基于微扰动的软土区综合管廊结构与地层参数智能反演研究_高新博.pdf

文章编号：1673-0291（2023）03-0035-09DOI：10.11860/j.issn.1673-0291.20220020第 47 卷 第 3 期2023 年 6 月Vol.47 No.3Jun.2023北京交通大学学报JOURNAL OF BEIJING JIAOTONG UNIVERSITY基于微扰动的软土区综合管廊结构与地层参数智能反演研究高新博 1，谢渊 2，姜育科 3，高玮 2（1.宿迁市高速铁路建设发展有限公司，江苏 宿迁 223800；2.河海大学 土木与交通学院，南京 210098；3.中交南京交通工程管理有限公司，南京 211800）摘要：软土区城市地下综合管廊在运营期所受主要荷载为变化的车辆荷载微扰动，其累积作用对工程的安全性影响很大，获取微扰动下工程（包括综合管廊地层与结构）的计算参数意义重大.在现场开展综合管廊结构与地层微扰动响应的测量，基于现场量测信息，结合有限元数值模拟，采用新型全局优化算法哈里斯鹰优化算法，提出了软土区综合管廊在车辆荷载作用下的结构与地层参数智能优化反演方法，并通过江苏省宿迁市高铁商务区路网广州路综合管廊工程对反演方法进行了工程验证.研究结果表明：该方法能较准确地得到微扰动下管廊结构及地层的综合有效力学参数，反演误差较小，具有较强的工程推广应用价值.关键词：地下工程；综合管廊；微扰动；参数反演；哈里斯鹰优化算法；数值模拟中图分类号：TU990.3 文献标志码：AStudy on intelligent back analysis of utility tunnel structure parameters and geological parameters in soft soil based on perturbationGAO Xinbo1,XIE Yuan2,JIANG Yuke3,GAO Wei2（1.Suqian High-speed Railway Construction Development Co.,Ltd.,Suqian Jiangsu 223800,China；2.College of Civil and Transportation Engineering,Hohai University,Nanjing 210098,China；3.CCCC Nanjing Traffic Engineering Management Co.,Ltd.,Nanjing 211800,China）Abstract:The urban underground utility tunnel in soft soil during the operation period is subjected to significant variations in vehicle loads,which cumulatively impact the safety of the project.Obtaining the calculation parameters for the engineering(including the utility tunnel structure and geological parameters)under perturbation is of utmost importance.In this paper,the in-situ response measurement involving utility tunnel structure and surrounding soil is carried out.Based on the field measurement data and finite element numerical simulation,a new global optimization algorithm known as the Harris Hawks Optimization is used.This enables the development of an intelligent back analysis method for optimizing the structure and geological parameters of utility tunnels in soft soil under vehicle load con收稿日期：2022-01-24；修回日期：2022-12-05基金项目：国家自然科学基金（41831278）Foundation item:National Natural Science Foundation of China（41831278）第一作者：高新博（1991），男，江苏宿迁人，工程师.研究方向为大数据在岩土工程中的应用.email：.引用格式：高新博，谢渊，姜育科，等.基于微扰动的软土区综合管廊结构与地层参数智能反演研究 J.北京交通大学学报，2023，47（3）：35-43.GAO Xinbo，XIE Yuan，JIANG Yuke，et al.Study on intelligent back analysis of utility tunnel structure parameters and geological parameters in soft soil based on perturbation J.Journal of Beijing Jiaotong University，2023，47（3）：35-43.（in Chinese）北京交通大学学报第 47 卷ditions.The proposed method is validated through an engineering verification study conducted on the utility tunnel project located in the Guangzhou Road area of the High-speed Railway Business District in Suqian,Jiangsu Province.The research findings demonstrate that the proposed method can accurately determine the comprehensive effective mechanical parameters of utility tunnel structures and soil under perturbation,with minimal error.This method holds significant value for practical applications in the field of engineering.Keywords:underground engineering；integrated utility tunnel；perturbation；parameter back analysis；Harris Hawks optimization algorithm；numerical simulation综合管廊通常埋置于城镇道路之下，常受到车辆荷载的扰动影响，车辆的长期扰动是一种疲劳荷载作用下的微扰动，会引起结构和地层的累积响应，其对管廊工程的长期安全影响较大.目前已有不少学者开展了车辆荷载微扰动影响的研究，杨强强等1在对黄土路基下竖向土压力传递规律的研究中发现，在埋深 1.2 m 处的附加压力仍有 20%未完全消散.徐健等2对埋深约 2 m 的地下综合管廊开展原型试验，施加总重量为 30 t的车辆荷载后，在顶板跨中所测得的拉应力峰值为 134.1 kPa.在软土地层中由行车荷载引起的动响应影响深度甚至能达到36 m3.由于车辆荷载的复杂性，学者们通常采用半波正弦荷载或者移动的静荷载来简化模拟4-5，基于此，Alzabeebee 等6建立了交通荷载作用下的静力和动力数值模型，结果表明静力加载较动力加载的计算条件更严且计算时间更短.此外，综合管廊在运营期因受交通荷载、工程地质条件差异、结构设计强度等因素的多方面综合影响，易发生工程事故7，因此，开展综合管廊在车辆荷载微扰动作用下的地层与结构响应研究意义重大.目前，此方面已有相关研究，黄懿8根据加载车辆与管廊界限相对位置的不同，开展了 3 种工况下的管廊应力与加速度响应规律现场测试与数值模拟研究.张福麟9采用数值模拟手段开展了移动波动荷载与简谐波动荷载作用下装配式管廊动力响应的规律研究.李磊10对动、静车辆荷载作用下的综合管廊及土体模型的受力响应开展数值模拟分析研究，而在数值模型中，微扰动下结构与地层分析参数的确定，尤其是软弱地质参数的确定，对研究综合管廊在车辆荷载微扰动作用下的结构与地层响应极为关键.而基于现场监测响应结果的智能反演方法是一种确定地下工程力学分析计算参数的有效途径.目前在软土地区地下工程力学参数智能反演方面的研究主要有：王军祥等11采用粒子群优化-人工神经网络方法，基于盾构开挖引起的地表位移反演得到了沈阳地区富水管廊工程的主要地层力学参数；阮永芬等12根据昆明地铁某隧道实测地表沉降值，采用差异进化-灰狼优化支持向量机模型反演得到了隧道工程所在软土地层的土体力学参数；高德风等13采用人工神经网络基于明挖隧道基坑围护桩监测位移对深基坑工程的软土力学参数进行了动态反演研究.分析以上研究可以发现，目前的研究主要集中于软土地区地下工程施工开挖阶段的大扰动参数反演，而对运营期地下工程车辆载荷微扰动下的力学参数反演研究还很少，尤其是软土区地下综合管廊工程在运营期结构与地层参数的反演研究尚鲜有报道.为了解决运营期微扰动下的地下综合管廊结构与地层参数反演确定问题，本文通过在现场开展原位综合管廊结构与地层微扰动响应的监测，并基于现场量测响应信息，结合有限元数值模拟方法（Finite Element Method，FEM），采用新型全局优化算法哈里斯鹰优化（Harris Hawks Optimization，HHO），提出了软土区地下综合管廊在运营期车辆荷载微扰动作用下的结构与地层参数智能优化反演方法（HHO-FEM）.并通过江苏省宿迁市高铁商务区路网综合管廊工程的部分现场实测工程响应数据，对车辆荷载作用下的综合管廊结构与地层力学参数进行了反演研究.最后，基于反演结果对软土地层中的地下综合管廊工程进行了较全面的性能分析评价.1 参数智能反演的 HHO-FEMHHO 算 法 是 一 种 群 体 无 梯 度 仿 生 优 化 算法14，具有算法结构灵活且无需输入复杂繁多算法参数的优点，已在工程中得到了较多应用15.HHO模拟了自然界中哈里斯鹰搜索、捕食猎物的行为，包含搜索过程、搜索与捕猎的转化过程及捕猎过程.在这 3 个阶段中，哈里斯鹰根据猎物所蕴含能量的不同以及随机状态的不同，在各个阶段采用相应的位置更新策略，以实现对优化问题的求解.同时，采用哈里斯鹰优化算法，在 Abaqus PDE 编程环境中36高新博等：基于微扰动的软土区综合管廊结构与地层参数智能反演研究第 3 期编 制 了 基 于 Python 平 台 的 优 化 反 演 程 序 HHO-FEM.由于 Abaqus直接支持 Python语言的编译，故相比现有的反演程序，可减少不同软件平台间的数据调用与传递.HHO-FEM 智能反演方法的流程，如图 1所示.图 1中，HHO-FEM 反演方法的基本流程分为 7个步骤.步骤 1：输入哈里斯鹰算法的种群数量 M 与最大迭代代数 T，待反演参数的个数 DIM 及其取值范围上界 BU及下界 BL，给定初始 Abaqus inp文件.步骤 2：获取现场试验中测点的应力幅值数据.选取的适应度函数为F(x)=1ni=1n()Ti-T(x)Ti2（1）式中：Ti表示第 i个测点的真实测量值；T（x）