本發明涉及爆破工(gong)程設(she)備的(de),具(ju)體(ti)是指一種基(ji)于多源信息自(zi)動(dong)化(hua)監測的(de)隧道(dao)支護體(ti)系的(de)輔(fu)助決策方法(fa)。

背景技術：

1、在(zai)隧(sui)道及(ji)地下工程中(zhong)，鉆爆法因為(wei)其靈活、經濟、實用、簡單的(de)(de)(de)特點成(cheng)為(wei)我(wo)國隧(sui)道及(ji)地下工程中(zhong)的(de)(de)(de)主要(yao)施(shi)工方式，然而(er)在(zai)施(shi)工過程中(zhong)，因為(wei)施(shi)工過快或(huo)者支護(hu)不及(ji)時，有(you)可能會(hui)(hui)出現圍(wei)巖失穩的(de)(de)(de)情況(kuang)，嚴重的(de)(de)(de)會(hui)(hui)造成(cheng)隧(sui)道坍塌的(de)(de)(de)安全(quan)事故，對(dui)施(shi)工人(ren)(ren)員的(de)(de)(de)人(ren)(ren)身安全(quan)造成(cheng)隱(yin)患，因此，支護(hu)體系(xi)的(de)(de)(de)質量(liang)對(dui)隧(sui)道的(de)(de)(de)整(zheng)體建設起(qi)至關重要(yao)的(de)(de)(de)作用。

2、現有技術中(zhong)，通產采用經驗公(gong)式進(jin)行(xing)支(zhi)(zhi)護(hu)(hu)體系(xi)整體的(de)設(she)計(ji)，即然而實(shi)際施工現場圍巖所處的(de)應力(li)(li)(li)(li)環(huan)境一般為(wei)多重(zhong)應力(li)(li)(li)(li)場之間(jian)的(de)耦合后所形(xing)成(cheng)的(de)復雜(za)應力(li)(li)(li)(li)，影響因(yin)素較多且(qie)復雜(za)，前期地質勘查(cha)能夠獲取的(de)參數有限，因(yin)此(ci)無法(fa)對支(zhi)(zhi)護(hu)(hu)體系(xi)的(de)實(shi)際荷載進(jin)行(xing)精準判斷，往往設(she)計(ji)支(zhi)(zhi)護(hu)(hu)體系(xi)的(de)支(zhi)(zhi)護(hu)(hu)力(li)(li)(li)(li)遠遠大(da)于(yu)實(shi)際需(xu)要(yao)支(zhi)(zhi)護(hu)(hu)力(li)(li)(li)(li)，造成(cheng)資源的(de)浪費。

3、為(wei)此，針對(dui)上述(shu)的技術問題還需進一步解決。

技術實現思路

1、本發明實(shi)施(shi)例的(de)(de)目的(de)(de)是提供一種基于多源信息自動化監(jian)測的(de)(de)隧道支(zhi)護體系的(de)(de)輔(fu)助決(jue)策方(fang)法(fa)，以(yi)緩解現有(you)技術(shu)中存在的(de)(de)前期地質勘查能(neng)夠獲(huo)取的(de)(de)參(can)數(shu)有(you)限，因(yin)此無(wu)法(fa)對支(zhi)護體系的(de)(de)實(shi)際荷載進行精準(zhun)判斷(duan)，往往設計支(zhi)護體系的(de)(de)支(zhi)護力遠遠大于實(shi)際需(xu)要(yao)支(zhi)護力的(de)(de)技術(shu)問題。

2、為解決上述技術問題，本(ben)發明實施例提供如下技術方案(an)：

3、本發明第一(yi)方面提供(gong)一(yi)種基(ji)于多(duo)源信息自動化監測的(de)隧道支護(hu)體系(xi)的(de)輔助決策方法，包括(kuo)數(shu)據(ju)采(cai)集模(mo)塊(kuai)、數(shu)據(ju)傳輸模(mo)塊(kuai)、數(shu)據(ju)處理模(mo)塊(kuai)和支護(hu)參數(shu)優化模(mo)塊(kuai)；

4、數據采集模(mo)塊包(bao)括(kuo)激(ji)光測距儀(yi)、壓(ya)力盒(he)及(ji)無線振弦采集儀(yi)，激(ji)光測距儀(yi)及(ji)多點(dian)位移計布(bu)置(zhi)在(zai)(zai)監(jian)測斷(duan)面的拱(gong)頂及(ji)拱(gong)腰位置(zhi)，壓(ya)力盒(he)布(bu)置(zhi)在(zai)(zai)圍巖與支護(hu)結(jie)構之間，無線振弦采集儀(yi)布(bu)置(zhi)在(zai)(zai)監(jian)測斷(duan)面；

5、數(shu)據傳輸(shu)模(mo)塊包(bao)括(kuo)通信模(mo)塊，信號(hao)中(zhong)繼器，采用(yong)nb-iot通信協議(yi)，通過布置在隧道內的信號(hao)中(zhong)繼器對信號(hao)進行中(zhong)繼，以(yi)實現(xian)監(jian)測數(shu)據的無線(xian)傳輸(shu)；

6、數(shu)據(ju)處理模塊(kuai)可(ke)對原始監測數(shu)據(ju)進行(xing)粗差(cha)檢驗、剔除、補(bu)全，利用小波分析(xi)對系統誤差(cha)和偶然誤差(cha)進行(xing)消(xiao)除，可(ke)獲得真實數(shu)據(ju)的最優估計；數(shu)據(ju)處理模塊(kuai)根據(ju)處理過后的數(shu)據(ju)利用鯨魚(yu)算法優化(hua)的bp神經網絡對圍巖(yan)力學參數(shu)進行(xing)反(fan)分析(xi)；

7、其步驟在于：

8、s10.確認(ren)前期勘探的隧道(dao)圍(wei)巖(yan)等(deng)級、施工(gong)條件、使用要求、支(zhi)護(hu)體系及支(zhi)護(hu)參(can)數范(fan)圍(wei)；

9、s20.利用激光(guang)測(ce)距儀對(dui)初襯及二襯結構(gou)的拱頂沉降和(he)圍巖變形(xing)進行動(dong)態監(jian)測(ce)，利用壓力盒對(dui)圍巖與支(zhi)護結構(gou)之(zhi)間壓力及之(zhi)間的壓力進行動(dong)態監(jian)測(ce)；

10、s30.將(jiang)步驟s20步驟中監測數(shu)據(ju)通過數(shu)據(ju)傳(chuan)輸模塊(kuai)傳(chuan)輸至數(shu)據(ju)處理(li)模塊(kuai)；

11、s40.數據(ju)處(chu)理(li)(li)模塊(kuai)對(dui)步驟s20中采集到數據(ju)進(jin)行(xing)(xing)預處(chu)理(li)(li)，進(jin)行(xing)(xing)粗差(cha)檢驗(yan)、剔除、補全，并利用小(xiao)波分析對(dui)系統誤差(cha)和偶然誤差(cha)進(jin)行(xing)(xing)消除，對(dui)處(chu)理(li)(li)后的原始(shi)數據(ju)使(shi)用bp神(shen)經(jing)網絡進(jin)行(xing)(xing)反(fan)分析得(de)到圍(wei)巖力學參數；

12、s50.數據處(chu)理(li)模塊(kuai)通(tong)過(guo)步(bu)驟(zou)s40中反演得(de)到的圍巖力學(xue)參數對(dui)圍巖彈(dan)塑性變形進行分析；

13、s60.對步驟s40、步驟s50得到的(de)(de)數據優(you)(you)化(hua)，并(bing)將優(you)(you)化(hua)后的(de)(de)支護參數輸出至(zhi)移(yi)動終端。

14、在(zai)本發明第一(yi)方面的一(yi)些(xie)變更實施(shi)方式中(zhong)(zhong)，步(bu)驟s40中(zhong)(zhong)，包括如下步(bu)驟：

15、s41.對步驟s20中采集的原始數據粗差(cha)檢(jian)驗；其表(biao)達式為(wei)：

16、對(dui)t時(shi)刻(ke)監(jian)測數據進行粗差(cha)檢(jian)測，把t時(shi)刻(ke)監(jian)測數據記為(wei)y(t)，t時(shi)刻(ke)之前監(jian)測數據記為(wei)y(t-1),y(t-2)，…，y(t-n)，將(jiang)y(t)做為(wei)樣(yang)(yang)本容(rong)量為(wei)1的(de)特殊總(zong)體，將(jiang)y(t-1),y(t-2)，…，y(t-n)做為(wei)服(fu)從正態分布的(de)總(zong)體，其樣(yang)(yang)本均(jun)值和修正樣(yang)(yang)本標準差(cha)s分別為(wei)：

17、

18、

19、s42.根(gen)據羅(luo)曼諾夫斯基準(zhun)則，監測數(shu)據短時間內(nei)變化較(jiao)小，即：y(t)與y(t-1)，y(t-2)，…,y(t-n)應(ying)該屬于(yu)同一總體，不應(ying)具有顯(xian)著差異，故有如(ru)下判別準(zhun)則：

20、

21、式中：表示t時刻(ke)監測數據y(t)的離(li)差；t由樣本(ben)(ben)容量(liang)n和選(xuan)取的顯(xian)著度α查(cha)t分布(bu)表確定，s修正(zheng)樣本(ben)(ben)標(biao)準差；

22、s43.對t時刻(ke)監測(ce)數(shu)(shu)據(ju)進(jin)(jin)行(xing)數(shu)(shu)據(ju)補全，把t時刻(ke)之前的數(shu)(shu)據(ju)進(jin)(jin)行(xing)降(jiang)噪，利(li)用最小二乘法進(jin)(jin)行(xing)擬合：

23、yp(x)＝a4x4+a3x3+a2x2+a1x+a0

24、式中：x為時間(jian)；a4、a3、a2、a1、a0為待擬合參數；

25、令x＝t+q則yp(t+q)為監測(ce)數據t+q時刻的估計值；監測(ce)數據的預測(ce)效(xiao)果可由平(ping)均標準差η評價(jia)：

26、

27、式中(zhong)：m為(wei)預(yu)測(ce)點的個數；yp(k)為(wei)預(yu)測(ce)數據；y(k)為(wei)實(shi)際監測(ce)數據；

28、s44.使用(yong)小波降噪(zao)對原(yuan)始(shi)數據的系(xi)統誤(wu)差(cha)和偶然(ran)誤(wu)差(cha)進行消除。

29、在(zai)本發明第(di)一(yi)方面的一(yi)些變更實施方式中，在(zai)步(bu)驟(zou)s44中，包括如下步(bu)驟(zou)：

30、s441.對監(jian)測數(shu)據(ju)進行(xing)小波分解，首(shou)先將監(jian)測數(shu)據(ju)序列是(shi)時間的(de)(de)函數(shu)投影到平方(fang)可積(ji)空間的(de)(de)一簇(cu)正交小波基上：

31、

32、式中(zhong)，y(t)為(wei)監測數據序列時間(jian)的函數，l2(r)平方可(ke)積空間(jian)，φj,k(t)為(wei)正交(jiao)小波基。

33、然(ran)后將aj分解(jie)為aj+1和(he)wj+1

34、

35、式(shi)中(zhong),φj,k(t)為尺(chi)度(du)函數，wj+1為aj+1的(de)正交補，ψj+1(t)為與尺(chi)度(du)函數φj,k(t)對應的(de)小波函數；wj,k為小波系數；aj,k為尺(chi)度(du)系數；

36、s442.對(dui)通過設定一(yi)適當(dang)(dang)的閾值λ，當(dang)(dang)小波系數wj,k低(di)于λ時置0，當(dang)(dang)小波系數wj,k高于λ時，保留處理；

37、s443.進(jin)行小(xiao)波重構(gou)利用(yong)處理后(hou)的(de)小(xiao)波系數(shu)和原(yuan)尺(chi)度系數(shu)進(jin)行小(xiao)波重構(gou)可得(de)到降噪后(hou)的(de)監測數(shu)據：

38、

39、式中(zhong)，g(k-2n)、h(k-2n)分別為高(gao)通和(he)低(di)通濾波器(qi)。

40、在本發明第一方面的(de)(de)(de)一些變更實(shi)施方式中，對步驟s40中得到的(de)(de)(de)降噪后的(de)(de)(de)檢測數據使用鯨(jing)魚(yu)算法優(you)化的(de)(de)(de)bp神經(jing)網絡(luo)進行(xing)反分析，其表達式為(wei)：

41、

42、式(shi)中，t表示當(dang)前迭(die)代(dai)，和是(shi)系數向(xiang)(xiang)量，x*是(shi)到(dao)目前為止(zhi)得到(dao)的最佳(jia)解的位(wei)置向(xiang)(xiang)量，是(shi)位(wei)置向(xiang)(xiang)量，是(shi)當(dang)前位(wei)置與最優位(wei)置之間的距離。

43、

44、式中(zhong)(zhong)，為從2線性(xing)減(jian)少(shao)到(dao)0的(de)向量，t為當前迭代次數(shu)，tmax為最大迭代次數(shu)，是[0,1]中(zhong)(zhong)的(de)一個(ge)隨機向量。

45、令(ling)種(zhong)群的初始迭(die)代(dai)次數(shu)為(wei)1，隨機生(sheng)成(cheng)[0,1]之間的數(shu)p，當系數(shu)向量時，p＜0.5鯨魚則通過收縮包圍的方式更新(xin)位(wei)置，p≥0.5鯨魚則通過螺(luo)旋運動的方式更新(xin)位(wei)置：

46、

47、

48、式中，為鯨(jing)魚個(ge)體與當前最優解之間(jian)的(de)距(ju)離，b為一個(ge)常數(shu)，l為[-1,1]內的(de)隨機數(shu)。

49、當系數向量時，鯨魚執行全局搜(sou)索并更新(xin)位置：

50、

51、式(shi)中(zhong)，為一個(ge)從當(dang)前種(zhong)群中(zhong)選擇(ze)的隨(sui)機位置向量(liang)；

52、通過(guo)不(bu)斷(duan)的(de)對個(ge)體(ti)位置進(jin)行更(geng)新，將得(de)到(dao)的(de)最佳位置(最優(you)解)作為bp神經網絡中(zhong)權值(zhi)和閾值(zhi)，即(ji)得(de)到(dao)優(you)化后的(de)bp神經網絡模(mo)型；

53、反演參(can)數表示為：

54、x＝{h1,h2}；

55、

56、式中，h1為(wei)(wei)拱頂沉降現場監測值，h2為(wei)(wei)水(shui)平收(shou)斂現場監測值，e為(wei)(wei)彈性模量，ν為(wei)(wei)泊松比(bi)，c黏聚力，為(wei)(wei)內摩擦(ca)角，ψ為(wei)(wei)剪(jian)脹角；

57、所(suo)述隱含(han)層神經(jing)元數目取值由以下方(fang)式確定：

58、

59、式中，k為(wei)隱含層神(shen)經(jing)元(yuan)個數(shu)，n為(wei)輸入層神(shen)經(jing)元(yuan)個數(shu)，m為(wei)輸出(chu)層神(shen)經(jing)元(yuan)個數(shu)，a為(wei)1～10之間的常數(shu)。

60、在本發明第一方面的(de)一些變(bian)更實(shi)施方式中(zhong)，步驟s50中(zhong)數(shu)據處理模塊中(zhong)的(de)剪切模量(liang)、屈服強度、側壓參數(shu)、剪脹參數(shu)可由下式計算得(de)到：

61、剪切模量：

62、屈服強度：

63、側壓系數：

64、剪脹參數：

65、式中，e為彈(dan)性模(mo)量，ν為泊松比(bi)，c為黏聚力(li)，為內(nei)摩擦角，ψ為剪脹角；

66、數(shu)據處(chu)理(li)模塊確定隧道洞壁處(chu)的(de)位移ua為:

67、

68、式中，p0為(wei)(wei)(wei)內部巖土體的(de)原位(wei)應力，y為(wei)(wei)(wei)屈服(fu)強(qiang)度(du)，ξ為(wei)(wei)(wei)側(ce)壓系數(shu)，r為(wei)(wei)(wei)塑(su)性區半徑(jing)，g為(wei)(wei)(wei)剪切模量，a為(wei)(wei)(wei)開挖半徑(jing)，β為(wei)(wei)(wei)剪脹參數(shu)；

69、隧(sui)道(dao)壓力和塑性區半徑關系(xi):

70、

71、數據處理模(mo)塊根(gen)據s2采集的數據進行支護(hu)力(li)的計算，錨桿的支護(hu)阻力(li)為ps：

72、

73、式中，qs為(wei)錨(mao)桿形成的錨(mao)固力，dl為(wei)錨(mao)桿布(bu)(bu)設間距，da為(wei)錨(mao)桿布(bu)(bu)設排距。

74、混凝土(tu)噴層和鋼拱架(jia)的支(zhi)護(hu)阻力(li)pi為：

75、

76、式中，a為(wei)(wei)隧道開挖半徑(jing)，ls為(wei)(wei)噴層和(he)鋼拱(gong)架(jia)(jia)(jia)組成的(de)支護體系的(de)弧長，eq為(wei)(wei)內層支護拱(gong)的(de)等效彈模模量，aq噴射混凝土的(de)橫(heng)(heng)截面積和(he)鋼拱(gong)架(jia)(jia)(jia)的(de)橫(heng)(heng)截面積的(de)和(he)，ur噴層和(he)鋼拱(gong)架(jia)(jia)(jia)形成的(de)內層支護拱(gong)上任一(yi)點(dian)處(chu)的(de)徑(jing)向位(wei)移(yi)；

77、錨噴和(he)鋼拱架的(de)聯合支(zhi)護(hu)(hu)的(de)支(zhi)護(hu)(hu)阻力p為：

78、

79、錨噴和(he)鋼(gang)拱架組成的(de)聯合支護體系的(de)承載(zai)能力q為：

80、q＝λsqs+λtt；

81、

82、式中，為(wei)錨(mao)桿對圍巖(yan)的控制角(jiao)為(wei)45°。

83、本發明(ming)提(ti)供的(de)(de)(de)基于多源(yuan)信(xin)息自動化(hua)監(jian)測的(de)(de)(de)隧(sui)道(dao)支(zhi)(zhi)護(hu)(hu)(hu)體(ti)(ti)系(xi)的(de)(de)(de)輔助決策方法，包括(kuo)數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)采(cai)(cai)集(ji)模(mo)(mo)塊(kuai)(kuai)(kuai)、數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)傳輸模(mo)(mo)塊(kuai)(kuai)(kuai)、數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)處(chu)理模(mo)(mo)塊(kuai)(kuai)(kuai)和(he)支(zhi)(zhi)護(hu)(hu)(hu)參(can)數(shu)(shu)(shu)優(you)(you)(you)化(hua)模(mo)(mo)塊(kuai)(kuai)(kuai)；工作人(ren)員在進(jin)(jin)(jin)(jin)行(xing)隧(sui)道(dao)支(zhi)(zhi)護(hu)(hu)(hu)體(ti)(ti)系(xi)搭建(jian)之前，通過(guo)激光測距儀、壓力盒及無線(xian)振弦(xian)采(cai)(cai)集(ji)儀所(suo)組成的(de)(de)(de)數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)采(cai)(cai)集(ji)模(mo)(mo)塊(kuai)(kuai)(kuai)對搭建(jian)環境(jing)進(jin)(jin)(jin)(jin)行(xing)圍巖變形信(xin)息等(deng)數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)的(de)(de)(de)采(cai)(cai)集(ji)，并通過(guo)數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)傳輸模(mo)(mo)塊(kuai)(kuai)(kuai)傳遞至數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)處(chu)理模(mo)(mo)塊(kuai)(kuai)(kuai)中(zhong)，數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)處(chu)理模(mo)(mo)塊(kuai)(kuai)(kuai)可(ke)對原始監(jian)測數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)進(jin)(jin)(jin)(jin)行(xing)粗差檢(jian)驗、剔除(chu)、補全，利(li)用小波分析(xi)對系(xi)統(tong)誤差和(he)偶然誤差進(jin)(jin)(jin)(jin)行(xing)消除(chu)，可(ke)獲得(de)真實數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)的(de)(de)(de)最(zui)優(you)(you)(you)估計(ji)；數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)處(chu)理模(mo)(mo)塊(kuai)(kuai)(kuai)根據(ju)(ju)(ju)(ju)(ju)處(chu)理過(guo)后的(de)(de)(de)數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)利(li)用鯨魚算法優(you)(you)(you)化(hua)的(de)(de)(de)bp神經網絡對圍巖力學參(can)數(shu)(shu)(shu)進(jin)(jin)(jin)(jin)行(xing)反分析(xi)；以得(de)到準確的(de)(de)(de)支(zhi)(zhi)護(hu)(hu)(hu)體(ti)(ti)系(xi)的(de)(de)(de)設計(ji)參(can)數(shu)(shu)(shu)，有效(xiao)減少(shao)了(le)(le)(le)支(zhi)(zhi)護(hu)(hu)(hu)結(jie)構(gou)承載力不足和(he)支(zhi)(zhi)護(hu)(hu)(hu)材料浪費現象發生的(de)(de)(de)概率，解決了(le)(le)(le)目(mu)前基本依靠經驗進(jin)(jin)(jin)(jin)行(xing)支(zhi)(zhi)護(hu)(hu)(hu)體(ti)(ti)系(xi)設計(ji)的(de)(de)(de)問題，避免了(le)(le)(le)設計(ji)人(ren)員受技(ji)術水(shui)平限制造成支(zhi)(zhi)護(hu)(hu)(hu)體(ti)(ti)系(xi)設計(ji)出現問題。