基于松动圈-位移增量监测信息的高地应力下洞室群岩体力学参数的智能反分析

考虑到高地应力下洞群围岩力学行为独特性和深部地下工程研究需要,提出大型洞室群岩体参数的智能反演新方法。该方法是采用弹脆塑性本构CWFS模型,以分步开挖引起的松动圈和位移增量监测信息为输入,首先通过参数敏感性分析确定待反演的参数,再建立位移增量–松动圈深度的联合适应度函数,用进化神经网络–遗传算法求得待反演参数的数值,并进行后续开挖引起的位移演化的灰色关联度分析和松动圈的实测值与计算值对比对反演结果进行检验的反分析方法。用该方法对具有高地应力特征的拉西瓦水电站花岗岩地下洞室群围岩的力学参数进行了反演,通过地下洞室群的第2～6层开挖引起的位移增量和松动圈的测试值,反演求出相关5个岩体力学参数的值。用反演所得的参数值对第7步开挖引起的位移增量和松动圈变化进行计算分析,结果表明该方法的正确性。     

边坡岩体力学参数反分析遗传-神经网络算法

基于均匀设计、有限元法、人工神经网络和遗传算法建立了新的边坡岩体力学参数反分析方法.按照均匀设计要求,确定数值模拟方案;用有限元程序计算出相应的神经网络训练样本,建立边坡变形的神经网络预测模型,再利用遗传算法进行反演分析,其中反演过程适应度的计算则采用已训练好的神经网络预测来替代有限元数值仿真,这样大大缩短了计算时间.通过算例分析,反演结果比较理想,表明该反分析方法是可行性和精确的.     

岩体力学参数与变形特征的智能识别研究

 博士学位论文摘要　“参数给不准”目前已成为岩石力学研究的“瓶颈”问题。本文应用智能科学研究方法, 将神经网络、遗传算法等应用于岩石工程问题, 对位移反演分析和岩体变形的演化特征识别进行了研究, 主要内容如下:(1) 提出了岩体力学参数反演分析的进化神经网络方法, 它将遗传算法和神经网络有机地结合起来, 既利用了遗传算法的全局寻优特性, 又利用了神经网络的非线性映射能力, 为岩体工程中多参数同时反演分析提供了一种新方法。(2) 提出了岩体的非线性变形演化特征识别的进化神经网络方法, 针对具体实例讨论了进化神经网络方法的控制参数对系统性能的影响和参数的合理取值区间。(3) 提出了岩体力学参数可辨识性的敏感度分析方法, 并对长江三峡水利枢纽工程永久船闸17217 断面的岩体力学参数和初始地应力场参数的可辨识性进行了敏感度分析, 确定了可由进化神经网络方法反演确定的参数, 并对测点的布置进行了讨论。(4) 应用进化神经网络反演方法对长江三峡水利枢纽工程永久船闸边坡17217 断面岩体力学参数和初始地应力场参数进行了反演分析, 并作了基于反演结果的FLAC 正向计算, 讨论了边坡岩体的变形行为, 为边坡稳定性评价提供了依据。(5) 应用非线性变形演化特征识别的进化神经网络方法对长江三峡水利枢纽工程永久船闸17217 断面外观监测点的位移时间序列进行了建模和预报, 给出了岩体的非线性变形演化特征识别的最佳网络模型, 并作了基于网络模型的外推预测。(6) 通过应用遗传算法对边坡破坏模型中待定参数的搜索, 讨论了岩石力学经验建模的唯一性问题, 提出了如何避免出现不唯一性的方法。     

基于模式–遗传–神经网络的流变参数反演

介绍了一种岩石流变多参数反演的智能方法。该方法把遗传算法和神经网络有机结合起来，并在遗传算法中嵌入模式搜索加速优化进程；该方法基于均匀设计获得的样本进行神经网络学习，用模式–遗传–神经网络进行岩体流变参数的最优辩识。该方法用经过最佳预测学习算法训练的神经网络来表达岩体流变参数和位移之间的映射关系，除具有一般遗传算法的优点外，还提高了参数反演的精度，节省了参数反演的计算时间，使得某些原来用传统优化方法在时间上几乎无法进行的参数反演如今变为可能，并用工程实例验证了此方法的可行性与优越性。     

基于模式-遗传-神经网络的流变参数反演

介绍了一种岩石流变多参数反演的智能方法。该方法把遗传算法和神经网络有机结合起来,并在遗传算法中嵌入模式搜索加速优化进程;该方法基于均匀设计获得的样本进行神经网络学习,用模式–遗传–神经网络进行岩体流变参数的最优辩识。该方法用经过最佳预测学习算法训练的神经网络来表达岩体流变参数和位移之间的映射关系,除具有一般遗传算法的优点外,还提高了参数反演的精度,节省了参数反演的计算时间,使得某些原来用传统优化方法在时间上几乎无法进行的参数反演如今变为可能,并用工程实例验证了此方法的可行性与优越性。     

岩石力学性态预测的PSO-SVM模型

 传统的固体力学方法在描述岩石的各种地质因素与其力学性态之间的复杂非线性关系时存在困难。引入粒子群算法(PSO)对支持向量机(SVM)进行优化,提出岩石力学性态预测的粒子群优化支持向量机模型(PSO-SVM)。该模型利用SVM来建立岩石地质因素与力学性态之间的非线性关系;同时利用PSO对SVM参数进行全局寻优,避免人为选择参数的盲目性,从而提高模型的预测精度。将PSO-SVM应用到岩石压缩系数的预测中,并与传统的BP神经网络(BP-NN)进行对比分析。结果显示,PSO-SVM的预测精度较BP-NN有较大的提高,从而表明PSO-SVM在岩石力学性态预测中的可行性和有效性。     

岩体弹塑性模型力学参数对位移的影响度研究

弹塑性位移反分析可归结为对一个极值问题的优化求解。但在求解该极值问题前，须先确定其目标函数的影响因素，即确定弹塑性位移反分析问题的可反演参数。采用连续介质快速拉氏分析(FLAC)对地下采场进行数值模拟计算，采用正交试验设计法确定模拟计算方案，采用数理统计分析法研究岩体弹塑性模型力学参数对地下采场顶板中点竖向位移及侧帮中点水平位移的影响度，建立了影响度评价方法，确定了弹塑性位移反分析问题的可反演多数。     

深井巷道层状围岩变形破坏特征及机制研究

层状岩体变形破坏特征与均质岩体存在很大差别,深入揭示层状围岩在掘进过程中的变形破坏特征和机制,对于确保矿井安全生产具有重要的理论意义。本文通过进行层状岩石室内试验,建立了横观各向同性应变软化力学模型,通过掘进全过程的现场监测和数值模拟结果揭示了深井层状围岩的变形破坏特征和机制,采用相似材料试验揭示了预应力锚杆支护结构对层状围岩变形破坏的控制作用。学位论文完成的主要工作有:(1)分别开展了不同层理角度时的互层状砂岩三轴压缩试验、岩样破裂面的电镜扫描和巴西劈裂试验。分析结果表明:层状岩石强度随层面角度增大呈U型分布规律,层状岩石的各向异性程度随围压增大而降低;层状岩石破坏形式由围压、层理角度和岩石细观结构共同控制;竖直层理岩样弹性模量大于水平层理,倾斜层理岩样最小,这主要是由不同层理倾角时层状岩石的承载方式决定的;岩样抗拉强度随线荷载与层面角度增大而增大,其机制为岩样破坏由层理面的剪切破坏演化为穿过层理面的剪切–拉伸破坏,并最终过渡为基质的拉伸破坏。(2)针对现有横观各向同性力学模型未考虑单元应力状态的不足,基于互层状砂岩压缩试验结果,提出了考虑体积应力的塑性内变量表达式,并以此为基础分别研究了基质和层理的应变软化规律,建立了考虑体积应力的横观各向同性应变软化力学模型。基于该模型编制了相应的岩石变形破坏有限差分程序,并通过试验结果进行了检验。结果表明,无论从曲线的变化规律还是定量描述上,数值计算结果和试验曲线均体现了很好的一致性,说明利用该模型可以较好地反映层状岩石的力学特性和变形特征。(3)采用单因素分析方法对建立的横观各向同性力学模型的参数进行了敏感性分析,确定了对围岩变形敏感的参数;通过设计基于粒子群(PSO)优化算法的参数反演程序并将其嵌入FLAC3D程序中,建立了对变形敏感的力学参数的反演方法,为深井巷道层状围岩开挖模型参数的确定奠定了基础。(4)以济宁三号煤矿深井层状围岩为研究对象,通过布置超前监测断面,首次获得了煤矿深井巷道掘进全过程的变形规律,将巷道围岩变形划分为缓慢增长、迅速增加和变形稳定三个阶段,得出其演化机制主要与围岩的瞬间卸荷及应力调整有关。通过掘进面后方收敛变形的监测,将巷道表面收敛变形划分为失稳破坏、持续变形和变形稳定三个阶段,得到围岩变形的空间效应主要集中体现在第一阶段,而时间效应则主要体现在第三阶段。(5)基于深井巷道围岩深部位移实测数据,采用前文确定模型参数反演方法,得到了对变形敏感的七采区层状围岩力学参数。将所建立的横观各向同性应变软化模型应用于深井层状围岩巷道的分步开挖过程的模拟,获得了围岩的应力、塑性区和变形等参数随掘进面推进的演化规律,并给出了相应的巷道支护建议。通过相似材料试验分别模拟了未施加锚杆和施加预应力锚杆后含人工预制层理试样的变形破坏特征,揭示了预应力锚杆支护结构对于层状岩体变形破坏的控制作用和效果,为现场施工及支护设计提供了理论支撑和依据。     

均匀设计原理在地下工程位移反分析中的应用

以小湾水电站为背景，在试验、监测、前期分析结果的基础上，建立地质与施工的概化模型。以围岩基本力学参数和初始应力场为基本变量，按均匀设计方法进行计算方案的组合，采用考虑开挖卸荷效应的三维弹塑性有限元方法完成了地下硐室群开挖模拟，并应用多元线性回归模型进行了围岩基本力学参数和初始应力场的反演分析。应用反演计算所得围岩基本力学参数和初始应力场计算各监测点的开挖扰动位移增量，相应的计算值与实测值较为吻合，表明反演得到的力学参数和地应力场基本合理，均匀设计原理在地下工程位移反分析中具有较高的实用价值。     

基于DSCM-FEMU的岩石力学参数反演研究

将数字散斑相关方法(DSCM)与有限元模型修正方法(FEMU)相结合,建立了岩石力学参数反演流程。首先,通过数字散斑相关方法,获取实验中岩石试件受载条件下的应变场;其次,利用有限元模拟方法,获取数值模型中的应力场;最后,构建最小二乘目标函数,并且通过不断更新有限元模型中给定的力学参数进行优化计算。当目标函数收敛时,得到与实验结果最匹配的力学参数。研究结果表明:(1)数字散斑相关方法与有限元模型修正法相结合,可以实现材料的力学参数反演;(2)得到以实验应变场、有限元应力场、材料弹性模量和泊松比组成的参数优化目标函数;(3)以三点弯曲实验为例,反演得到花岗岩的弹性模量和泊松比。     

滑坡综合集成智能分析方法研究进展

本文综合课题组在滑坡方面的研究,以具体的滑坡工程为实例,详细介绍了滑坡现场监测、基于GIS的滑坡三维可视化、综合集成智能滑坡分析方法,包括滑坡变形预测的进化支持向量机建模、加固方案优化设计的进化神经网络-数值方法、基于动态聚类的进化神经网络危险性分区、滑体参数反演的进化支持向量机-有限元方法、滑动面搜索的免疫连续蚁群-极限平衡分析、滑动面参教反演的粒子群优化算法等。结果表明,所提出的滑坡研究综合集成智能分析方法是适用、科学和合理的。     

基于v-SVR和MVPSO算法的边坡位移反分析方法及其应用

 针对传统粒子群算法存在搜索空间有限、容易陷入局部最优点的缺陷,通过引入迁徙算子和自适应变异算子,提出基于粒子迁徙和变异的粒子群优化(MVPSO)算法。基准测试函数结果表明,改进的MVPSO算法较传统的粒子群优化算法在收敛效率上有大幅度提高,在处理非线性、多峰值的复杂优化问题中能快速地搜索,得到全局最优解。应用改进的MVPSO算法搜索最佳的支持向量机(v-SVR)模型参数,建立岩体力学参数与岩体位移之间的非线性支持向量机模型,提高v-SVR的预测精度和推广泛化性。然后,利用v-SVR模型的外推预测替代耗时的FLAC正向计算,利用改进的MVPSO算法搜索岩体力学参数的最优组合,提出v-SVR和MVPSO相结合的边坡位移反分析方法(v-SVR-MVPSO算法),与传统的BP-GA算法和v-SVR-GA算法相比,该算法在反演精度和反演效率上均有较大幅度提高。最后,将本文发展的v-SVR-MVPSO算法应用到大岗山水电站右岸边坡岩体参数反演分析,并对边坡后续开挖位移和稳定性进行预测,取得较好的效果。     

复杂条件下岩石工程安全性的智能分析评估 和时空预测系统

 采用人工智能、系统科学、岩石力学与工程地质学等多学科交叉,提出复杂条件下岩石工程安全性的智能分析评估和时空预测系统的新思路和新方法,包括赋存环境的认识、工程结构特征需求分析与施工约束条件识别、岩石工程稳定性(安全性)综合集成智能分析评估、岩石工程智能反馈分析方法、岩体模型和参数动态更新的岩石工程稳定性时空演化的综合集成智能分析方法、岩石工程安全性的分区自适应调控方法、岩石工程稳定性多元信息与多任务智能反馈分析集成系统。该系统在龙滩、八尺门、水布垭、拉西瓦等多个大型工程的边坡和地下厂房中的成功应用,显示了其科学性和先进性。     

龙滩水电站左岸高边坡泥板岩体蠕变参数的智能反演

在综合分析龙滩左岸边坡泥板岩样室内蠕变试验资料和现场工程区域岩体风化程度、岩性和节理分布等特性的基础上,建立了龙滩左岸边坡泥板岩体的蠕变本构模型;采用均匀设计方法和三维显式有限差分法对72#试验洞三维地质概化模型进行了开挖模拟和蠕变计算;以72#试验洞的变形监测资料为目标,采用遗传–神经网络方法对泥板岩体的蠕变参数进行了智能反演分析,获取了岩体的蠕变参数。利用其进行正演计算,结果表明未用于反演的监测断面的实测位移值与相应断面的计算值在量值上相当,变形趋势上也基本相同。这表明所确定的龙滩水电站左岸高边坡泥板岩体蠕变本构与参数基本合理,同时说明进化神经网络演化有限差分方法在由小尺度岩石室内蠕变试验参数过渡到现场大尺度岩体蠕变参数的过程中起到了重要的桥梁作用。     

层状岩体多节理本构模型与试验验证

 根据含多节理层状岩体典型力学特征,在所提出的考虑一组节理面的层状岩体复合材料模型基础上,建立考虑多组结构面特性的层状岩体多节理本构模型,用来描述其在强度和变形方面的各向异性以及应变硬化–软化特征,进而采用VC++编程语言将该模型嵌入到FLAC3D软件中,实现其非线性数值计算功能。然后,利用所提出的本构模型与三维节理网络模型相结合,初步提出基于连续介质力学理论的合成岩体模型(SRMM)分析方法。基于这些模型理论和分析方法,建立现场真三轴试验岩样的三维合成岩体计算模型,通过与现场试验结果对比,表明所提出的本构模型在描述多节理岩体力学特性方面是可行的、合适的。     

高地应力下大型地下洞室群开挖顺序 与支护参数组合优化的智能方法

 针对高地应力下围岩变形破坏的特殊性以及大型地下洞室群开挖支护优化计算量大的特点,在三维弹塑性数值计算的基础上,采用反映高地应力下脆性岩石变形破坏特点的新本构模型,提出基于弹性释放能、塑性区体积、洞室周边位移与支护费用的地下洞室群开挖顺序与支护参数组合方案的综合优化新指标,综合集成粒子群与支持向量机的智能技术,提出高地应力下地下洞室群开挖顺序与支护参数的智能优化新方法。该方法通过典型施工方案的数值计算构建学习样本,采用支持向量机方法对样本进行学习与预测,建立起施工方案与综合优化指标之间的非线性映射关系,在具有一定约束条件的全局空间下,通过粒子群优化算法搜索出开挖顺序与支护参数的全局最优组合方案。将该方法应用于高地应力区黄河拉西瓦水电站地下厂房洞室群的开挖顺序和支护参数优化分析,结果表明该方法的可行性。     

官庄铁矿深埋破碎矿体开采岩体变形测试分析

 以大量实测资料为基础,分析官庄铁矿北区深埋破碎厚矿体开采引起的围岩变形和地表移动规律。实测结果表明,官庄铁矿北区地表下沉属于连续下沉,岩层破坏主要是缓慢型破坏。分析过程中,把几种实测分析方法和数值分析法有机结合在一起,形成岩体移动变形综合研究方法,对地下开采引起的岩体移动机制进行具体分析。分析中所采用的实测分析类方法包括蠕变试验分析、地表移动观测分析、围岩变形监测分析、原岩应力量测分析;数值分析类方法包括ANSYS和FLAC。结合官庄铁矿工程实例,通过具体测试分析,探讨深部开采岩体移动变形规律及特点,即深部开采覆岩移动变形具有均匀、整体压缩变形等特点,地表移动连续且周期较长。实践证明,所采用的综合研究方法是分析岩体移动和地表下沉机制的有效途径。     

锚杆–围岩结构系统低应变动力响应理论与应用研究

建立锚杆–围岩结构系统低应变纵向动力响应的数学力学模型,为研究锚杆结构系统的无损探伤原理及方法提供理论依据。通过理论研究、实验室模型试验和数值模拟试验等技术,研究不同损伤锚杆应力波的传播规律、特性。锚杆系统动力参数的变化可准确反映锚杆的损伤程度,而动力参数的识别是衡量锚杆锚固质量的一条途径,同时提出一种对锚杆–围岩结构系统进行参数反演的遗传算法。利用现代信号分析理论,通过神经网络等现代人工智能手段,探讨锚杆系统损伤位置的确定方法和锚杆–围岩结构系统的识别方法,提出一种锚杆锚固质量定量分析的方法,建立锚杆系统无损探伤的智能诊断系统,并进行现场测试应用。