欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023101028342
申请人: 成都理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种千枚岩隧道围岩蠕变参数预测方法,其特征在于,所述方法包括:对当前围岩监测点的变形量进行监测,所述变形量包括:边墙收敛变形量、右拱腰沉降量、拱顶沉降量、左拱腰沉降量、拱腰收敛变形量;

将实际监测到的变形量输入到与当前围岩监测点对应的神经网络反演模型中,得出当前围岩监测点的蠕变参数;

其中,所述当前围岩监测点对应的神经网络反演模型的一组训练数据包括:当前围岩监测点的蠕变参数及其对应的变形量,该对应的变形量对当前围岩监测点的蠕变参数以及其他围岩监测点的初始蠕变参数进行模拟计算得到的;所述当前围岩监测点的蠕变参数是基于当前围岩监测点的初始蠕变参数通过正交实验方案得到的;

围岩监测点的初始蠕变参数是通过渗流‑应力条件下饱和千枚岩三轴蠕变实验结果以及渗流‑应力条件下的千枚岩隧道围岩蠕变本构式得到的:‑Ft

ε=Aσe+BS11+CS11[1‑e ]+MS11Dn+NS11Dg,σ≥σs2得到的,*

其中,σe为有效应力, S11为有效偏应力, D表示有

*

效损伤量,由渗流‑应力条件下饱和千枚岩三轴蠕变实验结果确定,若无渗流条件,则D =

0;σ3表示隧道围岩地应力最小主应力,σ1表示隧道围岩地应力最大主应力,P表示渗透压,σs2表示岩石的长期强度;A、B、C、F、M、N为蠕变参数;Dn为起裂损伤函数,为线性演化规律,设Dn=kt,k是受偏应力与短期峰值强度比影响的损伤参数;Dg为加速损伤函数,为幂函数演化n规律,设Dg=mt ,m、n是加速损伤参数;由室内声发射实验获得损伤演化规律曲线,通过拟合得到损伤参数k、m、n。

2.根据权利要求1所述的方法,其特征在于,所述与当前围岩监测点对应的神经网络反演模型的训练步骤包括:获取当前围岩监测点对应的神经网络反演模型的多组训练数据;

利用所述多组训练数据对BP模型进行训练,得到与当前围岩监测点对应的神经网络反演模型。

3.根据权利要求2所述的方法,其特征在于,获取当前围岩监测点对应的神经网络反演模型的多组训练数据,包括:对各个围岩监测点处的围岩进行渗流‑应力条件下饱和千枚岩三轴蠕变实验,将实验结果与所述渗流‑应力条件下的千枚岩隧道围岩蠕变本构式进行拟合,得到各个检测点的初始蠕变参数;

固定其他监测点的初始蠕变参数不变,基于当前监测点的初始蠕变参数和正交实验设计生成当前围岩监测点的蠕变参数样本集;

将所述蠕变参数样本集中的每组蠕变参数和其他监测点的初始蠕变参数分别输入到数值模型中计算得到对应的变形量,将每组蠕变参数以及对应的变形量作为训练数据,所述数值模型为GDEM数值模型。

4.根据权利要求3所述的方法,其特征在于,所述与当前围岩监测点对应的神经网络反演模型的训练步骤还包括:将测试变形量输入训练得到的当前围岩监测点对应的神经网络反演模型,反演得到对应的测试蠕变参数,将所述测试蠕变参数输入所述数值模型,得到模拟变形量;

比较所述测试变形量和所述模拟变形量的误差;

在误差大于预设阈值的情况下,对所述数值模型进行调整,利用调整后的数值模型重新确定训练数据,并重新对BP模型进行训练。

5.根据权利要求3所述的方法,其特征在于,将所述蠕变参数样本集中的每组蠕变参数和其他监测点的初始蠕变参数分别输入到数值模型中计算得到对应的变形量,包括:在GDEM数值模拟程序中嵌入所述渗流‑应力条件下的千枚岩隧道围岩蠕变本构式;

将所述蠕变参数样本集中的每组蠕变参数和其他监测点的初始蠕变参数分别输入到GDEM数值模拟程序,计算得到对应的变形量。

6.一种千枚岩隧道围岩蠕变参数预测装置,其特征在于,所述装置包括:监测模块,用于对当前围岩监测点的变形量进行监测,所述变形量包括:边墙收敛变形量、右拱腰沉降量、拱顶沉降量、左拱腰沉降量、拱腰收敛变形量;

预测模块,用于将实际监测到的变形量输入到与当前围岩监测点对应的神经网络反演模型中,得出当前围岩监测点的蠕变参数;

所述当前围岩监测点对应的神经网络反演模型的一组训练数据包括:当前围岩监测点的蠕变参数及其对应的变形量,该对应的变形量对当前围岩监测点的蠕变参数以及其他围岩监测点的初始蠕变参数进行模拟计算得到的;所述当前围岩监测点的蠕变参数是基于当前围岩监测点的初始蠕变参数通过正交实验方案得到的;

围岩监测点的初始蠕变参数是通过渗流‑应力条件下饱和千枚岩三轴蠕变实验结果以及渗流‑应力条件下的千枚岩隧道围岩蠕变本构式得到的:‑Ft

ε=Aσe+BS11+CS11[1‑e ]+MS11Dn+NS11Dg,σ≥σs2得到的,*

其中,σe为有效应力, S11为有效偏应力, D表示有

*

效损伤量,由渗流‑应力条件下饱和千枚岩三轴蠕变实验结果确定,若无渗流条件,则D =

0;σ3表示隧道围岩地应力最小主应力,σ1表示隧道围岩地应力最大主应力,P表示渗透压,σs2表示岩石的长期强度;A、B、C、F、M、N为蠕变参数;Dn为起裂损伤函数,为线性演化规律,设Dn=kt,k是受偏应力与短期峰值强度比影响的损伤参数;Dg为加速损伤函数,为幂函数演化n规律,设Dg=mt ,m、n是加速损伤参数;由室内声发射实验获得损伤演化规律曲线,通过拟合得到损伤参数k、m、n。

7.根据权利要求6所述的装置,其特征在于,所述与当前围岩监测点对应的神经网络反演模型的训练步骤包括:获取当前围岩监测点对应的神经网络反演模型的多组训练数据;

利用所述多组训练数据对BP模型进行训练,得到与当前围岩监测点对应的神经网络反演模型。

8.根据权利要求6所述的装置,其特征在于,获取当前围岩监测点对应的神经网络反演模型的多组训练数据,包括:对各个围岩监测点处的围岩进行渗流‑应力条件下饱和千枚岩三轴蠕变实验,将实验结果与所述渗流‑应力条件下的千枚岩隧道围岩蠕变本构式进行拟合,得到各个检测点的初始蠕变参数;

固定其他监测点的初始蠕变参数不变,基于当前监测点的初始蠕变参数和正交实验设计生成当前围岩监测点的蠕变参数样本集;

将所述蠕变参数样本集中的每组蠕变参数和其他监测点的初始蠕变参数分别输入到数值模型中计算得到对应的变形量,将每组蠕变参数以及对应的变形量作为训练数据,所述数值模型为GDEM数值模型。

9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1‑5任一项所述的千枚岩隧道围岩蠕变参数预测方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1‑5任一项所述的千枚岩隧道围岩蠕变参数预测方法的步骤。