导航：安全管理网>> 安全论文>> 建筑安全论文>>正文

隧道结构安全状态评估方法探讨

文档作者：孙文江张治成文档来源：浙江大学建筑工程学院		点击数：	更新时间： 2021年06月17日
下载地址：点击这里	文件大小： 225.14 KB 共3页	文档格式： PDF	下载点数： 1 点（VIP免费）

全屏查看

内容预览 [文件共3页]

本文件共3页，如需编辑使用，请下载。

注：预览效果可能会出现部分文字乱码（如口口口）、内容显示不全等问题，下载是正常的。

	文件大小：225.14 KB 共3页文件格式：PDF 下载点数：1 点（VIP会员免费）

下一篇：水工结构安装工程的安全技术

上一篇：谈“监理与安全管理”

文本预览

仅提取页面文字内容，供快速阅读使用。

孙文江等：隧道结构安全状态评估方法探讨 l35
隧道结构安全状态评估方法探讨
孙文江， 张治成
(浙江大学建筑工程学院． 杭州310058)
【摘要】 介绍了目前结构状态评估方法的研究热点：自适应神经一模糊推理系统(ANFIS)的基本原理和
建模要点，从影响明挖隧道在特定环境下结构运营安全性能的各因素出发，建立了隧道结构安全状态评估指标体
系。建立了基于自适应神经一模糊推理系统(ANFIS)的隧道结构安全状态评估模型，并通过模拟数据验证了其具
有的学习能力和应用前景，学习后的系统具备专家的经验及推理能力。
【关键词】 隧道运营；白适应神经一模糊推理系统；评估指标体系；评估模型开发
【中图分类号】 U456．3 【文献标识码】B 【文章编号】 1001—6864(2013)02—0135—03
随着隧道结构在城市公路建设中的应用日益增多，其
运营过程中的结构安全问题也逐渐引起了人们的关注，建
立隧道结构的运营安全监测系统，对隧道工程进行监控、评
估以趋利避害，成为现在隧道工程发展的迫切要求。
1 隧道运营安全监控评估的现状
隧道结构是一个十分复杂的系统，影响其安全的因素
非常多，这些因素复杂多样且相互影响，现在隧道结构运营
期内的安全监控采用的常用方法主要是：在对隧道结构进
行有限元分析的基础上，结合现代传感器检测技术和通信
技术，将实时采集到的数据反馈给监测者，监测者通过对采
集到的数据的分析和总结来评价结构的安全性 J。科学合
理地对结构运营安全进行综合评价对保证隧道安全运营具
有重要的现实意义。常用的隧道运营综合评价的方法主要
有德尔菲法 j、层次分析法 J、模糊综合评价法¨ 等。
这些常用的评价方法中，德尔菲法较难以取得一个量
化的评估结果，层次分析法在评价因素过多时易引起判断
混乱，而模糊综合评价法在评价复杂的工程问题时，往往难
以快速地建立有效的隶属度函数。近年来，基于模糊～神
经网络的评估方法研究渐趋成熟，这种方法不但能合理地
处理模糊信息，将专家的模糊推理过程蕴含于神经网络结
构中，同时该系统中的专家经验能通过学习不断更新，具有
自适应性能力和学习能力。
2 基于ANFIS的隧道结构安全状态评估
2．1 ANFIS的基本原理及结构
ANFIS 属于Sugeno型模糊系统，由前件和后件构成，
其典型的模糊规则形式如下：如果 是A，且Y是B，则 为，
(x,y)。图la所示为一阶Sugeno模糊模型的模糊推理过
程，它有2个输入 和Y，一个输出z，因此有2条模糊if—
then规则。
规则1：如果 是Al andY是 I，那么 =pl qlY+ 。
规则2：如果 是A2 andY是 2，那么 =p2 +q2Y+r2 o
该模型相应等效的ANFIS结构如图1(b)所示_6]。
2．2 评估指标体系
采取有效措施控制浆液质量及其后期强度；⑦ 加强施工监
测，实施动态信息化施工管理。
2 结语
在轨道交通工程建设施工阶段风险控制中，关键节点
的风险识别与控制起着举足轻重的作用，本文主要对施工
过程中盾构施工存在的风险源进行归纳总结，并提出相应
的风险控制措施，从一定程度上降低工程建设风险事故的
发生。
参考文献
[1] 彭铭，黄宏伟，胡群芳，等．基于盾构隧道施工监测的动态风险
数据库开发[J]．地下空间与工程学报，2007(s1)：1255
一l260．
[2】 卜庆，姚浩．上海某越江隧道盾构施工风险评估[J]．上海建设
科技，2007，(5)：67—69．
[3] 吴贤国，吴刚，骆汉宾．武汉长江隧道工程盾构施工风险研究
[J]．中国市政工程，2007，(1)：51—53，99．
[4] 陈中．成都地铁盾构隧道施工风险分析及策略[D]．四川：西
南交通大学，2008．
[5] 潘国庆．隧道施工中盾构盾尾密封渗漏风险源分析【J]．中国
市政工程，2008，(5)：59—60，93—94．
[6] 吴贤国，王锋．R=P×C法评价水下盾构隧道施工风险[J]．
华中科技大学学报：城市科学舨，2005，(4)：48—50．61．
[7] 周学领，王益群．软土地层盾构超近距离穿越运营地铁隧道的
风险与施工控制[J]．上海建设科技，2008，(1)：45—48．
[8] 严长征，张庆贺，廖少明，宫志群．地铁盾构进出工作井的施
工风险[J]．城市轨道交通，2007，(10)．
[9] 黄巍．轨道交通盾构穿越建筑群桩基施工风险与对策[J]．中
国市政工程，200／，(6)．
[收稿日期】2012—10—31
【{乍者简介】吴海潮(1988一)，男，福建宁德人，硕士研究生。
研究方向：土木工程施工。
136 低温建筑技术 2013年第2期(总第176期)
Min
或乘积
I
zl=pl +q1y+n
! z= 墨!
I 一 +戳
J — — = z1+
一l = ‘+ 点
： =P-f+qzY+~
(a)两规则两输入一阶Sugeno模糊模型
第一层
(b)等效的ANFIS结构
图l一阶Sugeno模糊模型及其相应等效~ANFIS结构
指标体系构建得是否合理是评估结果是否准确可靠的
关键，不同的隧道结构类型对应着不同的影响敏感指标，本
文根据《公路隧道养护技术规范》 ，以某城市明挖现浇隧
道的结构环境为背景，根据监测检查的部位不同，又将评估
指标分为底板、顶板和侧板三类，并综合比较已有的指标体
系 ]，建立了如图2所示的隧道结构安全评估指标体系。
根据我国规范规定，检查结果的判定分类可按外荷载
作用、材料劣化和渗漏水三种主要情况分别考虑，本文将外
荷载作用导致的检查结果进一步细分为结构裂损、结构应
力和结构形变。图2中，每个框表示一个评估指标，本次建
立的评估指标体系共有47个评估指标。首先根据设计规
范、实际交通状况、施工资料、模型分析数据、环境条件、目
视检测资料等输入评估最底层的指标数据，然后根据这些
评估结果和检测资料评估相邻稍高层次的项目，依次类推，
最后得到隧道结构安全的评估结果。
2．3 指标分级标准
为了将隧道结构安全的评估量化，本文用ICV(Item
Condition Value)表示各个评估指标的健康完整程度。每个
输入指标的ICV取值范围为[0～100]，某个指标的ICV数
值越接近0表示该指标所处的状态越不利，100则表示完好
状态。
为了给隧道管理工作提供维护建议，需要进一步将ICV
进行分级以描述隧道结构的实际运营状态。《公路隧道养
护技术规范》将日常、定期和特别检查的结果判定为s、B、A
三类，将专项检查的结果判定为B、1A、2A、3A。综合参考国
内外学者在桥梁、隧道评估方面的研究之后，本文将ICV对
应为五个技术状态等级及各等级的维护建议，如表1所示。
2．4 评估输人项目和输入数据
评估隧道结构安全的输入项目包括结构形变、结构应
图2 隧道结构安全评估指标体系
力、结构裂损和渗水病害等。本文的最底层输入指标数据
类型主要有以下两种：① 渗水病害、材料劣化等状态性质描
述或简单等级划分的评价指标；②裂缝、应力、形变等数据
量测型评价指标。
表1 ICV状态分级标准
孙文江等：隧道结构安全状态评估方法探讨 137
3 评估模型的建立与性能验证
3．1 隶属函数的选择
在自适应神经一模糊推理系统中，某个输入元素可以
以一定程度属于某集合，具体程度由“0”与“1”之间的一个
数值— —隶属度¨ 来刻画或者描述。常用的隶属度函数有
很多种，在实际应用中一般根据专家经验和实际情况选择
合适的隶属函数类型。
本文通过对多种隶属函数进行应用比较之后，采用了
Ⅱ形函数作为描述顶板“裂缝数量”的初始隶属函数。图3
为经过学习以后顶板“裂缝数量”的隶属度曲线。ANFIS在
训练中会根据教师数据调整隶属函数曲线的形状，使得系
统经过训练后的输出符合期望，实现系统的学习功能。
裂缝数量
图3 顶板“裂缝数量”的隶属度函数曲线
3．2 教师数据的模拟
教师数据的模拟分为学习数据和校验数据两类，本文
采用随机数来模拟最底层的评估指标的ICV，用最底层ICV
的等权重平均值作为输出指标的初始ICV。考虑到不同专
家在对统一评估指标进行评价时，会出现因经验差异引起
的评价标准有所偏差的情况，所以专家数据的主观误差的
模拟不仅需要体现在振幅上，还需要体现在误差均值上。
为了模拟这种情况，在初始ICV的基础上加入了范围0～5
的随机数作为专家数据随机主观误差。
3．3 学习性能的验证
本文以顶板裂缝为例，验证了本系统的学习能力。通
过模拟100组学习数据和l0组校验数据，系统建立之后在
学习前和学习后分别对lO组检验数据进行评估，300次学
习之后的训练误差为0．2173。训练误差相比于范围为[0，
100]的ICV来说，能满足实际应用的精度要求。
系统的学习能力可以根据训练后系统的输出数据与教
师数据中校验数据的接近程度来衡量，它反映了系统按照
给定的教师数据自动调整内部各项参数的能力。图4为学
习前后系统输出数据与校验数据比较的误差绝对值，图5为
学习前后系统数据输出的整体情况。
从学习前后的输出结果比较可以看出：学习前系统输
出的数据中个别会产生较大偏差，但是学习训练过程很好
的消除了这种偶然偏差；学习后系统输出数据的误差绝对
分值基本都在5分以内，误差百分比基本都在10％ 以内。
表明该系统具有良好的学习、记忆能力，经过训练可以按照
教师数据的评估规则进行模糊推理。
4 结语
本文以隧道结构安全为例，建立了评估指标体系，探索
20．O
lO．0
O．0
— 10．O
- 20．0
— 3O．O
一40．0
- 50．0
rL lL ．
1- ’4-5 1 l 9 Lb
ll
U
a学习前误
差绝对值
一学习后误
差绝对值
网4 学习前后系统输出数据的误差绝对值
1oo．0
80．O
60．0
40．0
20．0
0．O
厂．一
．
_ 0 ， 0
。 r一／ ／
⋯ ＼ ／
＼ ／
、、／
—一理论值
～ 一学习前
⋯ 学习后
图5 学习前后系统输出数据与校验数据理论值的比较
了评估指标的分级标准，并基于ANFIS建立了隧道结构安
全评估系统，借助教师模拟数据对系统的学习能力和应用
前景进行了验证。结果表明，本系统的输出结果和模拟数
据的理论结果较为吻合，能够快速、准确地模仿模拟数据的
非线性推理过程，在隧道结构的安全性及其他各项性能的
评估工作中具备良好的应用前景。
参考文献
[1] 许彬．复杂地质隧道结构安全监测关键技术研究[D]．西安：
长安大学，2009：4．
[2] 邹崇峰．隧道工程风险评估方法及其在齐岳山隧道工程中应
用研究[D]．成都：西南交通大学，2007：12．
[3] 任松，王新胜，姜得义，等．隧道长期安全监测及评价模型
[J]．重庆大学学报(自然科学版)，2009，32(11)．
[4] 郝志虎．高速公路特长隧道群安全综合评价研究[D]．西安：
长安大学，2oo8：12．
[5] Jang JRS．ANFIS：adaptive—network—based fuzzy inference systems[
J]．IEEE Trans Syst Man Cybem．1993。23(3)：665—85．
[6] 张德丰．MATLAB模糊系统设计[M]．北京：国防工业出版
社，2009．
[7] JTJ 073—96，公路隧道养护技术规范[S]．
[8] 黄宏伟，陈龙，胡群芳，等．隧道及地下工程的全寿命风险管
理[M]．科学出版社，2010．
[9] 楼顺天，胡昌华，张伟．基于MATLAB的系统分析与设计
[D]．西安：西安电子科技大学，2001．
[收稿日期】2012—1l一27
[作者简介] 孙文江(1987一)，男，浙江绍兴人，硕士研究生，
从事结构状态评估方面的研究。

网友评论 more

建筑安全论文最新内容

03-05