基于有限元及神经网络的土体参数反分析

针对采用试验得到的土体力学参数进行模拟计算的结果与实测数据偏差较大的问题,应用有限元与BP神经网络相结合的位移反分析方法,把计算的桩体侧向位移作为神经网络的输入,对应的土体力学参数作为网络输出,对神经网络进行训练.训练成功后,再利用现场实测的桩体侧向位移带入训练好的网络进行反分析,从而得到符合实际的土性参数值,结合某深基坑工程,通过实测值与计算值的对比验证了该方法的科学性.     

深软场地地铁车站深基坑开挖变形实测分析

研究目的:对某大型地铁车站深基坑开挖过程中的软弱场地变形监测结果进行了统计分析,对基坑开挖引起的地面沉降、墙体水平位移和立柱桩体沉降的时空变化规律进行了整体分析,尤其是对不同基坑开挖深度对基坑变形速度的影响规律进行了总结。相关的结论和建议对城市软弱地基内地铁车站深基坑的变形监测方案设计、施工组织设计和施工安全控制等都具有一定的参考价值和指导意义。研究结论:(1)在深软场地深基坑开挖完成后地铁车站主体结构施工过程中拆撑可能造成地面的沉降比基坑开挖过程中产生的累积沉降还要大,应加强地铁主体结构施工过程中地面的沉降观测;(2)基坑侧壁水平累积位移与每次开挖土层厚度及其土层性质关系密切,随着开挖土层埋深的增大,基坑侧壁水平累积位移累积速度明显加快;(3)当基坑开挖深度有较大差异和基坑底部土层厚度分布极不均匀时,应考虑验算立柱桩的差异沉降;(4)软弱场地深基坑工程开挖引起的场地变形时空效应非常明显,随着开挖的进行,应沿纵向按限定长度逐段开挖,在每个开挖段分层、分小段开挖。     

克隆选择算法在基坑支护位移反分析中的应用

在基坑工程中,传统的位移反分析方法计算量较大,不易掌握,且求得的岩土体力学性能参数的精度较低。为此,提出应用克隆选择算法求解位移反分析问题的新方法,其核心是采用BP网络为正演工具代替有限元方法,描述土体力学性能参数和位移的非线性映射,可减少计算量,并利用克隆选择算法为反演工具,通过反演分析确定土体力学性能参数,具有较高的精度。依据该反分析方法获得的岩土体力学性能参数又可以估算下一工况的基坑位移。仿真试验结果表明了新方法的可行性和有效性。     

基于BP人工神经网络的基坑围护结构变形预测方法研究

基坑的变形分析是基坑工程设计中的一个重要组成部分,如何预测基坑围护结构的变形是需要解决的问题。在分析基坑围护结构变形影响因素的基础上,采用BP(Error Back-Propagation,简称EBP或BP)人工神经网络方法建立了基坑围护结构变形的预测模型。结合南京地铁二号线逸仙桥车站基坑变形的现场监测数据对网络模型的预测结果与实测进行了对比。结果表明,利用大量的基坑工程现场实测资料,采用神经网络BP算法,可以较为准确地预测基坑围护结构的变形量,预测值与实测值吻合较好;必须坚持现场监测,并将最新监测信息及时反馈,将其添加到学习训练样本中,让神经网络重新学习,以提高基坑工程围护结构变形的预报精度。     

软土基坑施工引起邻近既有地铁隧道位移的预测方法

针对上海市典型的工程地质条件以及当地基坑工程中广泛采用的"大小坑"开挖模式,建立大量三维数值模型,计算分析了既有侧向邻近地铁隧道基坑施工时,引起地铁隧道最大位移受基坑开挖规模及基坑与隧道间相对位置关系影响的规律,提出了一种隧道位移实用预测方法。工程实例验证表明,该方法的预测结果是可靠的,可以为邻近基坑工程的地铁隧道保护提供参考。     

深基坑施工对邻近地铁隧道的影响预测

为预测某大厦深基坑施工对邻近地铁隧道的影响,首先计算了该基坑近地铁侧围护结构在不同工况下的位移,得出其最大位移曲线;在此基础上,采用半经验、半理论的方法对地铁隧道处土体的水平位移和竖向位移进行计算,以此来保守估计地铁隧道的结构变形.     

临近既有地铁区间隧道基坑设计方案研究

基于数值模拟及敏感性分析的方法对临近既有地铁区间隧道工程基坑支护方案的各个设计要素(坑壁土体加固参数、围护桩截面尺寸、钢支撑型号、支撑竖向及横向布置参数)进行探讨。拟定7种支护形式作为研究方案,建立三维数值模型对基坑开挖全过程进行模拟计算,得出各方案中地铁隧道横向位移值;对各支护要素与位移控制效果相关联的敏感性进行研究,得出各种位移控制措施的优先排序:(1)围护桩参数,(2)钢支撑直径,(3)钢支撑竖向间距及道数布置,(4)支撑水平间距,(5)坑壁土体力学参数。     

伺服钢支撑系统“双控法”在邻近地铁隧道深基坑中的变形控制效果分析

目的：为控制新建基坑变形，减小基坑开挖对邻近地铁隧道的影响，需探究轴力控制和位移控制双重控制方法(以下简称“双控法”)下伺服钢支撑系统对基坑及邻近地铁隧道的变形控制效果。方法：依托杭州某基坑工程建立了该基坑与邻近地铁线的数值模型，提出了“双控法”的伺服钢支撑系统轴力模拟方案和位移控制方案，设定了相应的计算步和监测工况。对6种伺服方案下的基坑沉降量及深层水平位移量进行了对比。对不同轴力控制值和单次位移变化量控制值下对基坑的变形影响进行了分析，进而得到本工程的伺服钢支撑系统体系的设置方案。基于此方案，对基坑土体深层水平位移、基坑地面沉降、邻近地铁右线隧道沉降的模拟值和实际监测值进行对比，以分析伺服钢支撑系统变形的控制效果。结果及结论：双层支撑伺服钢支撑系统比单层伺服钢支撑系统的变形控制效果更好。“双控法”控制指标中，轴力控制值的增加可使围护结构的最大水平位移量和地面沉降量明显减小，单次位移变化量控制值的改变对最终变形结果影响不大。“双控法”下的伺服钢支撑轴力系统能够有效控制基坑变形，保护邻近既有地铁隧道结构安全。     

基于GA-BP神经网络的列车关键部件预防性维修优化模型及应用

针对现有列车检修模式存在欠维修或过维修的不足,综合考虑列车运行安全性、经济性和高效性,提出一种基于GA-BP神经网络的列车关键部件不完全维修模型.首先,引入役龄回退因子,采用故障小修、预防性维修和更换维修相结合的维修策略;然后,以单位时间维修费用最小为目标函数,列车运行可靠度和周期内预防性维修次数为决策变量;最后,以某市地铁1号线列车车门部件为验证对象,结合GA-BP神经网络,对未来可靠度进行预测并验证准确性,预测结果作为模型决策变量寻优约束条件,获得最佳维修时间间隔.仿真结果表明:相比于现有检修模式,基于GA-BP神经网络的不完全预防性维修模型日均维修费用可节约24.07％,可靠度提高约3.4％,维修次数减少50％.研究结果可为地铁列车检修模式优化提供理论和实践参考.     

基于正交试验设计的深基坑岩土力学参数反分析

运用正交试验设计确定了待反演的深基坑岩土力学参数,根据分析确定通过观测点竖向位移来反演土体参数E。按深基坑开挖实际情况,运用有限元方法结合人工神经网络进行力学参数反分析。在网络训练中,提出了一种PSO融合BP的算法。实例证明,通过竖向位移来反演参数E是合理的,采用PSO-BP方法提高了人工神经网络训练速度,收敛更快,其反演结果准确。