连续压实控制技术在土石坝碾压中的应用研究

连续压实控制技术是铁路行业开展路基填筑压实检测中较为先进的手段之一,但尚未在水利水电行业中得以应用。通过连续压实控制检测可以反映碾压过程中的土体压实状况。以四川省金平水电站为例,将连续压实检测技术应用到土石坝填料碾压质量控制中,对比常规干密度试验的分析数据,得到了连续压实值与干密度的相关系数并建立相关模型(方程)。结果表明,根据振动碾压过程中连续检测取得的压实质量信息,可以对土石坝填料压实程度、压实均匀性和压实稳定性开展实时有效的质量监控,对土石坝填料的快速连续压实检测具有较大的借鉴意义。     

新技术新材料

<正>压实质量连续检测技术首次成功应用由中国水电顾问集团中南勘测设计研究院承担的院科技开发项目"压实质量连续检测技术在土石坝的应用研究",以金平水电站沥青混凝土心墙土石坝为依托,成功实现了压实质量连续检测技术在土石坝的首次应用。压实质量连续检测技术是将智能量测设备装载在振动压实机上,连续量测振动轮对填料的动态响应,得到被碾压填料各点刚度和强度的相关信息,并直接在智能显示器上显示     

实时监控下土石坝碾压质量全仓面评估

采用常规监理旁站方式监控土石坝碾压参数以及事后试坑取样检测的质量管理手段,往往有较大的人工误差。依托土石坝施工质量实时监控技术,获得了施工仓面任意位置处的碾压参数值(碾压速度、激振力、碾压遍数和压实厚度)。在分析碾压参数与压实质量标准(干密度或压实度)之间相关性的基础上,采用三层前向式ANN模型,建立碾压参数和压实质量标准之间的非线性映射关系,并提出了全仓面碾压质量评估的具体流程,获得仓面任意位置处的压实度以及全仓面的碾压质量达标率。该方法可有效避免以有限个试坑检测样本评价整体仓面碾压质量的片面性,为现场施工质量控制提供了新的途径。     

实时监控下土石坝碾压质量全仓面评估

采用常规的监理旁站方式监控土石坝碾压参数以及事后试坑取样检测的质量管理手段，往往有较大的人工误差。依托土石坝施工质量实时监控技术，获得了施工仓面任意位置处的碾压参数值（碾压速度、激振力、碾压遍数和压实厚度）。在分析碾压参数与压实质量标准（干密度或压实度）之间相关性的基础上，采用三层前向式ANN模型，建立了碾压参数和压实质量标准之间的非线性映射关系，并提出了全仓面碾压质量评估的具体流程，获得了仓面任意位置处的压实度以及全仓面的碾压质量达标率。该方法可有效避免以有限个试坑检测样本评价整体仓面碾压质量的片面性，为现场施工质量控制提供了新的途径。     

基于碾轮振动性态分析的土石坝压实质量实时监测与评估

有效控制坝体填筑碾压质量是确保土石坝工程安全的关键。常规采用碾压参数过程控制与事后试坑抽检相结合来控制土石坝压实质量的方法,不能在碾压过程中直接控制坝料压实质量(如压实度、干密度、孔隙率等),且用有限个抽样点不仅难以真实反映整个施工仓面的压实质量,而且由于试坑检测结果不能快速获得,不易及时反馈控制现场施工。本文基于碾轮振动性态及坝料压实机理分析,提出了土石坝料压实质量的实时表征指标——压实监测值CV(Compaction Value),研制开发了相应的车载实时监测装置。基于实时监测的CV,并考虑坝料的级配及含水率,提出了土石坝料压实质量(压实度)的全仓面快速评估方法。实际工程应用表明,CV与坝料压实度之间存在很强的相关性,所建立的压实度回归模型精度较高。本文方法可实现土石坝压实质量全仓面的快速评估,有效避免试坑抽检的片面性及滞后性,为土石坝施工质量控制提供了一条新的途径。     

基于碾轮振动性态分析的土石坝压实质量实时监测与评估

有效控制坝体填筑碾压质量是确保土石坝工程安全的关键。常规采用碾压参数过程控制与事后试坑抽检相结合来控制土石坝压实质量的方法，不能在碾压过程中直接控制坝料压实质量（如压实度、干密度、孔隙率等），且用有限个抽样点不仅难以真实反映整个施工仓面的压实质量，而且由于试坑检测结果不能快速获得，不易及时反馈控制现场施工。本文基于碾轮振动性态及坝料压实机理分析，提出了土石坝料压实质量的实时表征指标—压实监测值CV（Compaction Value），研制开发了相应的车载实时监测装置。基于实时监测的CV，并考虑坝料的级配及含水率，提出了土石坝料压实质量（压实度）的全仓面快速评估方法。实际工程应用表明，CV与坝料压实度之间存在很强的相关性，所建立的压实度回归模型精度较高。本文方法可实现土石坝压实质量全仓面的快速评估，有效避免试坑抽检的片面性及滞后性，为土石坝施工质量控制提供了一条新的途径。     

砾石土料碾压设备适应性研究与分析

砾石土料由于其在物质组成方面不同于黏性土其有较高的强度指标和合适的抗渗性能而在高土石坝中广泛应用。高土石坝区别于一般土石坝指标是采用砾石土料且按重型击实功标准进行压实度控制。砾石土料重型击实功下的压实标准是目前高土石坝研究的一个重要方向,需要从粗、细料不同情况下的压实指标、设备等方面进行深入研究。结合国内相关工程研究,对砾石土料碾压设备适应性方面的研究成果进行了总结。     

模拟分层填筑下压实度对土石坝应力变形及边坡稳定的影响

土石坝的施工大多采用分层碾压、逐级填筑的方式进行,以压实度和最优含水率作为设计控制指标,其强度指标和压缩特性直接影响到大坝的长期运行稳定.为探讨压实度对土石坝应力变形的影响,在合理模拟施工过程和不同压实度工况基础上,运用二维有限元模拟土石坝分层碾压过程,分析不同填筑高程和压实度对坝体应力变形及坝坡稳定的影响.结果表明:土石坝施工期坝体应力变形、坝坡稳定与压实度密切相关,高坝影响更为敏感,严格控制压实标准,可有效减小土石坝自身沉降变形.     

碾压式土石坝压实质量控制中若干问题的浅析

土石坝压实质量控制是土石坝施工中的重点同题.从土的压实机理出发,选取正确的压实标准,通过击实、碾压试验,确定压实度和最大干密度及碾压参数,经对现场压实质量实时检测,依据施工质评标准,控制压实质量.本文以长江水库扩建工程中主坝后坝坡加高培厚的填筑施工为例,对土石坝压实质量控制中步骤及存在的问题进行了简略分析.旨在正确地应用压实标准,合理探作试验规程,分析试验成果,确保工程质量.     

从土的压实机理分析心墙土料的压实质量控制

通过总结多年土石坝设计和监理的经验，并结合土的压实机理，对心墙土料施工质量的控制——压实标准、检测技术、施工工艺等做了较全面的叙述和探讨，以期望对碾压式心墙土石坝的心墙设计与施工控制提供借鉴和参考。     

基于碾压波速的堆石坝压实质量实时监测指标的研究

已有的连续压实质量评价指标在评估堆石坝料的压实质量时仍存在评价精度低、表征压实效果复杂以及结果易受压实材料属性影响等缺点.为给堆石坝施工质量的连续控制提供有效指标,本文采用数据延拓式相关的相位差求解方法来间接获取碾压波速(VR),提出了以实时监测的VR作为堆石坝料压实状态的表征指标.从定性分析角度考虑碾压参数对VR的影...     

基于数字图像处理的土石坝坝料合格性智能检测方法

土石坝坝料的合格性检测通常是通过判断现场筛分试验获得的级配参数是否满足设计要求来实现的,然而通过筛分试验获取级配参数的方法存在采样率低,操作过程繁琐,智能感知程度差等缺点以致检测结果代表性差。为了提高坝料级配参数的智能检测程度,依托辽宁某电站现场挖坑检测位置处的图像和级配数据,采用融合空间信息的直觉模糊C均值聚类(SIFCM)算法进行土石坝料数字图像的分割,并利用等效椭球体积的方法实现了土石坝料的三维体积重构,进一步通过基于BP神经网络的级配修正模型修正后,得到真实条件下的坝料全级配特征曲线,进而获得评价坝料合格性的4个指标：最大粒径、P5含量、曲率系数C_c和不均匀系数C_u。实际工程应用表明,本文建立的基于SIFCM＿BP算法的坝料级配特征智能识别修正模型具有较高的识别精度,本文方法为大坝碾压施工前坝料合格性快速判别与施工过程中坝料压实特性的实时评价提供了重要支撑。     

基于碾压机做功的堆石坝压实质量实时监测与快速评估

引入了反映碾压机做功的坝料单位体积压实功（E）和碾轮振动加速度谐波失真量（THD0）作为堆石坝压实质量的实时监测指标，研制开发了堆石坝压实质量实时监测系统用于实现碾压过程中上述两个指标的采集。提出了结合E、THD0与坝料料性参数的堆石坝料全仓面压实质量快速评估方法，不仅可避免试坑法抽检样本的有限性，而且可有效克服碾压过程参数不能直接反映坝料压实状态，及基于碾轮性态分析的监控指标易于错误表征坝料坚硬程度等弊端，实现了堆石坝料压实质量的快速准确评估与及时反馈控制。     

智能压实过程控制系统在水利水电工程中的 试验性应用研究

在贵州黔中水利枢纽工程大坝施工中引入智能压实过程控制系统进行试验性地应用研究。结果证明：智能压实过程控制系统能对铺料厚度、碾压遍数、压实度均匀性等施工参数实现实时、全过程地记录和分析；本系统现场采集的试验数据和实际检测数据具有良好的相关性。因此，该系统不仅为本工程碾压施工质量实现全过程控制提供有效的依据和技术手段，也为同类水利水电工程实现全过程质量控制进行了有益的探索。     

深厚覆盖层上高土石围堰地基混凝土防渗墙应力变形的敏感性分析

结合拟建基在深厚覆盖层上的某一高土石围堰,运用非线性有限元法,进行了地基混凝土防渗墙应力关于其厚度和E-B模型主要参数(k、R_f、K_b、K_(ur))等指标的敏感性分析。分析结果表明:在各种指标条件下,堰体、地基及防渗墙的应力变形分布规律基本相似;但随着防渗墙厚度增大,防渗墙主拉应力明显减小,而主压应力变化相对较小;防渗墙E-B模型主要参数对防渗墙应力影响明显,与采用基本参数情况相比较,采用较大的模型参数将使得防渗墙主拉应力有所增大,采用较小的模型参数将使得防渗墙主拉应力有所减小。在工程设计中,应选择合适的防渗墙厚度、防渗墙混凝土材料配合比设计等,使防渗墙E-B模型主要参数(k、R_f、K_b、K_(ur))相对较小。     

GPS监控技术在糯扎渡水电站大坝施工中的应用

对GPS监控技术的研究运用,全面实现了运输车装料、运输、坝面卸料、压实厚度、碾压遍数、碾压机械行驶速度及激振力大小等主要施工参数的实时、自动、连续、高精度监控,全面提升了堆石坝工程的施工管理与质量控制水平。     

粗粒料相对密度室内与现场试验对比分析

粗粒料最大干密度是在原型级配料基础上经过缩尺后得到的控制指标,存在明显的缩尺效应。为研究粗粒坝料相对密度室内与现场试验的差异,针对相同坝料,采用等量替代法,进行了缩尺室内试验与现场碾压试验的对比。试验结果表明:现场碾压试验过程中,由于坝料颗粒粒径更大,易于压实,且压实机械、压实能量等方面与室内试验存在差异,现场碾压试验得到的最大干密度更大,现场碾压试验得到的最大干密度为2.35 g/cm~3,室内试验得到的最大干密度为2.31 g/cm~3,小于现场碾压试验0.04 g/cm~3;现场试验最大干密度峰值对应的P_5含量为80%,室内试验最大干密度峰值对应的P_5含量为70%,随着粗粒料粒径的增加,最大干密度峰值对应的P_5含量有所增加。     

An Appraisal on the Interpolation Methods Used for Predicting Spatial Variability of Field Hydraulic Conductivity

Knowledge of spatial variability of soil hydraulic conductivity is a key parameter for hydrological modeling. Spatial variability of soil hydraulic conductivity, K_s is attributed to soil heterogeneities associated with texture/structure, different initial conditions, meteorological changes, and clogging. The spatial variability is quantified by employing interpolation methods to point measurements performed in the field. There are not many studies reported in the literature that deals with the critical evaluation of the relative performance of different interpolation methods for predicting spatial variability of hydraulic conductivity. The primary objective of this study is to perform a critical evaluation of five interpolation methods, namely Kriging, Inverse Distance Weighted, Natural Neighbor, Spline and Trend for the spatial prediction of hydraulic conductivity. The accuracy of different methods was assessed by comparing the predicted values with the measured hydraulic conductivity of selected locations. It was noted that the Kriging method with exponential model gave a better spatial prediction as compared to other methods. The spatial variability of K_s was found to be in the same pattern as that of the percentage variation of the sand fraction for both the sites investigated in this study. It was further noted that the prediction of K_s was found to be more precise for those stations with a higher percentage of sand. A sudden transition of soil type from sand to silt was found to influence the accuracy of spatial prediction.