一种岩土地下工程智能预警云系统

1.本发明涉及岩土地下工程智能预警云系统领域，将大型数值仿真模拟软件与物联网技术相 结合，可在实际工程中得到较好的应用。


背景技术：

2.经济的发展和科技的进步使得地下空间的开发和利用越来越多，同时人们对于安全问题越 来越重视。因此在实际工程施工中，往往也会采用数值模拟的方式进行验证工作从而保证工程 的安全进行。为了使数值模拟更加切合实际，岩土参数取值的问题就显得尤为重要。同时自动 化运行的模拟预警系统也可以打破时间的限制，利用代码直接自动运行数值模拟分析及提取结 果，从而大大提升效率。
3.首先需要考虑的是岩土参数的选取问题，在实际操作中，数值模拟和现场监测数据之间的 关联性比较低，其中现场监测数据的作用只是与数值模拟的结果形成一个初始的对比，其对于 数值模拟中材料力学参数的选取并没有特别明确的指导意义，现阶段的数值模拟的参数选取是 根据地质勘察报告中的参数范围进行选取，具有很强的不确定性，且需要不断地修改相应的参 数取值以达到符合工程实际情况的效果。由于很难准确地得到计算参数的量值，所以由计算分 析所得到的结果常常不能与真实情况相符。在确定岩土力学参数的方法中，目前应用广泛的为 反分析法。但是由于岩土材料的应力应变关系的高度非线性，应用反分析方法求岩土力学参数 还是相当复杂的。因此需要从岩土参数的选取问题出发，将所选取的方法结合到系统中进行自 动化运行与应用。
4.其次现阶段施工过程中数据监测任务是人工进行，监测数据的传输未采取规范的方式与格 式，从而在后期运用时需要进一步处理，现场监测人员与数值模拟分析人员之间的沟通方式比 较混乱。
5.同时还存在进行数值模拟之后，数值模拟的结果需要进行相应的处理才能达到对施工现场 的指导作用，数值模拟结果文件的提取可以选取最基本的方式，按照步骤进行提取，此种方式 所需时间长，进而导致效率低的问题，因此不能对施工现场进行及时的指导与预警，同时还存 在非专业人员无法操作并批量提取所需的结果的问题。
6.考虑到以上问题，可以将解决以上问题的方法通过代码进行组合串联，并且布置到服务器 上进行应用，从而对实际工程起到预警与指导作用。


技术实现要素：

7.岩土参数确定方面，由于bp神经网络具有很强的非线性关系处理能力，它不需要知道变 形与所求力学参数之间的关系，并有良好的自适应性、容错性等特点，可以实现位移和所求力 学参数之间的非线性映射，其计算过程比位移反分析数值计算方法简单、方便。因此可以考虑 将bp神经网络引入到岩土参数确定的过程中。从而可以提高数值模拟的准确性。bp神经网 络方法与传统方法进行比较发现，有其独特的优点。由于岩土工程中的问题的复杂性，在已知 量与未知量之间存在很强的非线性关系。这种非线性关系通过人工
神经网络可以很好地映射。 bp网络不需要预先给出一定的模型，但是需要有样本数据对其进行训练，只有网络训练完成 以后才能投入使用，因此可以将其与数值模拟计算结合应用提高分析效率。
8.同时需要构建系统平台进行数据上传与后期处理，以规范现场施工人员与技术人员之间的 沟通与交流。为解决非专业人员无法操作并批量提取所需的结果的问题，在数值模拟结束之后， 采取通用代码进行所需结果的提取，并且布置在服务器端自动运行，结果提取之后，可以上到 展示界面为现场安全施工提供指导。
9.以上提及的办法，虽每一部分皆可单独进行，但将各个部分串联起来进行工作可以提升效 率，于是本发明的出发点在于将各个部分通过代码联络起来，形成一个闭环，本发明将前期现 场监测数据与数据库之间的交互、利用bp神经网络将监测数据反演出修正之后的地层力学参 数、参数修正输入数值模拟计算命令流、自动运行数值模拟计算命令、计算完成后所需变形数 据以及云图的自动化导出以及上传到展示界面这五部分进行串联，可以极大地提升效率。
10.本发明的技术方案如下：
11.一种岩土地下工程智能预警云系统，采用如下方法：
12.1)：根据实际工况以及工程地勘报告选取一标准断面进行初期建模操作，此建模操作包括 地层的建模、地下水的设置、主体结构的建模；
13.2)：根据地勘报告中所给出的地层参数取值范围，将每一类土层参数皆分成若干等级，并 设计正交试验从而得到多组地层参数数据，将各个地层参数赋予相应的范围，进行正向数值模 拟分析；
14.3)：正向数值模拟分析完成之后便可以利用每组地层参数所以及各组参数对应的控制点的 变形数据两种数据构造含有隐含层的神经网络，在所构建的神经网络中，主体结构的变形数据 为输入层，地层参数数据为输出层，赋予权值和阈值对神经网络进行训练，当神经网络训练误 差满足要求之便可以得到相应的bp神经网络代码片段；
15.4)：根据新阶段施工所获取的控制点变形数据以及训练好的bp神经网络进行地层参数修 正；
16.5)：将地层参数赋予到数值模拟计算命令流中，进行整体部分正向数值模拟分析；
17.6)：采用批处理命令将结果提取出之后上传到系统界面进行展示。
18.本系统的主体方向是通过系统界面上传新阶段的控制点的变形数据，然后再通过bp神经 网络进行反分析，从而可以得出新的地层参数数据，进而修改相应的数值模拟计算的命令流， 且可在云端服务器进行自动分析以及后期结果中变形数据以及变形云图的批量导出与上传到 系统展示界面，从而指导现场安全施工。
19.上述bp神经网络的构建流程具体操作如下：根据实际工况以及工程地勘报告选取标准断 面进行初期建模操作，此建模操作包括地层的建模、地下水的设置、主体结构的建模。根据地 勘报告中所给出的地层参数取值范围，将每一类土层参数范围皆平均分成5个等级并设计正交 试验从而得到多组地层参数数据，将地层参数数据组合分别赋予各个地层，进行正向数值模拟 分析。正向分析完成之后便可得到每组地层参数数据对应的控制点的变形数据，采用这两种数 据构造含有隐含层的神经网络，在所构建的神经网络中，主体结构控制点的变形数据为输入层， 地层参数数据为输出层，赋予权值和阈值对神经网络进
行训练，当神经网络训练误差满足要求 之便可以得到相应的bp神经网络代码片段。
20.新施工阶段的数值模拟主要按如下流程进行：将阶段施工所获取的控制点变形数据代入到 训练好的bp神经网络进行地层参数反分析，进而得出修正之后的地层参数，通过计算机编码 语言将地层参数赋予到数值模拟计算命令流中，然后进行整体部分正向数值模拟分析，最终采 用批处理命令将结果提取出之后上传到系统界面进行展示。
21.所述的初期建模为二维建模。
22.所述的神经网络模型为采用计算机语言构建的bp神经网络模型。
23.所述的数值模拟软件采用abaqus。
24.所述当前施工所获取的控制点变形数据为现场监测所得，并且需要整理成神经网络所需要 的的格式，且其格式在图4数据上传界面有模板文件进行指导。
25.所述的地层参数赋予到数值模拟计算命令流中是通过计算机语言修改abaqus建模时产 生的建模命令文件实现
26.所述数值模拟计算命令流为使用abaqus进行正向分析时产生的代码文件，可以对其中 代表地层参数的片段进行修改。
27.所述的整体部分正向数值模拟分析可采用命令行窗口运行相关数值模拟计算命令流。
28.所述的结果提取为调用abaqus中后处理接口采用计算机语言进行计算结果的提取以及 后处理。
29.具体说明如下：
30.首先构建系统网站用于施工人员与后台服务器之间进行交互，其中系统界面主要包括施工 基本信息上传界面、仿真分析界面、用户管理界面、消息记录界面。
31.其中仿真分析界面存在两个分支，其一为数据上传界面：主要利用搜集信息标签获取用户 上传现场监测数据；其二为列表展示界面：主要运用向服务器传输数据标签来创建表单，用于 展示数值模拟计算结果，进行相应的预警操作。
32.将训练满足误差需求之后的bp神经网络代码嵌入系统后台主体代码中，且可以在现场人 员上传新工况下控制点变形数据之后触发神经网络的反分析机制，经过神经网络的反分析之后 即可得到修正的地层参数数据，再利用计算机语言读取神经网络反演的地层参数数据结果后， 将其代入到数值模拟计算命令流地层参数对应位置处进行替换。从而达到了利用反演得出的结 果对数值模拟计算命令流进行修改的目的。进而再于命令行窗口执行数值模拟计算命令流，从 而完成三维模型整体施工状况分析。
33.分析结束之后其计算模型结果可用计算机语言进行批量后处理操作，提取所需的结果文件， 其中包括应力数据、位移数据、弯矩数据、变形云图等。所需的结果可以保存到自己所需位置 后期进行结果文件的上传从而使得其在系统展示界面进行展示，或者直接保存到服务器中代表 各工况施工情况的文件夹中，进而完成系统界面展示结果的更新替换，达到更新计算结果的目 的。
34.在初期进行bp神经网络构建以及训练时，考虑到需要多组数据作为支撑，因此在进行正 交试验之后将地层参数输入到二维模型中进行计算，从而提高效率。同时考虑到受制约于本地 服务器或工作站的成本以及配置问题，难以适应日常多变的分析任务需求，因此本系统需将所 需大型有限元分析软件abaqus布置在云端平台进行操作使用，为了使本
系统有良好的可扩 展性能，采用计算机语言与大型有限元分析软件abaqus相配合的操作方式，可以对所需模 型进行方便的前处理与后处理操作，满足对所需结果的需求。
附图说明
35.图1为神经网络结构示意图；
36.图2为bp神经网络构建示意图；
37.图3为本系统的架构图；
38.图4为新工况控制点变形数据上传界面；
39.图5为结果展示预警界面。
40.图6为bp神经网络性能分析图。
具体实施方式
41.此系统的出发点为尽可能减少人为操作在分析与处理过程中所产生的误差等，因此本系统 布置在云端服务器且基于计算机语言互通进行运行，极大地减少了人为操作所引起的一系列的 问题。可在实际工程中获得广泛的应用。
42.下面结合附图和具体实施方式对本发明做进一步的详细说明：
43.首先根据图1所示，进行所需神经网络的构建，在所构建的神经网络中，主体结构控制点 的变形数据为输入层，地层参数数据为输出层，赋予权值和阈值对神经网络进行训练，当神经 网络训练误差满足要求之便可以得到相应的bp神经网络代码片段。
44.在模拟计算中地层模型采用mohr
‑
coulomb本构模型，涉及的参数有4个：弹性模量e、 黏聚力c、泊松比ν、和内摩擦角φ，该工程实例共有7个土层，从上到下依次为杂填土、粉质 黏土、淤泥质土、黏土、粉质黏土等，模型共涉及参数28个，反演所有参数会影响反演的效 率和反演的精度。考虑到开挖阶段围护结构主要为弹性变形，选取弹性模量e作为待反演参 数。泊松比ν、黏聚力c和内摩擦角φ根据该工程岩土勘察报告提供的力学参数建议值确定。由 于最上层的杂填土厚度小、最下层的粉质黏土远离围护结构底部并且与第6层土性质相近，因 此，选取中间5个土层的弹性模量e作为待反演参数。弹性模量的取值范围为3～5倍的压缩 模量，见表1，参数水平划分见表2。
45.表1 待反演参数的取值范围
[0046][0047]
表2 待反演参数水平
[0048][0049]
为了保证试验样本的合理性和试验结果的可靠性，采用正交试验设计构造神经网络训练样 本。待反演参数为5因素5水平，根据试验因素及水平的数目，选择l
25
(56)正交表设计25组 弹性模量参数组合，见表3。
[0050]
表3 l
25
(56)正交试验设计参数组合
[0051]
[0052][0053]
将表3中的25组参数组合依次代入初始计算模型中进行正分析计算，得到控制点的4个 深层水平计算位移，见表4。
[0054]
表4 水平位移数值计算结果
[0055]
[0056][0057]
以表4的计算位移(s1，s2，s3，s4)为bp神经网络的输入、表3的参数组合(e2～e6) 为输出，构造25组神经网络学习样本。输入层节点数为4、输出层节点数为5、隐含层节点数 的取值范围为[3，30]、初始连接权值和阈值取值范围为[0，1]、隐含层传递函数为tansig、输 出层传递函数为purelin、训练函数为默认的trainlm算法、最大迭代次数为1000、学习率为0.01， 目标误差为10
‑5。将样本输入bp神经网络进行训练，经多次试算，最小误差为0.0015，图6 中各指标r值均大于0.9，说明网络测试正确，具有良好的预测能力。
[0058]
图2为本系统中所应用的bp神经网络构建流程示意图，此操作是在系统搭建之前完成的， 为了简化神经网络的构建流程，前期的建模采用二维建模，并且将不同的地层参数数据与对应 的控制点的变形数据对应输入神经网络模型中进行训练之后可以得到系统所需的神经网络模 型。
[0059]
系统架构如图3所示，可以更为直观地了解到系统的相关流程，现场新施工阶段的监测数 据采集后通过系统数据上传界面进行上传，进而通过已经训练还的神经网络进行地层参数数据 的反演操作，实际操作如下：选择同样测点的新施工阶段下的现场监测数据输入训练好的算法 中进行反演。现场监测位移为u＝[7.78，13.77，18.24，7.89]，反演得到的弹性模量见表5。
[0060]
表5 bp神经网络反演结果
[0061][0062]
神经网络反演得到的新的地层参数数据替换到数值模拟计算的命令流中，从而可以通过运 行命令行窗口进行数值模拟计算命令流，计算完成之后，采用计算机语言提取所需结果并将其 上传到可视化的系统界面进行展示，从而达到指导施工的目的。
[0063]
本系统在实际应用中，需要施工方将监测数据进行初步的整理成系统所需格式，在图4 界面中进行数据上传操作，本界面主要包含上传监测数据弹窗，其中可以点击“注：所上传的 数据应严格参照模板中相应的格式进行，模板下载请点击”字样处，从而下载规定格式的模板 文件，数据文件名称由上传人员自行规定，文件上传处需要在本地电脑选取相应的数据后点击 提交按钮，从而将其上传之后会保存到服务器中。
[0064]
上传到服务器的新阶段下的变形数据代入到神经网络中进行反分析从而得出修正之后的 岩土力学参数，使用计算机语言将修正之后的参数输入到数值模拟仿真软件(abaqus)分 析命令文件中进行替换，从而进行新的正向数值模拟分析，分析结束之后同理采用计算机语言 将数值模拟结果进行批量后处理操作，进一步将批量处理所得的结果上传至图5结果展示预警 界面从而完成预警展示操作，其中包括添加分析项目按钮以及展示表格，展示表格中包括工程 项目、开挖工况、开挖深度、变形预测、安全评价以及数值仿真云图等重要信息展示列，在本 界面将经过数值仿真模拟之后结果提取之后通过表格样式进行展示，可以直观地用于预警以及 指导安全施工。
[0065]
本系统主要通过bp神经网络和计算机语言以及大型数值仿真模拟软件abaqus之间的 相互结合，从而将现场监测数据充分利用起来用于更好地指导现场安全施工，同时本系统布置 到云端可以极大提高本系统的快速响应能力，从而达到更好的效果。
[0066]
本发明公开和提出的技术方案，本领域技术人员可通过借鉴本文内容，适当改变条件路线 等环节实现，尽管本发明的方法和制备技术已通过较佳实施例子进行了描述，相关技术人员明 显能在不脱离本发明内容、精神和范围内对本文所述的方法和技术路线进行改动或重新组合， 来实现最终的制备技术。特别需要指出的是，所有相类似的替换和改动对本领域技术人员来说 是显而易见的，他们都被视为包括在本发明精神、范围和内容中。