一种基于耦合机器学习算法的边坡稳定性分析方法技术

本发明专利技术公开了一种基于耦合机器学习算法的边坡稳定性分析方法，包括以下步骤：S1：构建三维牛角状双对数螺线边坡机构模型；S2：构建三维边坡稳定性分析机构模型的优化变量参数；S3：基于已知量和优化变量参数通过极限分析上限法建立三维边坡运动速度许可速度场；S4：分别构建三维边坡内能耗散率D和重力做功功率W表达式，令内能耗散率D等于重力做功功率W，获取三维边坡稳定性系数关于所述优化变量参数的非线性表达式；S5：使用耦合的机器学习算法，求解出稳定性系数最优解。本发明专利技术的方法可以很好地解决三维边坡非线性非凸规划中出现局部最优解的问题，确保计算结果是全局最优解。极大提高计算效率和准确性。大提高计算效率和准确性。大提高计算效率和准确性。

【技术实现步骤摘要】
一种基于耦合机器学习算法的边坡稳定性分析方法


[0001]本专利技术属于计算机仿真计算领域，涉及计算机有限元建模及计算分析，尤其涉及利用人工智能算法的一种基于耦合机器学习算法的边坡稳定性分析方法。

技术介绍

[0002]边坡作为工程建设中最为常见的一种地质体，在交通运输、水利水电和矿山开采等工程中扮演者重要角色，边坡的稳定性肩负着确保工程安全运行和保障人民群众生命财产安全的重任，也是学术界的热点话题。如何正确、快速、便捷地分析和计算地震力作用下边坡的稳定性系数是实际生产中一直追求的目标。目前，在计算边坡稳定性的众多方法中，以有限元法、有限差分法以及极限平衡法居多，而极限分析上限法却鲜有使用。
[0003]虽然使用极限分析上限法分析边坡的稳定性在建立机构上有一定的难度，但是在许多情况下，极限分析上限法比极限平衡法更方便，且基于极限分析上限法建立的边坡稳定性分析方法具有更严谨的理论框架。并且许多研究表明极限分析上限法的计算效率较有限元法、有限差分法等数值分析方法有很大的提升。
[0004]鉴于此，本专利技术使用极限分析上限法，在满足几何容许的运动速度场、构建合适的机构的情况下，通过耦合机器学习算法对三维边坡在自然工况下的稳定性进行评价和分析。

技术实现思路

[0005]本专利技术意在提供一种基于耦合机器学习算法的边坡稳定性分析方法，用来解决现有三维边坡稳定性上限分析中计算速度慢，优化求解不能收敛到全局最优的情况。
[0006]本申请为解决上述技术问题所采用的技术方案如下：一种基于耦合机器学习算法的边坡稳定性分析方法，包括以下步骤：S1：获取边坡的真实土体强度参数和几何参数，构建三维牛角状双对数螺线边坡机构模型；S2：将土体强度参数和几何参数作为已知量，构建三维边坡稳定性分析机构模型的优化变量参数；S3：基于已知量和优化变量参数通过极限分析上限法建立三维边坡运动速度许可速度场；S4：分别构建三维边坡内能耗散率D和重力做功功率W表达式，令内能耗散率D等于重力做功功率W，推导三维边坡稳定性系数关于所述优化变量参数的非线性表达式；S5：使用耦合的机器学习算法并考虑约束边界条件求解稳定性系数最优解。
[0007]进一步地，所述步骤S1中的土体强度参数和几何参数为已知量，包括：边坡的抗剪强度参数：土体黏聚力c、内摩擦角φ；边坡土体的物理力学参数：土体重度γ；
边坡的几何尺寸参数：边坡宽高比，其中B为边坡宽度、为边坡高度。
[0008]进一步地，所述步骤S2中的优化变量参数为未知数，包括：边坡在极坐标系下的几何参数：初始旋转角，从极坐标水平轴旋转到边坡后缘A的角度；终止旋转角，从极坐标水平轴旋转到边坡剪出口D的角度；双对数极径比，即在同一旋转角度时上对数螺线极径长度r
’
和下对数螺线极径长度r之比；插入块体宽高比，插入块体的宽度b和边坡高度H的比值；过坡底角度，为过坡底破坏时坡前CD虚线与坡底BD线之间的夹角；过坡面系数，指过坡面破坏时的破坏坡高H
’
和边坡高度H之比。
[0009]进一步地，所述步骤S3中的运动许可速度场为：破坏面AD上一点到旋转中心O的距离r：式中，r0为旋转中心O到边坡后缘A的初始旋转极径长度，θ为旋转到边坡任意一点时对应的角度，为初始旋转角，为边坡土体内摩擦角；上对数螺线上一点到旋转中心O的距离r
’
：式中，r0’
是旋转角为初始旋转角时旋转中心O到上对数螺线的极径长度，θ为旋转到边坡任意一点时对应的角度；边坡剪出口D到旋转中心的距离r
h
：式中，r0为初始旋转极径长度，θ
h
为旋转中心O到边坡剪出口D的终止旋转角；边坡高度H与初始旋转极径长度r0的比值：边坡后缘A到坡肩B的距离L与初始旋转极径长度r0的比值：式中，β
’
为边坡为过坡底破坏时坡前CD线与BD线之间的夹角；旋转中心O到坡肩B的连线OB与极坐标水平轴之间的夹角：式中，L为边坡后缘A到坡肩B的距离；旋转中心O到坡趾C的连线OC与极坐标水平轴之间的夹角：
式中，β为边坡坡角，由现场实际测量得到；牛角状圆截面圆心到旋转中心O的距离r
m
，截面圆半径R：式中，r为破坏面AD上一点到旋转中心O的距离，上对数螺线上一点到旋转中心O的距离为r
’
。
[0010]进一步地，所述步骤S4具体为：假设土体为刚体，忽略土体内部内能耗散，依据高斯散度定理，将速度间断面上的能量耗散等效转换为边坡坡面和坡顶上的内能耗散，以便于计算，式（1）和式（2）分别为内能耗散率D和重力做功功率W总积分表达式：
ꢀꢀꢀꢀꢀ
(1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式中， S
r
为坡面和坡顶面积，v
t
和n
t
分别是坡面和坡顶的速度向量和面积向量，γ为土体重度，V为边坡体积，v为土体的速度向量，θ为旋转角度。
[0011]进一步地，结合所述步骤S4的功率公式，稳定性系数表达式（3）和边坡极限坡高表达式（4）分别如下：
ꢀꢀꢀꢀ
(3)
ꢀꢀꢀꢀ
(4)式（3）中，括号中函数的变量从左到右依次代表的是初始旋转角、终止旋转角θ
h
、双对数极径比、插入块体宽高比、过坡底角度和过坡面系数，c为土体黏聚力，φ为内摩擦角。
[0012]进一步地，所述步骤S5具体为：调用机器学习算法进行初次最优化计算，并在初次最优化计算时通过相关概率公式有选择性地接受每一次迭代计算的新解，得到初次最优解，将初次最优解的优化变量作为序列二次规划算法的初值进行二次优化计算，最后求得最优的稳定性系数上限解N
s
‑
best
和对应的极限坡高H
cr
。
[0013]进一步地，所述初次最优化计算和所述二次优化计算的具体步骤为：选取N个机器学习因子，每一个机器学习因子都是六维的，六个维度分别作为三维边坡优化变量参数的未知数，即初始旋转角、终止旋转角θ
h
、双对数极径比、插入块体宽高比、过坡底角度和过坡面系数；设置N个机器学习因子的初始变量值并利用边坡稳定性系数非线性方程表达式（3）计算得到初
始最优值；设置初始速度值，在后续每一次迭代计算时通过公式（5）不断更新速度值进而更新每一步变量值，并分别代入到边坡稳定性系数非线性方程表达式（3）中计算出每一个机器学习因子的最优值，选择出最优值中最小的那个作为当前全局最优解，并通过与每次迭代的最优解比较得到最优解P
best
，
ꢀꢀꢀ
(5)式中，ω是惯性权重，c1和c2是学习因子，r1和r2是0
‑
1的随机数，v
k
为第k次迭代计算的速度值，x
k
为第k次迭代计算的变量值，为第k次迭代计算的最优解，P
best
为全局最优解，获得与最终全局最优解P
best本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于耦合机器学习算法的边坡稳定性分析方法，其特征在于，包括以下步骤：S1：获取边坡的真实土体强度参数和几何参数，构建三维牛角状双对数螺线边坡机构模型；S2：将土体强度参数和几何参数作为已知量，构建三维边坡稳定性分析机构模型的优化变量参数；S3：基于已知量和优化变量参数通过极限分析上限法建立三维边坡运动速度许可速度场；S4：分别构建三维边坡内能耗散率D和重力做功功率W表达式，令内能耗散率D等于重力做功功率W，推导三维边坡稳定性系数关于所述优化变量参数的非线性表达式；S5：使用耦合的机器学习算法并考虑约束边界条件求解稳定性系数最优解。2.根据权利要求1所述的一种基于耦合机器学习算法的边坡稳定性分析方法，其特征在于，所述步骤S1中的土体强度参数和几何参数为已知量，包括：边坡的抗剪强度参数：土体黏聚力c、内摩擦角φ；边坡土体的物理力学参数：土体重度γ；边坡的几何尺寸参数：边坡宽高比，其中B为边坡宽度、H为边坡高度。3.根据权利要求1所述的一种基于耦合机器学习算法的边坡稳定性分析方法，其特征在于，所述步骤S2中的优化变量参数为未知数，包括：边坡在极坐标系下的几何参数：初始旋转角，从极坐标水平轴旋转到边坡后缘A的角度；终止旋转角，从极坐标水平轴旋转到边坡剪出口D的角度；双对数极径比，即在同一旋转角度时上对数螺线极径长度r
’
和下对数螺线极径长度r之比；插入块体宽高比，插入块体的宽度b和边坡高度H的比值；过坡底角度，为过坡底破坏时坡前CD虚线与坡底BD线之间的夹角；过坡面系数，指过坡面破坏时的破坏坡高H
’
和边坡高度H之比。4.根据权利要求1所述的一种基于耦合机器学习算法的边坡稳定性分析方法，其特征在于，所述步骤S3中的运动许可速度场为：破坏面AD上一点到旋转中心O的距离r：式中，r0为旋转中心O到边坡后缘A的初始旋转极径长度，θ为旋转到边坡任意一点时对应的角度，为初始旋转角，为边坡土体内摩擦角；上对数螺线上一点到旋转中心O的距离r
’
：式中，r0’
是旋转角为初始旋转角时旋转中心O到上对数螺线的极径长度，θ为旋转到边坡任意一点时对应的角度；边坡剪出口D到旋转中心的距离r
h
：
式中，r0为初始旋转极径长度，θ
h
为旋转中心O到边坡剪出口D的终止旋转角；边坡高度H与初始旋转极径长度r0的比值：边坡后缘A到坡肩B的距离L与初始旋转极径长度r0的比值：式中，β
’
为边坡为过坡底破坏时坡前CD线与BD线之间的夹角；旋转中心O到坡肩B的连线OB与极坐标水平轴之间的夹角：式中，L为边坡后缘A到坡肩B的距离；旋转中心O到坡趾C的连线OC与极坐标水平轴之间的夹角：式中，β为边坡坡角，由现场实际测量得到；牛角状圆截面圆心到旋转中心O的距离r
m
，截面圆半径R：式中，r为破坏面AD上一点到旋转中心O的距离，上对数螺线上一点到旋转中心O的距离为r
’
。5.根据权利要求1所述的一种基于耦合机器学习算法的边坡稳定性分析方法，其特征在于，所述步骤S4具体为：假设土体为刚体，忽略土体内部内能耗散，依据高斯散度定理，将速度间断面上的能量耗散等效转换为边坡坡面和坡顶上的内能耗散，以便于计算，式（1）和（2）分别为内能耗散率D和重力做功功率W总积分表达式：
ꢀꢀꢀꢀ
(1)
ꢀꢀꢀꢀꢀꢀꢀ
(2)
式中， S
r
为坡面和坡顶面积，v
t
和n
t
分别是坡面和坡顶的速度向量和面积向量，γ为土体重度，V为边坡体积，v为土体的速度向量，θ为旋转角度。6.根据权利要求5所述的一种基于耦合机器学习算法的...

【专利技术属性】
技术研发人员：何毅，王文法，袁冉，李智，余军炎，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：