岩快速分级功能模块

6．2．1 隧道施工期围岩快速分级模块中数据库与数据模型设计

6．2．2 隧道施工期围岩快速分级模块中业务逻辑设计

6．2．3 隧道施工期围岩快速分级模块界面设计

6．3 光面爆破工艺参数优化模块

6．3．1 光面爆破工艺参数优化模块中数据模型设计

6．3．2 光面爆破工艺参数优化模块中业务逻辑设计

6．3．3 光面爆破工艺参数优化模块中界面设计

6．4 本章小结

7 结论与展望

7．1 结论

7．2 需要进一步研究的问题及展望

参考文献

作者简历及攻读博士学位期间取得的研究成果

学位论文数据集