基于实时监控的碾压混凝土VC值变化量预测模型研究

碾压混凝土坝施工气候是造成碾压混凝土VC值(vibrating-compacted value,单位:s)变化的主要因素之一,建立考虑施工气候参数影响的碾压混凝土VC值变化量的预测模型,对于保证碾压混凝土坝施工质量,具有重要的理论意义。本文依托碾压混凝土坝施工气候信息实时监控技术,提取碾压混凝土坝施工气候参数值(温度、相对湿度以及风速),通过现场检测获得了对应的VC值变化量,采用多元回归分析方法,分析施工气候参数与VC值变化量之间的多元映射关系,建立VC值变化量的预测模型。该模型可以对施工现场碾压混凝土VC值的变化量进行实时预测,反馈指导施工管理人员采取相应措施修改VC值,为碾压混凝土坝质量控制提供新的途径。     

基于随机森林回归方法的爆破块度预测模型研究

在筑坝材料爆破开采过程中,块度控制是确保筑坝质量最为重要的手段之一。现阶段关于爆破料块度预测的研究中,存在模型预测精度低、模型泛化能力差等问题,难于准确控制堆石料块度、符合爆破开采堆石料上坝条件。针对目前爆破预测模型存在的不足,并有效控制堆石坝料爆破块度,基于随机森林回归方法建立了爆破块度预测模型。通过交叉验证法,将随机森林模型与其他预测模型进行了对比分析,体现了该模型的优越性。在爆破块度预测系统上,结合某工程实际,验证了该模型可行性,为堆石坝爆破施工管理与控制提供了科学指导。     

堆石坝料压实监测指标影响因素及适用性分析

实时压实监测技术已成为堆石坝碾压质量控制的有效手段。但是面板堆石坝坝料种类多、不同坝料组分区别明显、施工工艺差异大，故而不同施工工艺对压实监测指标的影响，以及监测指标在不同坝料分区的适用性有待进一步研究。结合现场碾压试验，分析了碾压机行进方向、振动模式及坝料类型对压实监测指标的影响，发现碾压振动频率是其主要影响因素；同时发现包含更多碾轮加速度谐波分量的CCV指标对于不同面板堆石坝料有更好的适应性。基于上述分析，提出了耦合考虑频率的CCV指标来表征面板堆石坝不同坝料的压实质量。本文研究可为有多种坝料的面板堆石坝压实质量实时控制提供合适的监测指标。     

实时监控下堆石坝压实质量模糊综合评估

堆石坝填筑碾压质量采用事中和事后双控。事中碾压参数往往不能在全工作仓面上100%满足控制要求，且受坝料性质不均匀的影响，即便是相同的碾压参数，也可能会导致不同的压实质量。事后试坑检测采用有限个测点，难以客观反映整个施工仓面的压实质量；若单纯采用压实连续检测指标（如CV）控制，其与坝料压实质量之间也存在一定误差。文章利用大坝填筑碾压质量实时监控技术，在动态采集碾压参数和压实连续检测指标CV的基础上，采用Dempster-Shafer（D-S）证据理论，提出了一种综合考虑事中碾压参数、事后CV的压实质量模糊综合评价方法。此外，为了保证碾压区域无明显连续薄弱区，通过DBSCAN空间聚类分析，提出等效连续薄弱面积的概念，对压实质量薄弱区域空间分布进行定量评价。实例分析表明，此方法可以有效避免单独事中或事后评估的片面性，提高压实质量评估的全面性，为高堆石坝施工质量控制提供一种新的手段。     

基于实时监控的堆石坝碾压质量二元耦合评价

面板堆石坝的填筑碾压质量直接关系到该水库建成后的安全运行,但传统的以随机取样的干密度实验检测坝体填筑质量的方法,其不能全面反映坝体实际的碾压质量,影响坝体质量评价的可靠性。本文依托面板堆石坝"碾压施工质量实时监控系统",并基于面板堆石坝填筑质量变异性分析,将工程实际的干密度指标和可靠度理论相结合,建立了坝体干密度—可靠度二元耦合评价模型,提出了评价面板堆石坝碾压质量的具体流程;以河南省某在建水库工程为例,通过料源含水率和粒径参数的可靠性和敏感性分析,研究了干密度的变异性和干密度影响因子对干密度的影响程度,应用耦合干密度及可靠度的碾压质量二元评价给出了完整碾压区域的干密度分布及其满足施工要求的可靠度,提高了评价有效性和可靠性,对面板堆石坝填筑的质量控制提供有用的科学依据。     

实时监控下考虑料源不确定性的堆石坝压实质量评估

影响堆石坝碾压质量的因素包括碾压参数(包括碾压速度、激振力状态、碾压遍数、压实厚度等)与料源参数(包括含水率、不均匀系数、曲率系数等),堆石坝施工质量实时监控技术提供了全仓面任意位置的碾压参数,而料源参数难以实时监测且存在较大不确定性,因此导致了仓面压实质量的评估也存在一定的不确定性。本文以仓面试坑试验数据为基础,利用多层前向人工神经网络建立碾压参数、料源参数与压实质量标准(干密度值)之间的非线性映射关系,采用改进的Bootstrap方法产生仓面任意位置处的料源参数,结合碾压监控成果,对仓面任意位置处的干密度进行拟合。结果表明,仅以碾压参数得到的仓面干密度的拟合值偏高,且分布较为集中,而结合料源参数与碾压参数的仓面干密度的拟合值分布较为分散,具有更大的不确定性,能够更加客观地评估仓面压实质量,避免了仅以碾压参数评估以及试坑试验的片面性。     

动态扰动下高心墙堆石坝无人碾压BOA-PID循迹控制北大核心CSCD

无人碾压机精准循迹控制对确保压实质量意义重大。然而,高心墙堆石坝具有坝料粒径分布广且松铺厚度不均匀等特征,导致坝面不平整且异质性强,对无人碾压机循迹控制造成动态扰动。传统的比例积分微分(proportion integral derivative,PID)控制算法采用固定参数进行纠偏控制,难以快速纠正动态扰动导致的循迹偏差。针对上述问题,本文以蝴蝶优化算法(butterfly optimization algorithm,BOA)动态优化PID控制参数,提出BOA-PID无人碾压机循迹控制方法。首先,构建车身倾斜模型以修正坝面不平整条件下无人碾压机的定位误差;其次,基于运动学模型动态预测无人碾压机的纠偏距离;再者,以最小化纠偏距离为目标函数,采用BOA动态优化PID算法的比例、积分和微分参数;最后,以参数优化的PID计算无人碾压机的转向控制量,从而克服动态扰动,实现高心墙堆石坝复杂条件下的快速纠偏。本文结合中国西南两河口大型水利水电工程开展仿真与实地实验,以验证所提出方法的有效性和先进性。结果表明,BOA-PID的纠偏能力优于GA-PID(genetic algorithm)、PSO-PID(particle swarm optimization)、DA-PID(dragonfly algorithm)和传统PID,且所提出方法能够实现高心墙堆石坝复杂条件下无人碾压机的精准循迹控制,堆石料(4.44 cm)和心墙料(3.32 cm)碾压的平均循迹误差均小于5 cm。     

基于实时监控的沥青混凝土心墙坝坝面碾压施工仿真研究

目前沥青混凝土心墙坝坝面碾压施工仿真主要考虑碾压机械的工作效率,没有将实际的施工数据融入到仿真模型中,从而降低了仿真的可靠性。针对此问题,本文将碾压过程实时监控引入仿真模型,基于实时监控技术的碾压施工数据,通过数理统计方法,获得贴近实际施工的仿真参数;同时,结合离散事件仿真方法,建立沥青混凝土心墙碾压施工过程的精细化仿真模型;最后,通过Monte Carlo方法计算得到填筑单元的碾压历时和区段初碾合格率。以西南某在建沥青混凝土心墙坝工程为实例进行仿真计算分析,通过置信度检验方法对仿真模型进行验证,并通过局部灵敏度分析的方法对仿真参数进行灵敏度分析,为现场坝面碾压施工的指导和工程进度的控制管理提供技术支持。     

基于RBFNN的短期电力负荷混沌局域预测法

短期负荷序列数据表现出混沌特性,可以使用混沌时序局域方法进行预测.在混沌时序重构相空间中预则中心相点和趋势相点之间的映射关系不是单纯的线性关系,而常用的线性回归预测模型只能逼近线性映射.提出利用径向基函数神经网络(RBFNN)来建立预测模型,可以更加精确逼近预则中心相点和预测相点之间的映射关系,并用欧氏距离和关联系数联合方法选取近邻相点,选取的近邻相点与预测中心相点的关联性更好.利用西北电网的负荷数据所做的实验证明,本文提出的基于RBFNN的局域预测法比线性局域预测法获得了更为满意的预测精度.     

基于RBFNN的短期电力负荷混沌局域预测法

短期负荷序列数据表现出混沌特性,可以使用混沌时序局域方法进行预测。在混沌时序重构相空间中预则中心相点和趋势相点之间的映射关系不是单纯的线性关系,而常用的线性回归预测模型只能逼近线性映射。提出利用径向基函数神经网络(RBFNN)来建立预测模型,可以更加精确逼近预则中心相点和预测相点之间的映射关系,并用欧氏距离和关联系数联合方法选取近邻相点,选取的近邻相点与预测中心相点的关联性更好。利用西北电网的负荷数据所做的实验证明,本文提出的基于RBFNN的局域预测法比线性局域预测法获得了更为满意的预测精度。     

基于时序分解与深度学习的堆石坝变形预测

堆石坝变形监测数据是一种时间序列数据,可以用时序预测模型挖掘其规律并进行预测。本文利用时序预测模型提出一种堆石坝变形预测方法,该方法首先采用时间序列分解（seasonal-trend decomposition procedure based on loess,STL）将堆石坝变形监测数据分解为趋势项、周期项和不规则波动三部分,再使用经验模态分解（empirical mode decomposition,EMD）对不规则波动平稳化处理,最后利用长短期记忆网络（long short-term memory,LSTM）预测分解后的序列,并利用贝叶斯优化方法进行超参数优化。为评估该方法的预测效果,以水布垭面板堆石坝为例,通过控制训练时长、预测时长、离群值数目等变量进行多组仿真实验,并与其他时序预测模型对比。结果表明该方法预测精度较高,适用性较广,对于堆石坝的性状评估具有一定的应用价值。     

强风化岩防渗土料的压实及渗透特性

强凤化岩开采料的细料很低,能否用作高土石防渗土料,取决于其在产过程中的颗粒破碎程度。本文对取自同一料场的两种强风化砂页岩料进行了大量的击实试验研究,分析了不同条件下土料的压实特性和颗粒破碎规律;通过不同控制条件下土料的渗透试验,探讨了多种影响因素对土料渗透性能的影响规律,提出了强风化岩作为防渗土的建议措施。     

利用CMV评估堆石料压实质量的神经网络模型

土石坝压实质量对大坝安全至关重要,通过压实质量评估模型可实现对压实质量实时监控。传统碾压施工采用固定的碾压方案,碾压参数在碾压过程中不改变,而在智能压实过程中,碾压参数根据当前压实状态进行优化调整,因此压实质量评估模型必须考虑碾压参数。通过堆石料现场碾压试验,分析了压实计值（compaction meter value,CMV）与堆石料相对密度和碾压参数的相关性。结果表明,CMV与堆石料相对密度具有较强相关性,可作为堆石料压实质量监测指标,碾压机振动频率和车速对CMV影响显著,行驶方向对CMV影响较小。最后基于现场试验和径向基（RBF）神经网络,建立了考虑碾压参数变化的堆石料压实质量评估模型。与试验结果对比表明该模型具有较高精度。     

软岩堆石料的物理力学性质

本文根据大坳，鱼跳，盘石头和十三陵上池面板堆石坝的软岩堆石料及水市垭风化料的室内及现场试验资料，探讨了软岩料的物理务学性质，试验结果表明：软岩堆石料经过多次降雨，暴晒过程或填筑碾压后，岩块发生崩解和破碎，级配细化；软岩堆石料在最优含水率条件下，可达到较高的压实干密度，压缩性属低压缩性，抗剪强度比硬岩堆石料低。     

堆石坝填筑施工过程的管理与控制

本文运用自适应控制理论与方法，通过对高堆石坝施工过程的系统分析，建立了高堆石坝施工过程管理与施工控制模型。运用该模型可较好地对堆石坝施工过程，通过历史进程信息的收集，实行控制与管理，对于保证堆石坝施工按期高质量的完成有十分现实的意义。     

基于灰色理论的高面板堆石坝沉降预测研究

基于灰色系统理论,建立了进行高面板堆石坝坝体沉降预测的GM（1,1）模型,并用该模型对公伯峡面板坝的坝体沉降进行了灰色预测,结果表明,运用该模型对高面板堆石坝的坝体沉降进行预测是可行的,预测结果也是较为合理的