一种利用安装数据预测螺旋锚承载力的方法及应用技术

本发明专利技术涉及一种利用安装数据预测螺旋锚承载力的方法及应用，对安装螺旋锚的工程路段划分训练段和预测段，确定输入数据和输出数据；收集训练段的数据，对对应训练段的输入数据和输出数据进行处理，以BP神经网络训练直至满足精度要求；采集预测段的输入数据，进行相同处理后输入训练后的BP神经网络，基于输出数据预估预测段的土体参数，实时计算、评估螺旋锚承载力；基于前期获得的螺旋锚安装数据结合螺旋锚设计参数及地质勘查获得的土体参数，通过机器学习算法，建立螺旋锚安装数据与土体参数之间的函数映射关系，在此基础上通过螺旋锚安装监测数据，可以预测评估土层强度等参数及其随深度变化的规律；可以应用于实时计算、评估螺旋锚承载力。估螺旋锚承载力。估螺旋锚承载力。

【技术实现步骤摘要】
一种利用安装数据预测螺旋锚承载力的方法及应用


[0001]本专利技术涉及基础或基础结构的试验的
，特别涉及一种利用安装数据预测螺旋锚承载力的方法及应用。

技术介绍

[0002]目前输电线路、输油管线以及风机工程中，勘测是整个线路设计中的关键。在偏远山区，由于勘测点较多，勘测人员业务水平参差不齐，勘测水平存在一定的差异，对塔位地质情况的勘测精细化程度不同，导致地质勘察报告的准确性不足，这将对以后的设计和施工存在误导，进而可能导致基础的安全性存在重要隐患。实际工程中常常采用场地复勘，但复勘将导致整个线路的勘测点增多，将大大增加勘测费用和勘测时间。
[0003]螺旋锚基础是一种深入土体抗力的锚固结构，通过锚盘将上部结构的下压和上拔荷载传递到深层土体中，是一种施工快速、承载力大、适用性强的基础型式，已在输电线路、输油管线、光伏支架等各类工程中获得广泛应用。
[0004]螺旋锚在安装施工时，通过下锚驱动设备的扭力和下压力将螺旋锚拧入土层并至设计深度，所需扭矩和下压力的大小与螺旋锚的设计参数、土层的强度、变形等参数密切相关。通过监测螺旋锚的安装数据、结合场地已有的地质勘查资料，可以建立螺旋锚安装数据与土体参数之间的对应关系，一方面可以获得不同土层的强度、变形参数，另一方面可以通过不同深度时扭矩的变化验证前期地质勘察确定的不同性质土层厚度及其强度参数是否准确，进一步评价螺旋锚承载力大小，验证已有设计的可靠性，实现信息化施工。
[0005]虽然不同场地的土层性质差异较大，但总体上在螺旋锚施工过程中，安装数据是能够综合反映场地的土层参数的差异的，特别对于同一个工程项目，场地土层条件具有很强的空间相关性。

技术实现思路

[0006]本专利技术解决了现有技术中存在的问题，提供了一种利用安装数据预测螺旋锚承载力的方法及应用。
[0007]本专利技术所采用的技术方案是，一种利用安装数据预测螺旋锚承载力的方法，所述方法包括以下步骤：
[0008]步骤1：对安装螺旋锚的工程路段划分训练段和预测段，确定输入数据和输出数据；一般来说，训练段占工程线路总长度或基础工程量的30％，预测段占工程线路总长度或基础工程量的70％，其中，训练段70％的数据用于训练神经网络、15％的数据用于验证、15％的数据用于测试；当整条线路地质条件差异不大，则整体划分训练段和预测段，而当整条线路有多个差异较大的地质条件时，则以每个条件相似的地质条件为单位，进行训练段和预测段的划分。
[0009]步骤2：在施工过程中通过地质资料、设计资料和施工监测数据收集训练段的数据，对对应训练端的输入数据和输出数据进行处理后，以BP神经网络训练直至满足精度要
求；
[0010]步骤3：采集预测段的输入数据，进行与步骤2相同的处理后输入训练后的BP神经网络，基于输出数据计算预测段的土体参数，实时计算、评估螺旋锚承载力。
[0011]优选地，步骤1中，输入数据共n1种，包括安装扭矩和下压力、锚盘直径、锚盘螺距、锚盘个数、锚盘埋深、锚盘间距、锚盘厚度、锚杆直径、锚杆壁厚；所述安装扭矩和下压力通过双法兰动态扭矩传感器和压力传感器测量获得，锚盘直径、锚盘螺距、锚盘个数、锚盘埋深、锚盘间距、锚盘厚度、锚杆直径、锚杆壁厚为螺旋锚的关联设计数据。
[0012]优选地，所述螺旋锚顶部焊接一法兰盘，双法兰动态扭矩传感器和压力传感器由下至上顺次设于法兰盘顶部，压力传感器与下锚驱动设备配合设置。
[0013]优选地，基于地质勘查资料获得的土层分层，输出数据共n2种，包括各层土的粘聚力c、内摩擦角重度γ、桩侧阻力标准值q
sik
、桩端阻力标准值q
pk
、地基土水平抗力比例系数m。
[0014]优选地，步骤2和步骤3的处理包括剔除异常值及对剔除异常值的数据进行归一化处理；如均质土中，同一个锚下锚过程中扭矩一般随深度增大，若出现随深度扭矩减小的情况，应判断该部分数据是否存在异常，剔除异常值。
[0015]优选地，步骤2中，BP神经网络训练至均方根误差MSE小于0.01且线性相关系数R值大于0.95，否则增加训练样本数或调整隐藏层节点数，继续训练直至满足结果；一般情况下，BP神经网络的中间层的神经元数量取2n1+1，基于上述训练段获取的数据对BP神经网络模型进行训练，为避免出现神经网络模型出现过拟合问题，采用贝叶斯正则化方法来提高神经网络模型的泛化能力。
[0016]优选地，步骤3中，基于输出数据，逆归一化处理得到预测段的土体参数；基于预测段的土体参数，采用圆柱剪切法和/或承载量法计算锚盘竖向承载力以及采用β法计算锚杆竖向承载力，锚盘竖向承载力与锚杆竖向承载力之和为螺旋锚竖向承载力，螺旋锚水平承载力计算不考虑锚盘作用，采用m法计算锚杆水平承载力。
[0017]优选的，当两锚盘间距小于3倍锚盘直径时，采用圆柱剪切法计算锚盘的上拔或下压承载力，否则，采用承载量法计算；上拔承载力计算时，对于首锚，按圆柱剪切法进行计算，H1取值为0m；下压承载力计算时，对于最下端锚，采用承载量法进行计算；
[0018]圆柱剪切法的计算公式如下：
[0019][0020]式中Q
pj
为第j个锚盘(p，plate的缩写)的上拔或下压承载力，D为锚盘直径；上拔情况下，H2为锚盘埋深，H 1
为锚盘j上方锚盘的埋深，下压情况下，H 1
为锚盘埋深，H2为锚盘j下方锚盘的埋深；c、分别为两锚盘间土柱内土体的粘聚力和内摩擦角；
[0021]承载量法的计算公式如下：
[0022][0023]式中Q
pj
为第j个锚盘(p，plate的缩写)的上拔或下压承载力，q
pk
为桩端阻力标准值；
[0024]β法的计算公式如下：
[0025][0026]式中Q
sh
为锚杆的上拔或下压承载力，b为锚杆外径，L为锚杆埋置于地基土体内的长度，L0为剧烈扰动深度，K0为静止土压力系数，γ为土体重度；L0可取锚杆上部扰动土体深度与锚间形成的多个土柱体高度之和，上部扰动土体深度可取1.5m或根据实际情况取值，若锚盘间距小于3倍锚盘直径，则土柱体高度为锚盘间距，若锚盘间距大于3倍锚盘直径，则取3D为土柱体高度；可取
[0027]螺旋锚的上拔、下压承载力等于锚盘承载力和锚杆承载力之和，即：
[0028][0029]式中Q为螺旋锚上拔或下压承载力，n为锚盘个数。
[0030]优选的，步骤3中，m法的计算公式如下：
[0031][0032]式中R
ha
为锚杆的水平承载力，EI为锚杆的抗弯刚度，a为锚杆的相对柔度系数，m为地基水平抗力的比例系数，χ
oa
为锚杆顶部允许横向位移，取10mm，ν
h
为锚杆顶部水平位移系数，0.001＜ν
h
＜4.000，实际应用中可按下表取值，锚顶约束情况按实际确定，一般可按固接取值。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用安装数据预测螺旋锚承载力的方法，其特征在于：所述方法包括以下步骤：步骤1：对安装螺旋锚的工程路段划分训练段和预测段，确定输入数据和输出数据；步骤2：收集训练段的数据，对对应训练端的输入数据和输出数据进行处理后，以BP神经网络训练直至满足精度要求；步骤3：采集预测段的输入数据，进行与步骤2相同的处理后输入训练后的BP神经网络，基于输出数据计算预测段的土体参数，实时计算、评估螺旋锚承载力。2.根据权利要求1所述的一种利用安装数据预测螺旋锚承载力的方法，其特征在于：步骤1中，输入数据包括安装扭矩和下压力、锚盘直径、锚盘螺距、锚盘个数、锚盘埋深、锚盘间距、锚盘厚度、锚杆直径、锚杆壁厚；所述安装扭矩和下压力通过双法兰动态扭矩传感器和压力传感器测量获得，锚盘直径、锚盘螺距、锚盘个数、锚盘埋深、锚盘间距、锚盘厚度、锚杆直径、锚杆壁厚为螺旋锚的关联设计数据。3.根据权利要求2所述的一种利用安装数据预测螺旋锚承载力的方法，其特征在于：所述螺旋锚顶部焊接一法兰盘，双法兰动态扭矩传感器和压力传感器由下至上顺次设于法兰盘顶部，压力传感器与下锚驱动设备配合设置。4.根据权利要求2所述的一种利用安装数据预测螺旋锚承载力的方法，其特征在于：基于地质勘查资料获得的土层分层，输出数据包括各层土的粘聚力c、内摩擦角重度γ、桩侧阻力标准值q
sik
、桩端阻力标准值q
pk
、地基土水平抗力比例系数m。5.根据权利要求1所述的一种利用安装数据预测螺旋锚承载力的方法，其特征在于：步骤2和步骤3的处理包括剔除异常值及对剔除异常值的数据进行归一化处理。6.根据权利要求1所述的一种利用安装数据预测螺旋锚承载力的方法，其特征在于：步骤2中，BP神经网络训练至均方根误差MSE小于0.01且线性相关系数R值大于0.95，否则增加训练样本数或调整隐藏层节点数，继续训练直至满足结果。7.根据权利要求1所述的一种利用安装数据预测螺旋锚承载力的方法，其特征在于：步骤3中，基于输出数据，逆归一化处理得到预测段的土体参数；基于预测段的土体参数，采用圆柱...

【专利技术属性】
技术研发人员：吕庆，孙志浩，朱玛，章伟德，赏炜，吕建军，李攀峰，冯炳，周吉安，傅恒，傅振扬，
申请(专利权)人：国网浙江省电力有限公司绍兴供电公司绍兴大明电力设计院有限公司，
类型：发明
国别省市：