李梓齊
(中鐵十八局集團市政工程有限公司, 天津 津南 300000)
隨著我國經濟和城市建設的快速發展,城市的土地緊缺,人們逐漸開始向地下和空中發展,地鐵、城際高鐵成為了人們進行建設發展的重點,挖掘深度超過5m的隧道基坑的工程已成為非常普遍的工程[1]?;釉陂_挖前,需要對地質等資料進行研究,但是仍然存在很多不確定性因素,如周邊的高層建筑過于密集、基坑周邊的地基不穩等,這些都會對隧道基坑挖掘的安全造成影響。另一方面,基坑工程在施工過程中,由于違規施工、監測不到位等人為原因,造成事故頻發。
隧道基坑工程是一個綜合性的工程,涵蓋了挖土、防水和信息化等各類工程。為了保證施工過程的安全,我國的工程人員已做了大量的研究,如對監測方法、監測精度等進行規范化,設計新的監測方法保證監測值的準確性[2],增加施工過程的信息化等方式[3]。但是,這些安全監測方式均有一定的延遲性,且需要人進行觀測,受到人的因素影響較大,一旦發現異樣時,無法快速補救。
自動預警系統是利用測量機器人對環境內的數據進行實時監測,利用獲取的數據實時進行計算和分析,以對工程的安全進行監測和預警。這種預警系統具有實時性、智能化和無人監測的優點,減少了人的因素對安全監測的影響。因此本文將對安全監測自動預警系統在明挖隧道基坑的應用進行研究。
明挖隧道基坑安全監測自動預警系統的主要組成包括計算機和控制裝置、測量機器人、監測網。
計算機主要用于對自動預警系統進行整體的管理,包括系統的設置,數據的獲取、分析、計算和預測,結論的輸出等。
在進行系統的設置時,一是設置網絡參數,使計算機與測量機器人之間通過網絡連接成功;二是根據環境狀態和設備狀態,設置監測時的溫度、時間、監控模式等;三是設定預警和極限參數,超過該參數則自動報警。
數據方面,則是利用計算機內部的軟件對數據進行處理,誤差消除和趨勢分析,及時的將數據輸出并顯示,以及時的進行預警。
控制裝置用于對測量機器人等裝置的進行整體的協調和控制等,如裝置的啟動、暫停、自動測量等功能。
測量機器人是自動預警系統實施測量的主體,其主要組成為CCD攝像頭、馬達驅動器、傳感器、端口。
CCD攝像頭與傳感器配合作業,用于快速的搜索、識別棱鏡,并進行數據測量,包括隧道基坑的深度、角度、距離等,測量精度較高[4]。
馬達驅動器用于驅動測量機器人按照設定要求,搜索棱鏡。
測量機器人共設定3個端口,一個連接計算機,用于數據的實時傳輸;一個連接通訊裝置,用于數據的遠程傳輸;一個連接移動電源,用于提供電量。
監測網主要根據自動預警系統的要求,設置的監測點位,監測網主要包括監測點、基準點、測站點和棱鏡。監測網的分布簡圖如圖1所示。
圖1 監測網的分布簡圖
監測點用于監測隧道基坑各深度在水平和垂直方向的位移,一般設置在不同的斷面深度,確定監測位置后,在該位置加裝螺釘、保護罩、放置棱鏡。
基準點是監測位移的基準點,需要不受工程施工的干擾,可以設置在已完工的建筑物上選擇3個點,確定位置后加裝棱鏡。
測站點需要監測到每個棱鏡,且不受障礙物和工程施工的干擾,確定位置后加裝三腳架。
自動預警系統同時還需要配置相應的電源、通信裝置、數據庫和預警裝置等配件,用于提供電量、通訊、數據的存儲和預警。
為了對隧道基坑的安全進行自動預警,首先確定監測內容和監測方法,并對數據進行處理。
對隧道基坑進行監測,首先需要確定其施工過程。既保證隧道基坑施工以及周圍建筑、環境的安全,又為后續的工程設計參數進行優化,同時也為后續的隧道施工提供借鑒[5]。隧道施工過程如圖2所示。
圖2 隧道施工過程
根據隧道基坑在施工過程中的變形機理和監測目的,基本可以確定隧道基坑的監測內容如圖3所示。
圖3
對于隧道基坑的監測主要包括圍護和環境。其中圍護包括樁墻位移和撓曲、圈梁水平和垂直位移、柱體和土層。環境包括基坑周圍土層水平和垂直位移、地下管線水平和垂直位移、周邊建筑垂直位移和傾斜以及裂紋。根據這些因素對隧道基坑安全的影響程度,對隧道基坑施工的安全造成重大影響的為必須監測內容,可能會造成一定程度影響的為建議監測內容。
對于樁墻位移、圈梁水平方向的位移,測量方法較多,如精密導線法、GPS法等。本文采用較為簡單的基準線法進行測量,基準點設定在距離隧道基坑較遠的、不受工程施工影響的點,并采用光學對中裝置保證測量位置的準確性。垂直方向的位移采用幾何水準的方法進行測量。
對于較深層的水平方向位移,包括土層、基坑周圍土層的水平方向位移,可以通過在隧道基坑進行施工前的一周預埋測斜管,利用測斜儀測量測斜管即可測量深層的水平方向位移。垂直方向的位移通過利用鉆孔的方式,提前一周將沉降磁環定位埋在深層土里,穩定后利用分層沉降儀測量垂直方向的初始值,其后可以定期監測,即可測量深層土層垂直位移。
樁墻的撓曲、柱體一級周邊建筑的傾斜可以通過測量頂部與底部的高度差和水平差,計算即可確定撓曲、傾斜度等。
周邊建筑的裂紋主要是監測裂紋的寬度和深度變化。其中裂紋寬度主要通過在固定的位置利用游標卡尺測量;裂紋的深度可通過超聲波方法進行測量。
隧道基坑的結構較為復雜,且各項監控內容之間的關系很難通過常規數學模型表示。而BP神經網絡屬于人工神經網絡,是利用計算機模擬人腦,對非線性回歸的數據進行預測、分類等過程,是應用最多的網絡算法之一,因此可以采用BP神經網絡算法建立自動預警系統。
首先確定系統BP神經網絡模型的結構。其結構主要包括三層,分別是輸入層、隱含層和輸出層。根據系統的要求,輸入層的變量可以確定為8個,分別是樁墻位移、樁墻撓曲、圈梁水平和垂直位移、柱體、土層、基坑周圍土層水平和垂直位移、地下管線水平和垂直位移、周邊建筑水平垂直位移以及裂紋。輸出層為下一個預測周期的變量分析結果。隱含層的節點個數p可利用以下公式計算:
p=q+0.618(q-1)
式中:q為輸入層的變量個數,對于本自動預警系統,q為8,可以計算得出隱含層的節點個數為13。
第二步,確定各層之間的初始權值,并設定誤差值為0.01。該模型輸入層、隱含層、輸出層的矢量M,N,P以及期望的輸出矢量Q可分別表示為:
M=(m1,m2,…,m8)Tn=(n1,n2,…,n13)T
P=(p1,p2,…,p8)TQ=(q1,q2,…,q8)T
輸入層到隱含層、隱含層到輸出層的權值U,V采用矩陣方式表示,分別為:
U=(u1,u2,…,u13),V=(v1,v2,…,v8)
當采用該模型處理數據時,隱含層和輸出層產生的誤差Ey和Es分別為:
式中:ωik和δji分別為輸入層與隱含層、隱含層與輸出層的權值。初步確定BP神經網絡模型的結構和參數后,對網絡進行訓練。
第三步為閥值和權值的修正。采用Levenberg-Marquard方法進行修正,該方法的權值修正速率為:
W(k+1)=W(k)+(JTJ+μI)-1JTe
式中:J為各層之間的誤差對權值進行微分計算后的矩陣;μ和e分別為標準向量和誤差向量。當輸入樣本的誤差值達到設定值的要求后,則說明BP神經網絡有效,此時的模型的參數即為確定的BP神經網絡參數。
根據監測內容以及隧道基坑的狀態等,設定各監測內容的預警參數和極限參數,若預測的數據超過預警參數,則提示需要及時的進行安全防護,調整施工狀態。若預測的數據超過的極限參數,則提示停工,進行安全防護。
為了驗證該隧道基坑安全監測自動預警系統的性能,需要對其進行數據預測試驗和自動預警試驗。
選取樁墻位移參數采用該自動預警系統進行預測。將連續測量的200個數據輸入系統進行訓練,訓練次數設定為2000次,誤差值設定為0.01。訓練結果達到誤差要求后,選取15個數據采用該系統進行預測,并將預測結果與實測結果進行對比,可以得到對比結果以及誤差如表1所示。
表1 數據預測試驗結果
由表1可知,采用該系統得到的預測值與實測值基本一致,誤差較小,誤差均小于3%,說明可以采用該系統進行隧道基坑安全監測的自動預警。
選取樁墻位移參數為例,在安全范圍內分別設定位移參數的預警參數和極限參數為85mm和100mm,驗證系統是否能夠報警。試驗結果如表2所示。
表2 自動預警試驗結果
由表2可知,當位移參數超過預警和極限參數時,系統均報警,說明該自動預警系統能夠正常工作。
針對隧道基坑工程在施工過程中易出現安全事故的問題,本文主要進行了以下工作:
(1)建立了明挖隧道基坑安全監測自動預警系統。該系統的主要組成包括計算機和控制裝置、測量機器人、監測網。
(2)對隧道基坑的監測內容和相應的監測方法進行了設計。
(3)為了對隧道基坑安全監測進行自動預警,根據BP神經網絡模型建立了自動預警系統。
(4)對自動預警系統進行了數據預測試驗和自動預警試驗。試驗結果表明系統可以實現對隧道基坑的安全監測,并自動預警。