一种基于破碎岩体模型的地铁车站稳定性分析方法技术

本发明专利技术公开了一种基于破碎岩体模型的地铁车站稳定性分析方法，包括：S1：获取破碎岩体区域的掌子面图像；S2：统计多边形节理的边长的长度值，并计算出所述多边形节理的边长的长度值的平均值；S3：生成节理分布平面图；S4：处理所述节理分布平面图；S5：构建包含多边形节理的边的端点坐标的地铁车站施工模型；S6：计算地铁车站施工的安全系数。本发明专利技术以地铁车站的复杂的施工环境为切入点，利用节理和岩块抗剪强度和抗拉强度同时进行强度折减的方法计算地铁车站的安全系数，安全性分析结果的准确率得到了提高。安全系数跟普通强度折减法相比更加保守，施工更加安全。施工更加安全。施工更加安全。

A stability analysis method of subway station based on broken rock mass model

【技术实现步骤摘要】
一种基于破碎岩体模型的地铁车站稳定性分析方法


[0001]本专利技术涉及地铁车站施工领域，尤其涉及一种基于破碎岩体模型的地铁车站稳定性分析方法。

技术介绍

[0002]地铁车站在施工过程中会面对各类复杂的地质情况，其中风化破碎的岩体比较常见，这类岩体的节理裂隙较为发育，节理裂隙的形状不规则，以多边形为主。节理裂隙的存在会影响围岩的强度，进而影响结构的安全。
[0003]随着摄影技术的发展，工程技术人员开始通过图像处理的方法，整理地铁车站掌子面节理信息。但由于地下环境复杂，图像处理之后进行提取关键性数据并建立模型进行优化的方法较少。并且地铁车站结构复杂，开挖断面大，施工步骤繁琐，对围岩的扰动也比较大，这就造成安全系数计算结果不准确，对后续的施工带来安全隐患。

技术实现思路

[0004]本专利技术提供一种基于破碎岩体模型的地铁车站稳定性分析方法，以克服上述技术问题。
[0005]本专利技术的技术方案为：
[0006]一种基于破碎岩体模型的地铁车站稳定性分析方法，包括：
[0007]S1：安装拍摄设备，对掌子面进行拍摄，获取破碎岩体区域的掌子面图像；
[0008]S2：对所述掌子面图像进行多边形节理识别，以统计多边形节理的边长的长度值，并计算出所述多边形节理的边长的长度值的平均值；
[0009]S3：根据所述掌子面图像，布置种子点并进行筛选，生成节理分布平面图；
[0010]S4：处理所述节理分布平面图，以将所述节理分布平面图中多边形节理的边的端点坐标输出为命令流格式的文件；
[0011]S5：根据所述节理分布平面图中的多边形节理的边的端点坐标，构建包含多边形节理的边的端点坐标的地铁车站施工模型；
[0012]S6：根据所述地铁车站施工模型，采用对节理和岩块的抗剪强度和抗拉强度同时进行强度折减的方法，计算地铁车站施工的安全系数。
[0013]进一步的，所述S1中包括如下步骤：
[0014]S11：在掌子面前方地面上，安装拍摄底座，使所述拍摄底座平稳安置于地面上；
[0015]S12：将支撑杆垂直固定于所述拍摄底座顶部，拍摄设备固定安装在支撑杆顶部；
[0016]S13：将所述拍摄设备与配电箱进行电连接；
[0017]S14：调节所述拍摄设备，对隧道开挖形成的掌子面进行拍摄，获取破碎岩体区域的掌子面图像。
[0018]进一步的，所述S2中包括如下步骤：
[0019]S2：对所述掌子面图像进行多边形节理识别，以统计多边形节理的边长的长度值，
并计算出所述多边形节理的边长的长度值的平均值；
[0020]S21：对所述掌子面图片进行比例转换，以获取结构面图像；
[0021]所述比例转换系数公式如下：
[0022][0023]其中s为图像的比例转换系数，(x1,y1)、(x2,y2)分别为所拍摄的掌子面图像上的两点的像素坐标，H为两点间的实际距离；
[0024]S22：对所述结构面图像进行预处理，以获取处理后的结构面图像；
[0025]S23：对所述处理后的结构面图像的边缘信息进行识别，以获取边缘检测图像；
[0026]S231:所述处理后的结构面图像表示为：
[0027][0028]式中：N代表处理后的结构面图像中的像素点的数量；f(x,y)代表处理后的结构面图像；x代表处理后的结构面图像的横坐标；y代表处理后的结构面图像的纵坐标；
[0029]S232:将所述处理后的结构面图像与二维高斯滤波函数进行卷积，获取滤波后的图像；所述二维高斯滤波函数如下：
[0030][0031]式中：σ2代表方差；
[0032]将所述高斯滤波器分解为X方向的滤波器和Y方向的滤波器，分别如下：
[0033][0034][0035][0036]式中：k是计算的中间参数；
[0037]S233：将所述滤波后的图像分别与所述X方向的滤波器和Y方向的滤波器进行卷积，获取X方向的梯度和Y方向的梯度：：
[0038][0039][0040]式中：B
x
表示X方向的梯度；B
y
表示Y方向的梯度；
[0041]S234：令：
[0042][0043][0044]式中：A(i，j)表示处理后的结构面图像f(x，y)上的点M(i，j)处的边缘强度；α(i，j)表示处理后的结构面图像f(x，y)上的点M(i，j)处的法向矢量，M(i，j)为处理后的结构面图像上的一个像素点；i表示点M(i，j)的横坐标；j表示点M(i，j)的纵坐标；
[0045]S235：对A(i，j)进行非极大值抑制处理，以获取检测边缘点；
[0046]得到处理后的结构面图像f(x，y)上的点M(i，j)处的边缘强度即A(i，j)后，进行非极大值抑制处理，即将点M(i，j)的边缘强度与梯度方向的相邻像素点的边缘强度进行比较，判断点M(i，j)的边缘强度是否是局部极大值，若是则M＝M(i，j)记为检测边缘点，若不是将其边缘强度设为0；
[0047]S236：利用双阀值算法处理检测边缘点并进行边缘连接，获取边缘检测图像；
[0048]S24：对所述边缘检测图像中多边形节理的边长进行检测，以统计所述边缘检测图像中所有的多边形节理的边长的长度值和所述边缘检测图像中各类多边形所占比例，并计算出所述边缘检测图像中所有的多边形节理的边长的长度值的平均值：
[0049][0050][0051]式中，L为节理长度，为节理平均长度，n为直线段总数。
[0052]进一步的，所述步骤S3包括如下步骤：
[0053]S31：假定模拟区域，在所述模拟区域范围内生成种子点；
[0054]S32：根据所述节理的边长的长度值筛选种子点；筛选公式如下：
[0055][0056]D＝max(d
ij
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0057]d＝min(d
ij
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0058]式中，i＝1，2，...，n
‑
1；n为种子点数；d
ij
代表第i个种子点和第j个种子点之间的距离；d代表模拟区域种子点筛选的最小半径；D代表模拟区域种子点筛选的最大半径；x
i
代表第i个种子点的横坐标；x
j
代表第j个种子点的横坐标；y
i
代表第i个种子点的纵坐标；yj代表代表第j个种子点的纵坐标；
[0059]S33：利用三角形剖分算法生成节理分布平面图；
[0060]S34：统计所述节理分布平面图中多边形节理的边长的长度值和所述节理分布平面图中各类多边形所占比例，并计算出所述节理分布平面图中所有的多边形节理的边长的长度值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于破碎岩体模型的地铁车站稳定性分析方法，其特征在于，包括：S1：安装拍摄设备，对掌子面进行拍摄，获取破碎岩体区域的掌子面图像；S2：对所述掌子面图像进行多边形节理识别，以统计多边形节理的边长的长度值，并计算出所述多边形节理的边长的长度值的平均值；S3：根据所述掌子面图像，布置种子点并进行筛选，生成节理分布平面图；S4：处理所述节理分布平面图，以将所述节理分布平面图中多边形节理的边的端点坐标输出为命令流格式的文件；S5：根据所述节理分布平面图中的多边形节理的边的端点坐标，构建包含多边形节理的边的端点坐标的地铁车站施工模型；S6：根据所述地铁车站施工模型，采用对节理和岩块的抗剪强度和抗拉强度同时进行强度折减的方法，计算地铁车站施工的安全系数。2.根据权利要求1所述的一种基于破碎岩体模型的地铁车站稳定性分析方法，其特征在于，所述S1中包括如下步骤：S11：在掌子面前方地面上，安装拍摄底座(100)，使所述拍摄底座(100)平稳安置于地面上；S12：将支撑杆(200)垂直固定于所述拍摄底座(100)顶部，拍摄设备(300)固定安装在支撑杆(200)顶部；S13：将所述拍摄设备(300)与配电箱(400)进行电连接；S14：调节所述拍摄设备(300)，对隧道开挖形成的掌子面进行拍摄，获取破碎岩体区域的掌子面图像。3.根据权利要求1所述的一种基于破碎岩体模型的地铁车站稳定性分析方法，其特征在于，所述S2中包括如下步骤：S2：对所述掌子面图像进行多边形节理识别，以统计多边形节理的边长的长度值，并计算出所述多边形节理的边长的长度值的平均值；S21：对所述掌子面图片进行比例转换，以获取结构面图像；所述比例转换系数公式如下：其中s为图像的比例转换系数，(x1,y1)、(x2,y2)分别为所拍摄的掌子面图像上的两点的像素坐标，H为两点间的实际距离；S22：对所述结构面图像进行预处理，以获取处理后的结构面图像；S23：对所述处理后的结构面图像的边缘信息进行识别，以获取边缘检测图像；S231:所述处理后的结构面图像表示为：式中：N代表处理后的结构面图像中的像素点的数量；f(x,y)代表处理后的结构面图像；x代表处理后的结构面图像的横坐标；y代表处理后的结构面图像的纵坐标；
S232:将所述处理后的结构面图像与二维高斯滤波函数进行卷积，获取滤波后的图像；所述二维高斯滤波函数如下：式中：σ2代表方差；将所述高斯滤波器分解为X方向的滤波器和Y方向的滤波器，分别如下：分别如下：分别如下：式中：k是计算的中间参数；S233：将所述滤波后的图像分别与所述X方向的滤波器和Y方向的滤波器进行卷积，获取X方向的梯度和Y方向的梯度：：X方向的梯度和Y方向的梯度：：式中：B
x
表示X方向的梯度；B
y
表示Y方向的梯度；S234：令：令：式中：A(i,j)表示处理后的结构面图像f(x,y)上的点M(i,j)处的边缘强度；α(i,j)表示处理后的结构面图像f(x,y)上的点M(i,j)处的法向矢量，M(i,j)为处理后的结构面图像上的一个像素点；i表示点M(i,j)的横坐标；j表示点M(i,j)的纵坐标；S235：对A(i,j)进行非极大值抑制处理，以获取检测边缘点；得到处理后的结构面图像f(x,y)上的点M(i,j)处的边缘强度即A(i,j)后，进行非极大值抑制处理，即将点M(i,j)的边缘强度与梯度方向的相邻像素点的边缘强度进行比较，判断点M(i,j)的边缘强度是否是局部极大值，若是则M＝M(i,j)记为检测边缘点，若不是将其边缘强度设为0；S236：利用双阀值算法处理检测边缘点并进行边缘连接，获取边缘检测图像；S24：对所述边缘检测图像中多边形节理的边长进行检测，以统计所述边缘检测图像中所有的多边形节理的边长的长度值和所述边缘检测图像中各类多边形所占比例，并计算出所述边缘检测图像中所有的多边形节理的边长的长度值的平均值：
式中，L为节理长度，为节理平均长度，n为直线段总数。4.根据权利要求3所述的一种基于破碎岩体模型的地铁车站稳定性分析方法，其特征在于，所述步骤S3包括如下步骤：S31：假定模拟区域，在所述模拟区域范围内生成种子点；S32：根据所述节理的边长的长度值筛选种子点；筛...

【专利技术属性】
技术研发人员：姜谙男，虢新平，冯云鹏，李兴盛，宋业华，李健，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：