本发明属于建筑工程,特别涉及一种深基坑形变智能控制方法及控制系统。
背景技术:
1、随着工程建设的快速发展,城市更新面临越来越复杂的周边环境,由此,深基坑工程的稳定控制变得越来越复杂。通常,基坑降水单位只采集水量数据,监测单位只采集变形数据,深基坑工程的施工过程中,各体系间尚不能智能联动运作,人为协调控制管理矛盾突出。为应对复杂敏感环境施工,响应国家和地方政府关于推动老旧小区城市更新的战略需求,亟需开发一套智能联动系统,以满足在复杂环境下基坑变形的精准控制。
技术实现思路
1、为了解决上述问题,本发明提供了一种深基坑形变智能控制方法及控制系统,以解决传统深基坑工程施工过程中,各体系间采用人工协调控制,导致在复杂环境下基坑变形无法得到精准控制的问题。
2、为实现上述目的,本发明提供了一种深基坑形变智能控制方法,包括:
3、获取基坑监测系统,基坑周边环境监测系统,降水-回灌系统与伺服控制系统的历史监测数据;
4、基于历史监测数据建立基坑形变深度学习模型;
5、将采集的实时监测数据传输至基坑形变深度学习模型中进行预测,得到预测结果;
6、判断预测结果是否超出预警值,若超出则分别向伺服控制系统和降水-回灌系统发送联动控制指令;
7、根据联动控制指令分别调整伺服控制系统和降水-回灌系统的预设输出结果。
8、根据本发明的一个具体实施例,基于历史监测数据建立基坑形变深度学习模型进一步包括:
9、根据历史监测数据建立支护作用力与变形控制之间的关系,以及降水-回灌水量与变形控制之间的关系;
10、基于支护作用力与变形控制之间的关系,以及降水-回灌水量与变形控制之间的关系建立wavenet模型;
11、将历史监测数据传输至wavenet模型中进行训练,得到基坑形变训练模型;
12、对基坑形变训练模型的参数进行设置,并将实时监测数据传输至基坑形变训练模型中进行测试,其中参数包括预测数据长度以及时间间隔;
13、根据测试结果对基坑形变训练模型进行优化,得到基坑形变深度学习模型。
14、根据本发明的一个具体实施例,根据历史监测数据建立支护作用力与变形控制之间的关系,以及降水-回灌水量与变形控制之间的关系包括:将历史监测数据代入线性回归模型中进行计算,得到支护作用力与变形控制之间的关系,以及降水-回灌水量与变形控制之间的关系,支护作用力与变形控制之间的关系,以及降水-回灌水量与变形控制之间的联系均为负相关。
15、根据本发明的一个具体实施例,历史监测数据包括支护结构形变,基坑周边地表及建筑形变,地下水位和千斤顶支撑轴力的历史监测数据,实时监测数据包括支护结构形变,基坑周边地表及建筑形变,地下水位和千斤顶支撑轴力的实时监测数据。
16、根据本发明的一个具体实施例,根据测试结果对基坑形变训练模型进行优化,得到基坑形变深度学习模型包括:根据测试结果调整基坑形变训练模型的学习率和迭代次数,得到基坑形变深度学习模型。
17、根据本发明的一个具体实施例,判断预测结果是否超出预警值,若超出则分别向伺服控制系统和降水-回灌系统发送联动控制指令包括:
18、将施工过程中各阶段控制节点对应的预测值与预警值进行比较,判断预测值是否超出预警值,如果超出则分别对伺服控制系统和降水-回灌系统进行校正分析,并根据分析结果向伺服控制系统和降水-回灌系统发送联动控制指令,其中预测值包括支护结构形变预测值,周边地表及建筑形变预测值,地下水位预测值以及千斤顶支撑轴力预测值,预警值包括支护结构变形阈值、周边地表沉降阈值、周边建筑水平和竖直向位移阈值。
19、根据本发明的一个具体实施例,控制节点包括地下水位降水深度和基坑开挖深度。
20、根据本发明的一个具体实施例,根据联动控制指令分别调整伺服控制系统和降水-回灌系统的预设输出结果包括:根据联动控制指令分别调整伺服控制系统的千斤顶轴力的预应力施加阈值和降水-回灌系统的抽降水量阈值。
21、一种深基坑形变智能控制系统,包括:
22、数据采集模块,用于采集基坑监测系统,基坑周边环境监测系统,降水-回灌系统与伺服控制系统的历史监测数据和实时监测数据;
23、数据预测模块,用于根据历史监测数据建立基坑形变深度学习模型,以及将实时监测数据传输至基坑形变深度学习模型中进行预测,得到预测结果;
24、预警模块,用于判断预测结果是否超出预警值,若超出则分别向伺服控制系统和降水-回灌系统发送联动控制指令;
25、联动控制模块,用于根据联动控制指令分别调整伺服控制系统和降水-回灌系统的预设输出结果;
26、显示模块,用于显示实时监测数据以及各监测数据的交互信息。
27、根据本发明的一个具体实施例,历史监测数据包括支护结构形变,基坑周边地表及建筑形变,地下水位和千斤顶支撑轴力的历史监测数据,实时监测数据包括支护结构形变,基坑周边地表及建筑形变,地下水位和千斤顶支撑轴力的实时监测数据。
28、与现有技术相比,本发明提供的一种深基坑形变智能控制方法及控制系统,通过建立支护作用力、降水-回灌水量与变形控制之间的联系建立深度学习理论模型,并采用深度学习模型预测数据的发展趋势,实现基坑变形监测数据、地下水水位数据、伺服支撑系统的施加作用力联动。本申请从深大基坑变形支护主动控制、自动化监测、降水-回灌和预应力施加的角度,实现深大基坑变形控制措施的智能联动与实时监测数据的动态反馈,为现场人员节约大量协调的时间,提升了项目管理部的综合协调水平及指挥调度的工作效率。通过有效的风险分析与控制,实现在复杂敏感城市更新环境中,深大基坑变形的智能化联动控制,维持周边建筑环境稳定,减小环境扰动,使得深大基坑的变形控制更加精准。
1.一种深基坑形变智能控制方法,其特征在于,包括:
2.根据权利要求1所述的深基坑形变智能控制方法,其特征在于,所述基于所述历史监测数据建立基坑形变深度学习模型进一步包括:
3.根据权利要求2所述的深基坑形变智能控制方法,其特征在于,所述根据所述历史监测数据建立支护作用力与变形控制之间的关系,以及降水-回灌水量与变形控制之间的关系包括:将所述历史监测数据代入线性回归模型中进行计算,得到支护作用力与变形控制之间的关系,以及降水-回灌水量与变形控制之间的关系,所述支护作用力与变形控制之间的关系,以及所述降水-回灌水量与变形控制之间的联系均为负相关。
4.根据权利要求1-3所述的深基坑形变智能控制方法,其特征在于,所述历史监测数据包括支护结构形变,基坑周边地表及建筑形变,地下水位和千斤顶支撑轴力的历史监测数据,所述实时监测数据包括支护结构形变,基坑周边地表及建筑形变,地下水位和千斤顶支撑轴力的实时监测数据。
5.根据权利要求2所述的深基坑形变智能控制方法,其特征在于,所述根据测试结果对所述基坑形变训练模型进行优化,得到基坑形变深度学习模型包括:根据测试结果调整所述基坑形变训练模型的学习率和迭代次数,得到所述基坑形变深度学习模型。
6.根据权利要求1所述的深基坑形变智能控制方法,其特征在于,所述判断所述预测结果是否超出预警值,若超出则分别向伺服控制系统和降水-回灌系统发送联动控制指令包括:
7.根据权利要求6所述的深基坑形变智能控制方法,其特征在于,所述控制节点包括地下水位降水深度和基坑开挖深度。
8.根据权利要求1所述的深基坑形变智能控制方法,其特征在于,所述根据所述联动控制指令分别调整伺服控制系统和降水-回灌系统的预设输出结果包括:根据所述联动控制指令分别调整伺服控制系统的千斤顶轴力的预应力施加阈值和降水-回灌系统的抽降水量阈值。
9.一种深基坑形变智能控制系统,其特征在于,包括:
10.根据权利要求9所述的深基坑形变智能控制系统,其特征在于,所述历史监测数据包括支护结构形变,基坑周边地表及建筑形变,地下水位和千斤顶支撑轴力的历史监测数据,所述实时监测数据包括支护结构形变,基坑周边地表及建筑形变,地下水位和千斤顶支撑轴力的实时监测数据。