共查询到18条相似文献,搜索用时 250 毫秒
1.
2.
3.
为较理想地处理巷道的收敛变形与围岩力学间的复杂非线性关系,应用反分析方法研究了大冶铁矿龙洞-74 m水平采矿巷道的围岩力学参数.首先应用正交试验理论确定有限元正分析的围岩力学参数取值样本,运用2D-Sigma有限元软件计算巷道的收敛变形值;然后将有限元计算位移值作为输入样本,相应的围岩力学参数作为输出样本训练BP神经网络;再将实测位移带入训练好的神经网络反分析得到相应围岩力学参数,以此围岩力学参数作为二次正分析的计算参数进行有限元计算,并比较分析位移计算值与实测值的误差.结果表明,采用该方法获取围岩力学参数是可行的,其结果符合工程实际要求. 相似文献
4.
5.
以某浅埋偏压小净距隧道先行洞施工监测为工程依托,根据正交设计思想,确立实验方案,结合弹塑性非线性有限元计算构造训练样本,借助BP神经网络的超强非线性映射能力对隧道先行洞开挖所揭露的围岩变形模量E、泊松比μ进行了位移反演,及时掌握先行洞开挖后围岩物理力学参数,从而达到优化设计并指导后行洞施工的目的,以实现隧道的信息化施工与设计。 相似文献
6.
7.
韩家岭大跨度隧道开挖过程数值模拟研究 总被引:3,自引:0,他引:3
采用面向对象的编程技术,选取可视化的开发工具Visual Basic和Fortran Power Station编制了二维弹塑性有限元分析程序EPFEM-2D。以韩家岭大跨度公路隧道为例,通过地质勘察和实验室岩石力学物理实验确定了隧道围岩的类别及一些必要的物理力学参数,优选出了能较好反映隧道实际受力状况的计算模型,利用EPFEM-2D对韩家岭大跨度公路隧道的开挖过程进行了数值模拟,所得计算结果和有关结论为韩家岭大跨度公路隧道的设计及施工提供了重要的参考依据。 相似文献
8.
本文以马鞍石隧道围岩地质条件为基础,以设计资料为依据,根据岩块力学参数试验成果和岩体工程地质研究的分类成果,运用Hoek-brown等经验准则确定了岩体力学参数,运用三维快速拉格朗日有限差分程序对Ⅳ类围岩全断面开挖后隧道围岩的稳定性进行了数值建模和分析计算,对隧道开挖过程中的力学行为和稳定性进行了评价和预测。 相似文献
9.
10.
11.
本文针对地下工程的设计、施工和矿山生产的实际需要,提出矿岩稳定性分级分区的概念和智能化方法。将人工智能、神经网络、岩石力学与CAD技术相结合,探讨了分区过程中诸如分区参数的神经网络最优辩识、地质结构面评价、粗略分级分区和详细分级分区的启发式推理方法、具有多内部不规则边界的离散数据点网络自动生成等核心问题,给出了实现分级分区的智能CAD系统。程潮铁矿的实际应用表明,该方法及其智能系统科学、实用。 相似文献
12.
人工神经网络方法辨识岩体力学参数的可辨识性及其稳定性探讨 总被引:5,自引:0,他引:5
探讨了以巷道围岩变形观测为依据 ,用神经网络反推岩体物理力学性质和初始地应力环境参数时各参数的可辨识性 ,以及参数辨识的稳定性。找出了待辨识参数个数与所需最少巷道变形观测项目数之间的关系 ,并给出了巷道围岩变形观测项目选择的建议 相似文献
13.
14.
为探索高地应力下深部软岩巷道围岩应力场及位移场的分布情况, 建立了简化的应变软化模型, 分析了此模型的关键参数; 采用均匀设计法设计了数值计算中待分析的参数方案, 且将各方案参数代入FLAC3D软件中进行了数值仿真分析; 再将各工况下监测点计算的相对位移与岩体力学参数代入BP网络进行训练、学习, 并将监测点位移相对监值输入训练的BP网络, 获得参数反演值。以淮南矿业集团顾桥煤矿轨道巷为工程背景, 进行了巷道深部位移监测, 根据监测结果反演了简化应变软化模型的关键参数, 经正分析对比验证了力学参数反演结果的准确度、可靠性, 反演结果为后续工程数值计算奠定了基础。 相似文献
15.
基于人工神经网络的煤巷锚杆支护设计研究 总被引:12,自引:0,他引:12
基于人工神经网络原理,构筑锚杆支护设计多级人工神经网络,在围岩分类的基础上,进行煤巷锚杆支护形式和参数优化设计,应用结果表明,该方法操作简便,可靠性高,具有先进性,有较高的实用价值和广阔的应用前景。 相似文献
16.
圆弧滑动边坡稳定性分析的神经网络方法 总被引:3,自引:0,他引:3
搜集了大量圆弧滑动边坡工程实例,并根据实例边坡的实际稳定状况及其几何、物理力学参数构建了训练数据集和测试数据集。应用所构建的训练数据集,对所建立的用于圆弧滑动边坡稳定性分析的神经网络进行训练,并采用训练数据集和测试数据集对其拟合能力和推广预测能力进行测试,最终获得满意结果。应用所建立的神经网络对某高速公路边坡的最危险圆弧滑动面的安全系数、稳定状态和圆心位置作了预测,结果与实际情况吻合。 相似文献
17.
深部高地应力下硐室围岩蠕变力学参数不准已成为制约岩体工程理论分析和数值计算发展的"瓶颈"问题,因而确定可靠的岩体蠕变参数服务于工程实际成为重点关注的课题,为此提出基于位移增量敏感性分析的高地应力下硐室群围岩蠕变参数的智能反分析方法。该方法基于描述深部高地应力条件下围岩蠕变随时间破坏特征的分数阶微积分的蠕变本构模型,取较为典型的主硐室顶拱位移、拱肩位移和边墙位移作为表征围岩的特性指标,从参数敏感性分析着手,确定模型中对位移较为敏感的5个蠕变参数(瞬时剪切模量、黏性系数、黏弹性剪切模量、黏弹性系数、分数阶系数β),并遵循"大值原则"和"敏感性原则"提取位移增量数据,输入主厂房和主变室等不同位置的现场位移增量监测信息建立多数据融合的适应度函数,采用均匀设计方法构造各参数不同水平组合的学习样本和训练样本,通过遗传算法与神经网络相结合的智能优化算法在解的全局空间进行搜索,确定反演蠕变参数值,最终通过灰色关联度和后验差法联合校核位移增量实测值与计算值。实例分析结果不仅表明智能优化算法获得的硐室围岩蠕变参数可靠性高,也验证了该法的有效性和合理性,同时为深部高地应力大型硐室长期稳定性评价时参数确定提供一个新手段。 相似文献