System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机,尤其是涉及一种隧道掌子面围岩级别判定方法、设备、存储介质。
技术介绍
1、山岭隧道主要采用新奥法设计和施工,其核心思想是充分利用围岩的自身承载能力,采用锚喷支护等手段约束围岩变形,并通过监控量测动态调整设计和施工。然而实际工程的地质条件常常复杂多变,地质信息采集的不及时和不精细,给动态设计和安全高效施工带来巨大的困难。因而在实际建造过程中,地质信息采集、隧道动态设计和施工这三者极易脱节,急需采用智能化手段对这三者“赋能”,并将“采集-设计-施工”打通为一个无缝的整体,实现隧道建造的智能化转型升级。因此,掌子面围岩级别的判定是进行隧道智能设计和施工的前提,需要对这方面内容进行深入研究,以助力隧道智能建造。
2、国际岩石力学学会认为岩体不连续面很大程度上对岩体的力学性质起决定性作用,并将岩体不连续面渗漏水作为定量化描述岩体不连续面性质的十个关键指标之一。此外,目前主要的围岩质量评价体系(bq,rmr,q,gsi等)均将不连续面渗漏水的状态(水量,水压,位置,形态)等作为其关键计算参数之一。然而一方面,目前基于地质超前预报法进行地下水等不良地质的探测和预报技术多是对受测面附近一定范围内的定性分析,难以对开挖面附近岩体表面的渗漏水状态进行精细化的识别和提取;另一方面,由于开挖面附近岩体特征的多样性,直接精细化识别岩体不连续面渗漏水状态还没有行之有效的方法。目前许多研究采用机器学习的卷积神经网络图像识别方法,对隧道管片或衬砌的混凝土材料渗漏水的识别取得了进展,可为后续研究岩体不连续面渗漏水的识别提供参考。
3、目前岩土工程领域有许多针对填充物对岩体力学性质影响的研究,包括填充物结构面剪切性质研究、结构面裂隙应力-渗流耦合研究、结构面裂隙剪切-渗流特性研究等。然而,直接针对岩体不连续面填充物成分、性质的识别算法研究较少。但是参考目前已有的针对填充物岩体力学性能试验与机器学习算法,可以初步尝试实现基于图像识别技术的填充物检测,进一步实现原位岩体填充物的识别。
4、综上,当前缺少一种隧道掌子面围岩级别的快速判定方法,以解决或部分解决前述现有技术存在的问题。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种隧道掌子面围岩级别判定方法、设备、存储介质,以改善围岩级别的判断效率。
2、本专利技术的目的可以通过以下技术方案来实现:
3、本专利技术的一个方面,提供了一种隧道掌子面围岩级别判定方法,包括如下步骤:
4、以无线方式,从移动端获取隧道掌子面配套数据并存储,其中,所述隧道掌子面配套数据包括掌子面的图像信息;
5、针对所述图像信息进行点云化、网格化处理,构建岩体数字表面模型;
6、基于所述岩体数字表面模型,通过聚类提取隧道掌子面结构的面间距信息;
7、基于所述岩体数字表面模型,得到掌子面的结构面粗糙度信息;
8、基于所述面间距信息和所述结构面粗糙度信息,计算围岩等级评价指标,实现围岩级别判定。
9、作为优选的技术方案,所述面间距信息的提取过程包括:
10、提取所述岩体数字表面模型中的迹线并计算各条迹线的主方向,并通过聚类进行分组,计算各个组内迹线的平均主方向;
11、通过与用户交互绘制测线,计算测线与迹线的交点,得到各组迹线内交点间的平均间距,作为面间距信息。
12、作为优选的技术方案,基于k 均值聚类算法对迹线进行聚类。
13、作为优选的技术方案,所述平均间距采用下式计算:
14、
15、其中,为组内平均间距,为测线与小组内迹线的第个交点,表示交点和交点之间的距离,为交点数,为小组数。
16、作为优选的技术方案,所述结构面粗糙度信息的计算过程包括:
17、对所述岩体数字表面模型进行等间距切割,获取二维的粗糙度轮廓线,计算粗糙度轮廓线的岩石节理面粗糙度系数;
18、计算岩石节理面粗糙度系数平均值得到三维粗糙度,作为结构面粗糙度信息。
19、作为优选的技术方案,还包括:
20、将所述围岩等级评价指标输出至移动端进行可视化展示。
21、作为优选的技术方案,所述隧道掌子面配套数据还包括线路名称、里程信息、采集人信息、岩体饱和抗压强度信息、初始地应力状态信息和地下水出水状态信息。
22、作为优选的技术方案,所述掌子面的图像信息的获取包括如下步骤:
23、在掌子面前方预设距离,通过现场试验确定相机内部参数,以固定的内部参数获取同一位置不同角度的图像作为图像信息。
24、本专利技术的另一个方面,提供了一种隧道掌子面围岩级别判定设备,包括:
25、数据采集移动终端,用于采集隧道掌子面配套数据,其中,所述隧道掌子面配套数据包括掌子面的图像信息;
26、数据云端,用于从移动端以无线方式获取所述隧道掌子面配套数据并存储;
27、分析云端,用于针对所述图像信息进行点云化、网格化处理,构建岩体数字表面模型,基于所述岩体数字表面模型,通过聚类提取隧道掌子面结构的面间距信息,基于所述岩体数字表面模型得到掌子面的结构面粗糙度信息,基于所述面间距信息和所述结构面粗糙度信息,计算围岩等级评价指标并传输至所述数据云端,实现围岩级别判定。
28、本专利技术的另一个方面,提供了一种计算机可读存储介质,包括供电子设备的一个或多个处理器执行的一个或多个程序,所述一个或多个程序包括用于执行上述隧道掌子面围岩级别判定方法的指令。
29、与现有技术相比,本专利技术具有以下有益效果:
30、(1)改善围岩级别的判断效率:本申请在获取掌子面的图像信息后,通过构建岩体数字表面模型,分别得到结构面的面间距信息和粗糙度信息,进而辅助计算围岩等级评价指标,实现围岩级别判定,整个过程实现高度的自动化,有效提高了围岩级别的判定效率。
31、(2)获取的掌子面图像准确度高:针对隧道施工现场的粉尘多、光线暗、拍摄范围局限及拍摄时间短的问题,本申请通过规范拍摄位置以及采取现场试验的方法确定数码相机的内部参数,进而能够构建稳定的、精度较高的掌子面三维点云模型。
32、(3)灵活性高:本专利技术提供的隧道掌子面围岩级别判定设备具有共享性和独立性,可灵活部署于任意具有微服务架构的分析平台中,克服现阶段隧道远程诊断等智能分析系统对商业程序的依赖。
本文档来自技高网...【技术保护点】
1.一种隧道掌子面围岩级别判定方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种隧道掌子面围岩级别判定方法,其特征在于,所述面间距信息的提取过程包括:
3.根据权利要求2所述的一种隧道掌子面围岩级别判定方法,其特征在于,基于K均值聚类算法对迹线进行聚类。
4.根据权利要求2所述的一种隧道掌子面围岩级别判定方法,其特征在于,所述平均间距采用下式计算:
5.根据权利要求1所述的一种隧道掌子面围岩级别判定方法,其特征在于,所述结构面粗糙度信息的计算过程包括:
6.根据权利要求1所述的一种隧道掌子面围岩级别判定方法,其特征在于,还包括:
7.根据权利要求1所述的一种隧道掌子面围岩级别判定方法,其特征在于,所述隧道掌子面配套数据还包括线路名称、里程信息、采集人信息、岩体饱和抗压强度信息、初始地应力状态信息和地下水出水状态信息。
8.根据权利要求1所述的一种隧道掌子面围岩级别判定方法,其特征在于,所述掌子面的图像信息的获取包括如下步骤:
9.一种隧道掌子面围岩级别判定设备,其特征在于,
10.一种计算机可读存储介质,其特征在于,包括供电子设备的一个或多个处理器执行的一个或多个程序,所述一个或多个程序包括用于执行如权利要求1-8任一所述隧道掌子面围岩级别判定方法的指令。
...【技术特征摘要】
1.一种隧道掌子面围岩级别判定方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种隧道掌子面围岩级别判定方法,其特征在于,所述面间距信息的提取过程包括:
3.根据权利要求2所述的一种隧道掌子面围岩级别判定方法,其特征在于,基于k均值聚类算法对迹线进行聚类。
4.根据权利要求2所述的一种隧道掌子面围岩级别判定方法,其特征在于,所述平均间距采用下式计算:
5.根据权利要求1所述的一种隧道掌子面围岩级别判定方法,其特征在于,所述结构面粗糙度信息的计算过程包括:
6.根据权利要求1所述的一种隧道掌子面围岩级别判定方法,其特征在于,还...
【专利技术属性】
技术研发人员:沈翔,吕艳云,梁超,陈文尹,申志军,王步云,刘道学,裴小放,卞雄锋,王珩,刘磊,褚诗洋,阚红尘,楚跃峰,刘迪,杨晓徐,
申请(专利权)人:中铁四局集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。