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】
本专利技术涉及盾构渣土改良,具体涉及一种基于gru神经网络的盾构壁后注浆状况的监测方法。
技术介绍
1、地下铁路具备载客量大、运输快捷等特点,是目前缓解城市交通压力的有效交通手段,故近年得到大力发展。地下铁路施工常采用盾构法作为施工手段,盾构掘进过程中不可避免地需要对盾构刀头进行检修、更换,且近接施工会对既有构筑物产生扰动。克泥效这一注浆材料可以很好地解决盾构带压换刀、减小施工扰动等问题,但注浆施工由于其隐蔽性,实际施工难以评价克泥效注浆成效。注浆施工受到多方面影响,若施工效果不良,导致带压换刀过程中漏气或许会引发开挖面失稳,甚至产生重大安全事故。为了解决此类问题,设计一种可监测盾构壁后注浆状态的监测系统,以便于准确掌握注浆效果,对保障盾构隧道施工安全具有重要意义。基于此,本专利技术提出一种基于gru神经网络的盾构壁后注浆状况的监测方法。
技术实现思路
1、为解决上述现有技术中的不足,本专利技术提供一种在盾构施工过程中基于gru神经网络的盾构壁后注浆状况的监测方法。
2、为实现上述技术目的,本专利技术采用的技术方案是:
3、一种基于gru神经网络的盾构壁后注浆状况的监测方法,包括如下步骤:
4、s1:试验装置的连接,进行管路与注浆模型筒的气密性测试;试验装置包括压力系统、注浆模型筒和数据收集及处理系统,压力系统通过气路管道连通注浆模型筒,数据收集及处理系统包括声学传感器、波导杆和处理器,声学传感器连接波导杆,声学传感器通信连接处理器;
6、s3:通过压力系统对注浆模型筒内加压,观察渗流过程,直至克泥效浆液充满砂土层;
7、s4:通过声学传感器监测由波导杆产生的信号,将监测信号传输至处理器进行提取处理后,代入gru模型进行训练;
8、s5:现场施工时,在土层内安装波导杆进行实时监测,实时监测数据经过处理后代入训练好的gru模型,实时导出注浆效果动态图;
9、s6:根据注浆效果动态图,综合考虑其他工程因素,确定注浆压力及注浆量。
10、优选的,所述压力系统包含一台可实现伺服的空压机,所述气路管道上设有调压阀。
11、进一步地,所述注浆模型筒包含由透明有机玻璃制作成的筒身,筒身上侧连接上法兰盘,筒身下侧连接下法兰盘,上法兰盘、下法兰盘与筒身连接缝隙由橡胶密封条填充,筒身内部沿径向设有固定透水隔板;筒身上部设有入口阀门、筒身下部固定透水隔板下方设有出口阀门;
12、声学传感器采集注浆模型筒内注浆过程中砂土颗粒与波导杆相互摩擦、碰撞产生的弯曲导波信号并传输给处理器,处理器将收集到的弯曲导波信号进行处理、转化、分析及保存。
13、优选的,所述乙二醇水溶液中乙二醇浓度为50%。
14、进一步地,在步骤s2中,装填注浆模型筒的方法为:
15、s21、打开上法兰盘,向注浆模型筒中倒入乙二醇水溶液至固定透水隔板位置;
16、s22、逐层装填从现场采集的砂土,每层砂土夯实、表面刮毛处理;
17、s23、在砂土层以上倒入足量的克泥效浆液,关闭上法兰盘,完成注浆模型筒的装填。
18、进一步地,在步骤s3中,对注浆模型筒内加压的步骤为:关闭注浆模型筒的入口阀门、出口阀门,调整调压阀至目标试验压力,接着打开入口阀门、出口阀门,由压力系统向注浆模型筒内充入压力。
19、进一步地,在步骤s4中,监测信号的提取处理方法为:将声学传感器捕捉的导波信号经过60db的放大器,提高信噪比,过滤背景噪声,再将电信号转换为数字信号,之后由处理器和信号分析软件处理数据。
20、进一步地,在步骤s5中,在土层内安装波导杆的方法为:在盾构管片上预留波导杆安装孔,当盾构机开挖后,每环管片安装完成后立即安装该环波导杆,每环以中心对称分布形式安装4个波导杆,每环管片安装完4个波导杆后开始注浆。
21、进一步地,所述其他工程因素包括地层的渗透性、周围地层的水土压力、掘进路线、浆体类型、管片强度和盾构类型。
22、进一步地,还包括步骤s7:注浆完成后,探测注浆范围,再导入gru模型进行校正学习;探测注浆范围采用物探法,通过探地雷达无损检测技术对盾构管片壁后1m厚度范围内的介质进行探测,识别注浆体的扩散范围信息,探测得到的数据再代入gru模型训练。
23、本专利技术的有益效果有:
24、本专利技术中的试验装置用于模拟浆液渗透地层过程,试验结果作为判断实际注浆效果的依据,将gru(门控循环单元)模型应用于盾构施工壁后注浆状况监测,采用波导监测技术监测注浆状况,巧妙的将砂土颗粒与波导杆相互摩擦、碰撞产生的导波信号与注浆状况联系起来,由于导波衰减小、传播距离远的特点,便于数据的采集处理及后续的分析,以得出更为准确的监测结果。采用gru模型,具有良好的长期记忆性能,同时可以抛弃那些可能会对当前输出产生误导的信息,加上参数少、训练速度快等特点,应用于盾构壁后注浆监测,能更准确、智能的帮助实时输出盾构壁后注浆状况。
本文档来自技高网...【技术保护点】
1.一种基于GRU神经网络的盾构壁后注浆状况的监测方法,其特征在于:包括如下步骤:
2.根据权利要求1所述的基于GRU神经网络的盾构壁后注浆状况的监测方法,其特征在于:所述压力系统包含一台可实现伺服的空压机,所述气路管道上设有调压阀。
3.根据权利要求2所述的基于GRU神经网络的盾构壁后注浆状况的监测方法,其特征在于:所述注浆模型筒包含由透明有机玻璃制作成的筒身,筒身上侧连接上法兰盘,筒身下侧连接下法兰盘,上法兰盘、下法兰盘与筒身连接缝隙由橡胶密封条填充,筒身内部沿径向设有固定透水隔板;筒身上部设有入口阀门、筒身下部固定透水隔板下方设有出口阀门;
4.根据权利要求1所述的基于GRU神经网络的盾构壁后注浆状况的监测方法,其特征在于:所述乙二醇水溶液中乙二醇浓度为50%。
5.根据权利要求3所述的基于GRU神经网络的盾构壁后注浆状况的监测方法,其特征在于:在步骤S2中,装填注浆模型筒的方法为:
6.根据权利要求3所述的基于GRU神经网络的盾构壁后注浆状况的监测方法,其特征在于:在步骤S3中,对注浆模型筒内加压的步骤为:关闭注
7.根据权利要求1所述的基于GRU神经网络的盾构壁后注浆状况的监测方法,其特征在于:在步骤S4中,监测信号的提取处理方法为:将声学传感器捕捉的导波信号经过60dB的放大器,提高信噪比,过滤背景噪声,再将电信号转换为数字信号,之后由处理器和信号分析软件处理数据。
8.根据权利要求1所述的基于GRU神经网络的盾构壁后注浆状况的监测方法,其特征在于:在步骤S5中,在土层内安装波导杆的方法为:在盾构管片上预留波导杆安装孔,当盾构机开挖后,每环管片安装完成后立即安装该环波导杆,每环以中心对称分布形式安装4个波导杆,每环管片安装完4个波导杆后开始注浆。
9.根据权利要求1所述的基于GRU神经网络的盾构壁后注浆状况的监测方法,其特征在于:所述其他工程因素包括地层的渗透性、周围地层的水土压力、掘进路线、浆体类型、管片强度和盾构类型。
10.根据权利要求1所述的基于GRU神经网络的盾构壁后注浆状况的监测方法,其特征在于:还包括步骤S7:注浆完成后,探测注浆范围,再导入GRU模型进行校正学习;探测注浆范围采用物探法,通过探地雷达无损检测技术对盾构管片壁后1m厚度范围内的介质进行探测,识别注浆体的扩散范围信息,探测得到的数据再代入GRU模型训练。
...【技术特征摘要】
1.一种基于gru神经网络的盾构壁后注浆状况的监测方法,其特征在于:包括如下步骤:
2.根据权利要求1所述的基于gru神经网络的盾构壁后注浆状况的监测方法,其特征在于:所述压力系统包含一台可实现伺服的空压机,所述气路管道上设有调压阀。
3.根据权利要求2所述的基于gru神经网络的盾构壁后注浆状况的监测方法,其特征在于:所述注浆模型筒包含由透明有机玻璃制作成的筒身,筒身上侧连接上法兰盘,筒身下侧连接下法兰盘,上法兰盘、下法兰盘与筒身连接缝隙由橡胶密封条填充,筒身内部沿径向设有固定透水隔板;筒身上部设有入口阀门、筒身下部固定透水隔板下方设有出口阀门;
4.根据权利要求1所述的基于gru神经网络的盾构壁后注浆状况的监测方法,其特征在于:所述乙二醇水溶液中乙二醇浓度为50%。
5.根据权利要求3所述的基于gru神经网络的盾构壁后注浆状况的监测方法,其特征在于:在步骤s2中,装填注浆模型筒的方法为:
6.根据权利要求3所述的基于gru神经网络的盾构壁后注浆状况的监测方法,其特征在于:在步骤s3中,对注浆模型筒内加压的步骤为:关闭注浆模型筒的入口阀门、出口阀门,调整调压阀至目标试验压力,接着打开入口阀门、出口阀门,由压力系统向注浆模型筒内...
【专利技术属性】
技术研发人员:姚义,张志强,杨树民,张康健,刘自明,陈豪,郭世荣,陈权,刘民,
申请(专利权)人:中铁二十二局集团有限公司,
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。