【技术实现步骤摘要】
一种隧道施工孪生体几何形变智能预测方法及其系统，用于隧道施工孪生体几何形变智能预测，属于隧道数字孪生。
技术介绍
1、隧道作为交通建设的一个重要组成部分，能够跨越山岭，极大程度地降低建造里程，同时也使得复杂艰险山区隧道占比较大，在施工质量和安全管控方面需要提出较高的要求。隧道施工常受复杂地质条件的作用，极易发生结构变形，影响其稳定性。因此，通过对隧道几何形变状态的监控与评估，为隧道施工风险管控、施工方案调整与管理决策提供依据和指导，对保证隧道工程质量有着至关重要的作用。
2、目前，常用的隧道几何形变预测的研究包括人工观察、数理统计和有限元分析。这些方法可以建立隧道模型，分析轮廓变形特征，实现结构位移、变形及外界环境的监测，能在一定范围内提供合理的预测结果。但同时存在预测效率低、处理时序长、协同分析能力差等问题，在处理大型复杂隧道工程中的结构交互和非线性行为时，效果有限。
3、数字孪生是实现虚实空间交互的先进技术，旨在跨越产品或系统的生命周期，以模拟、收集信息并创建反馈回路，形成对物理实体有效地监控、模拟、预测、诊断与决策，为建造过程的智能管控提供精确的引导。通过数字孪生的手段监测铁路施工过程中的形变情况，能够及时获得反馈，有效提高管理标准和全生命周期应用管理，为铁路建设的安全高效开展保驾护航。
4、因此，现有技术在进行铁路工程孪生体的形变诊断时，存在以下技术难点：
5、1.隧道施工环境复杂多变，造成无法厘清隧道几何变形因素，从而无法对隧道开挖轮廓形变进行精确预测，
6、
7、3.所采用的预测输入数据及预测模型无法实现隧道开挖轮廓形变进行准备预测。
技术实现思路
1、本专利技术的目的在于提供一种隧道施工孪生体几何形变智能预测方法及其系统，解决隧道施工环境复杂多变，造成无法厘清隧道几何变形内部变化因素，从而无法对隧道开挖轮廓形变进行精确预测的问题。
2、为了实现上述目的，本专利技术采用的技术方案为：
3、一种隧道施工孪生体几何形变智能预测方法，包括如下步骤：
4、步骤1、基于隧道开挖施工工序进行隧道开挖轮廓几何形变的语义特征提取，并构建隧道开挖轮廓几何形变特征的关联关系模型；
5、步骤2、基于关联关系模型提取形变因素，并采用灰色关联度模型对形变因素进行灰色关联度分析，得到隧道开挖轮廓几何形变的关键因素；
6、步骤3、基于关键因素和开挖轮廓形变量获取变形特征数据组织模型，并采用隧道开挖轮廓几何形变预测神经网络模型预测隧道开挖轮廓形变信息。
7、进一步，所述步骤1的具体步骤为：
8、步骤1.1、隧道开挖施工工序人为分解为超前支护、爆破开挖、初期支护和二衬施工四个阶段的施工工序，其中，隧道开挖施工工序为爆破法施工工序；
9、步骤1.2、基于分解出的各施工工序提取隧道开挖轮廓几何形变的语义特征，其中，超前支护阶段的语义特征包括管棚、超前锚杆、小导管的材料、长度、直径和密度，爆破开挖阶段的语义特征包括炮眼的种类、位置、数量、大小，围岩的种类和外差角的大小，初期支护阶段的语义特征包括锚杆、喷射混凝土、钢筋网的尺寸、材料、位置和密度，二衬施工阶段的语义特征包括拱架的尺寸、材料密度和混凝土的材料；
10、步骤1.3、基于基础数据人为厘清隧道开挖轮廓几何形变过程中的相互作用关系，建立不同施工工序内部和不同施工工序之间两两语义特征以及各语义特征与形变因素之间的层次关系、属性关系和语义关系，即构建得到隧道开挖轮廓几何形变特征的关联关系模型，其中，基础数据包括标准规范、地质资料和文献基础。
11、进一步，所述步骤2的具体步骤为：
12、步骤2.1、基于关联关系模型进行形变机理分析提取隧道开挖施工中参与开挖轮廓形变过程的形变因素，构成形变因素集，其中，形变因素包括开挖环境因素、形变过程因素和形变风险因素，其中，形变机理分析是指对形变因素之间的相关性分析、回归分析或者图数据推理；
13、步骤2.2、采用灰色关联度模型计算形变因素集中各形变因素的权重，具体为：
14、令隧道开挖轮廓形变的参考序列为：
15、x0＝[x0(k)|k＝1,2,…,n] (1)
16、形变因素集中各形变因素的比较序列为：
17、xi＝[xi(k)|k＝1,2,…,n] (2)
18、式中，i＝1,2,3,…,m，m表示形变因素总数，n为每个参考序列或比较序列所包含的时间序列数，i表示第i个形变因素，xi表示第i个形变因素的比较序列，k表示第i个形变因素中的第k个时间点,xi(k)表示第i个形变因素的比较序列，x0(k)表示第k个时间点的参考序列；
19、采用均值法对参考序列和各形变因素的比较序列进行无量纲化处理，公式为：
20、
21、
22、式中，x′0(k)表示参考序列均值化结果，表示参考序列的平均值，x′i(k)为第i个形变因素的比较序列均值化结果，为第i个形变因素的比较序列的平均值；
23、计算均值化后比较序列和参考序列的绝对差，得到差序列δxi(k)：
24、δxi(k)＝|x′0(k)-x′i(k)| (5)
25、基于差序列，得到x0与xi的灰色关联系数为：
26、
27、式中，miniminkδxi(k)表示所有差序列的绝对差值最小值，maximaxkδxi(k)表示所有差序列的绝对差值最大值，ρ表示分辨系数；
28、将各个时刻的灰色关联系数集中为一个值，即求m个灰色关联系数的平均值，作为各形变因素的比较序列与参考序列间关联程度量化的表示，公式为：
29、
30、式中，γ0i表示第i个形变因素的比较序列对参考数列的灰色关联度；
31、基于各灰色关联值确定灰色关联值分布的最小值和最大值区间为[min(γ),max(γ)]，确定后，将其平均划分为9个子区间，并按灰色关联度从大到小的顺序赋予指标重要性指数，其中，关联度最高的子区间的指标重要性指数到关联度最低的子区间的指标重要性指数分别为1-9；
32、根据指标重要性指数，构建判断矩阵b，判断矩阵b的元素bij表示第i个形变因素相对于第j个形变因素的指标重要性指数比值，若ii<ij，若ii>ij，其中，ij表示第j个形变因素的指标重要性指数，ii表示第i个形变因素的指标重要性指数；
33、计算判断矩阵b的最大特征值λmax和其对应的特征向量w＝[w1,w2,wi…,wn]t，得到的特征向量元素wi即为指标重要性指数ii所对应的形变因素i的权重；...
【技术保护点】
1.一种隧道施工孪生体几何形变智能预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种隧道施工孪生体几何形变智能预测方法，其特征在于：所述步骤1的具体步骤为：
3.根据权利要求2所述的一种隧道施工孪生体几何形变智能预测方法，其特征在于：所述步骤2的具体步骤为：
4.根据权利要求3所述的一种隧道施工孪生体几何形变智能预测方法，其特征在于：所述步骤3的具体步骤为：
5.根据权利要求4所述的一种隧道施工孪生体几何形变智能预测方法，其特征在于：所述步骤3.2的具体步骤为：
6.一种隧道施工孪生体几何形变智能预测系统，其特征在于，包括：
7.根据权利要求6所述的一种隧道施工孪生体几何形变智能预测系统，其特征在于：所述关联关系模型构建模块的具体实现步骤为：
8.根据权利要求7所述的一种隧道施工孪生体几何形变智能预测系统，其特征在于：所述关键因素获取模块的具体实现步骤为：
9.根据权利要求8所述的一种隧道施工孪生体几何形变智能预测系统，其特征在于：所述隧道开挖轮廓形变信息预测模块的具体
10.根据权利要求9所述的一种隧道施工孪生体几何形变智能预测系统，其特征在于：所述步骤3.2的具体步骤为：
...【技术特征摘要】
1.一种隧道施工孪生体几何形变智能预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种隧道施工孪生体几何形变智能预测方法，其特征在于：所述步骤1的具体步骤为：
3.根据权利要求2所述的一种隧道施工孪生体几何形变智能预测方法，其特征在于：所述步骤2的具体步骤为：
4.根据权利要求3所述的一种隧道施工孪生体几何形变智能预测方法，其特征在于：所述步骤3的具体步骤为：
5.根据权利要求4所述的一种隧道施工孪生体几何形变智能预测方法，其特征在于：所述步骤3.2的具体步骤为：
6.一种隧道施工孪生...
【专利技术属性】
技术研发人员：朱军，卢文龙，胡亚，赖建波，高强，孙阳，卢静怡，刘伟，
申请(专利权)人：西南交通大学，
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。