【技术实现步骤摘要】
地表沉降控制方法及系统
[0001]本专利技术属于盾构控制
，涉及一种盾构控制系统，尤其涉及一种地表沉降控制方法及系统。
技术介绍
[0002]盾构技术始于英国，发展于日本、德国，飞速跨越发展于中国。盾构的原理在1806年由英国人Marc Isamar Brunel提出。1825年，他在伦敦泰晤士河下用高6.8m、宽11.4m的矩形盾构修建了第一条盾构法隧道，至今已有近200年的历史。盾构法以其安全、环保、快速、性价比高等特点已成为隧道施工的首选工法，目前国内广泛应用于城市轨道交通、地下综合管廊、地下道路、地下停车场等城市地下空间建设，公路、铁路隧道工程建设，过江隧道、引水隧洞工程及军事防护工程建设等。
[0003]盾构掘进过程中地表的沉降控制是保证施工质量和安全的关键，由于刀盘的切削、盾构机与周围土层的摩擦以及盾尾与周围土层形成的空隙,无可避免会对周围地层产生扰动,从而引发地层应力场、位移场的变化,造成地面沉降。如控制不当,则会对周围环境造成较大影响, 如地面过大沉降、邻近建筑物/构筑物变形、开裂,严重时甚至引发地面塌陷、房屋倒塌等灾难性后果，引发一系列环境问题和安全问题。而近年来由于城市地下空间开发进程大大加快，而盾构施工技术人员培训周期长，经验丰富的盾构技术人员严重紧缺，导致盾构施工造成的地表沉降事故屡见不鲜。因此，面向地表沉降的掘进参数控制方法具有重要意义。
[0004]有鉴于此，如今迫切需要设计一种新的地表沉降控制方式，以便克服现有地表沉降控制方式存在的上述至少部分缺陷。
专利...
【技术保护点】
【技术特征摘要】
1.一种地表沉降控制方法，其特征在于，所述地表沉降控制方法包括：实时施工数据获取步骤，获取所需的实时施工数据；施工数据处理步骤，对所述实时施工数据获取步骤中获取的施工数据进行处理，包括沉降数据特征提取及掘进参数数据处理；掘进参数阈值计算步骤，根据盾构实时工况计算得到各掘进参数调整范围，作为掘进参数优化求解过程中的可行域；沉降控制评价步骤，根据实际沉降情况与目标沉降的差距对沉降控制效果进行评价，并基于沉降控制评价结果对掘进参数优化过程进行调整；掘进参数优化步骤，采用启发式算法基于沉降预测模型和掘进参数范围根据沉降控制目标计算得到合理的掘进参数，并将计算得到的掘进参数值写入盾构机参与盾构控制。2.根据权利要求1所述的地表沉降控制方法，其特征在于：所述掘进参数优化步骤中，将切口前方和盾尾后方的测点沉降作为一个整体来进考虑，将切口前方和盾尾后方的沉降监测加权平均值作为沉降预测和控制的目标；优化计算过程中引入沉降控制目标值，沉降控制目标值根据实际工程施工情况通过人工输入或沉降目标规划模型计算得到，沉降控制目标具体包括切口前方控制目标G
f_avg
和盾尾后方沉降控制目标G
t_avg
；并将控制的掘进参数进行分为主控掘进参数和辅控掘进参数两类，根据沉降控制评价步骤得到的结果对进行掘进控制参数选择。3.根据权利要求1所述的地表沉降控制方法，其特征在于：所述实时施工数据获取步骤中，通过网络与数据库建立连接获取所需的掘进数据、地表沉降数据和实时地质数据；所述掘进数据具体包括盾构埋深、盾构行程、正面土压力、注浆量、注浆压力、刀盘扭矩、千斤顶推力、切口水平偏差、切口高程偏差、盾尾水平偏差、盾尾高程偏差、盾构坡度角；所述地表沉降数据包括监测时间、监测点位置、测点沉降；所述实时地质数据具体包括开挖面土层的粘聚力、内摩擦角以及含水率；所述施工数据处理步骤包括沉降数据特征提取步骤及掘进数据特征提取步骤；所述沉降数据特征提取步骤中，根据获取的原始沉降数据计算切口前方的沉降平均值S
f_avg
和盾尾后方的沉降平均值S
t_avg
，计算公式如下：，计算公式如下：式中，L
f
为施工对前方地表变形的影响距离，L
t
为施工对后方地表变形的影响距离，k为影响范围内的测点数，s
i
为影响范围内第i个监测点的累计沉降值，p
i
为影响范围内第i个沉降监测点的对应的环号；所述掘进数据特征提取步骤中，剔除原始盾构掘进数据包含的无效信息，包括停推数据以及异常数据；首先根据推进速度、刀盘转速和推力大小进行停推判断，推进速度、刀盘转速和推力其中一者为0时则判断为停机并将该条数据删除，然后计算各参数的均值μ和标
准差σ，如果数据没有落在(μ
‑
3σ，μ+3σ)范围内，则判定该数据为异常数据并剔除该数据；最后计算环平均正面土压力、环平均推进速度、环注浆填充率、环水平姿态变化量、环高程姿态变化量作为掘进参数特征。4.根据权利要求1所述的地表沉降控制方法，其特征在于：所述掘进参数阈值计算步骤中，结合当前工况根据经验公式确定各掘进参数所允许的调整范围，并将其输入至掘进参数优化模块，作为启发式算法优化求解过程中的可行域；所述掘进参数阈值计算步骤包括注浆压力计算步骤、注浆量计算步骤及土仓压力计算步骤；所述注浆压力计算步骤中，计算注浆压力；根据地层原始应力及盾构施工的地质环境所确定注浆压力,注浆压力σ
a
取值范围预估公式如下：式中，为土体的内摩擦角，c为土体的粘聚力，σ0为地层原始应力，Δσ注浆压力沿程损失；所述注浆量计算步骤中，计算注浆量；由于软土地层的土体强度较低，盾尾脱出管片后存在建筑空隙，需要通过浆液进行填充，注浆量V取值范围预估公式如下：式中，D0为盾构刀盘直径；D为管片外径；所述土仓压力计算步骤中，计算土仓压力；土压力取值范围预估公式如下：所述土仓压力计算步骤中，计算土仓压力；土压力取值范围预估公式如下：所述土仓压力计算步骤中，计算土仓压力；土压力取值范围预估公式如下：所述土仓压力计算步骤中，计算土仓压力；土压力取值范围预估公式如下：式中，P
min
为土压力最小值，P
max
为土压力最大值，γ土的重度，z为隧道埋深，c为土体粘聚力，为内摩擦角。5.根据权利要求1所述的地表沉降控制方法，其特征在于：所述沉降控制评价步骤中，根据实际沉降情况与目标沉降的差距对沉降控制效果进行评价，并基于沉降控制评价结果对掘进参数优化过程进行调整；由于沉降控制主要分为切口前方的沉降控制与盾尾后方的沉降控制，切口前方和盾尾后方沉降控制情况根据切口前方和盾尾后方两倍盾构直径范围内的沉降测点沉降值计算得到，切口前方的沉降控制指标Q1和盾尾后方的沉降控制指标Q2具体计算方法如下：Q
i
＝10
‑2×
|S
avg，i
‑
G
i
|
‑
q
min，i
‑
q
max，i
式中，i＝1时代表切口前方沉降的沉降统计量，i＝2时代表盾尾后方的沉降统计量，a为沉降监测误差，S
avg，i
为范围内沉降平均值，S
min，i
为范围内沉降最小值，S
max，i
为范围内沉降最大值，G
i
为该范围沉降平均值控制目标；切口前方沉降控制评分Q1和盾尾后方沉降控制评分Q2的计算通过将具体沉降数据带入上述方程计算得到。6.根据权利要求1所述的地表沉降控制方法，其特征在于：所述掘进参数优化步骤中，在进行掘进参数优化求解时，基于对盾构施工沉降的实时预测通过启发式搜索算法对最优的掘进控制参数进行优化求解；并将盾构掘进参数分为主控掘进参数和辅控掘进参数，主控掘进参数包括正面土压力、注浆压力和注浆量，辅控掘进参数包括刀盘转速和推进速度；基于所述沉降控制评价模块的沉降控制评价结果，当Q1+Q2＞α时认为当前控制情况良好，否则认为当前沉降控制情况较差，α的值根据实际项目情况进行确定；在沉降控制情况良好时通过对主控掘进参数的优化调整来进行地表沉降的控制，在出现沉降控制情况较差时，仅通过主控参数已无法实现对沉降的准确控制，加入辅控参数协助进行地表沉降控制；沉降预测模型输入为实时掘进参数、地质参数以及历史沉降数据，输出为切口前方的沉降情况和盾尾后方的沉降情况；沉降预测模型的构建过程可以采用多种机器学习方法实现，包括BP神经网络、长短时记忆网络、模糊推理系统；模型具体形式表示如下：S
f_avg
，S
t_avg
＝f
s_pred
(p
t
，g
t
，s
t
‑1)式中，S
t_avg
为t时刻的盾尾后方平均沉降，S
f_avg
为t时刻的切口前方平均沉降，p
t
为t时刻的掘进参数，g
t
为t时刻的开挖面地质参数，s
t
‑1为t
‑
1时刻的沉降情况；优化算法求解步骤包括：步骤(1)获取沉降控制目标值；根据实际工程施工情况通过人工输入或沉降目标规划模型计算得到，沉降控制目标具体包括切口前方控制目标G
f_avg
和盾尾后方沉降控制目标G
t_avg
；步骤(2)初始化掘进参数候选集；掘进参数候选集由m个元素组成，每个元素代表一组掘进参数，定义第i个元素的掘进参数集合为其掘进参数调整速度为并且为防止其离开寻优空间，根据掘进参数阈值给各掘进参数限定范围，即x∈[x
min
，x
max
]；步骤(3)评价各个元素的初始适应度；通过将各元素的掘进参数输入沉降预测模型得到预测结果，计算预测结果与控制目标的差值得到，具体计算方式如下：S
f_avg
，S
t_avg
＝f
s_pred
(X
i
，g，s)fit＝|S
f_avg
‑
G
f_avg
|+|S
t_avg
‑
G
t_avg
|式中，X
i
为掘进参数，g为当前的地质参数，s为上一时刻的沉降情况；
步骤(4)计算初始全局最优解和局部最优解；将初始适应值作为各个元素的局部最优解，保存各元素的局部最优解；并找到其中的最小值作为全局最优解的初值，并记录其掘进参数；步骤(5)更新元素的掘进参数及调整速率，具体方法如下：第i个元素对于下一代的掘进参数X
i
(t+1)和调整速率V
i
(t+1)由下式更新：V
i
(t+1)＝ω(t+1)V
i
(t)+c1r1(X
pbest
‑
X
i
(t))+c2r2(X
gbest
‑
X
i
(t))X
i
(t+1)＝X
i
(t)+V
i
(t+1)式中，1≤i≤m，m为元素的总数；1≤t≤k，k为最大迭代次数；c1和c2为常数，是使元素趋于局部最优解X
pbest
和全局最优解X
gbest
的学习因子；r1和r2为[0，1]范围内的两个独立随机数，ω为惯性权重，控制过去调整速率对当前调整速率的影响：式中，ω(1)为初始惯性权重；ω(k)为迭代到最后一代时的惯性权重；k和t分别表示最大迭代和当前迭代；步骤(6)计算更新后元素的适应值，更新每个元素的局部最优值以及整个掘进参数候选集的全局最优值；步骤(7)重复步骤(5)～步骤(6)直至满足迭代结束条件，迭代条件包括全局最优值达到...
【专利技术属性】
技术研发人员：卢靖，胡珉，阮嘉辰，吴秉键，庄若晨，范慧君，
申请(专利权)人：上海大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。