在超大直径隧道的开挖隧道掘进机(TBM)是不同于盾构隧道的正常尺寸,在超大TBM的控制系统非常复杂,难以操作。因此,它是非常重要的专注于重要的参数的控制和管理,以确保基坑稳定下的不确定性。在这篇文章中,我们(我)利用BIM-based大数据平台(BIM-BDP)来管理隧道工程的基本建设数据在数字格式;(2)采用全局灵敏度分析(SA)识别重要参数基于多项式混沌的盾构开挖扩张(PCE)扩展傅里叶振幅灵敏度测试(eFAST)模型;和(iii)采用不确定性分析(UA)发现BIM-BDP的重要参数的数据之间的相关性。这项研究有助于(i)的身体的知识提出一个更合适的研究方法,可以处理偶然的和认知的不确定性和支持不确定性和敏感性分析(UA / SA)过程基于数据从BIM-BDP和(2)实践的状态通过提供一个数据驱动的代理模型来模拟系统行为与高可靠性和减少盾构开挖对领域专家的依赖。在这里,我们密切关注最具影响力的需要优先级参数控制的参数,它可以帮助管理员在隧道开挖优化保护参数的管理。
隧道掘进机(TBM)是城市隧道开挖的主要工具由于其挖掘效率高、高安全、环境友好、高成本效益(
TBM的合理控制是一个复杂的过程,它是非常困难的严格分析互动结构参数之间的关系由于土壤和复杂的异构环境的不确定性。不确定性和敏感性分析(UA / SA),这有助于研究人员更好地理解每个参数的相对重要性(
本研究有助于(i)开发一个框架UA / SA调查建设之间的互动关系参数下系统的不确定性;(2)提出一代多项式混沌expansion-extended傅里叶振幅敏感性测试(PCE-eFAST) GSA模型精度高和可靠性;(3)探索合理的样本量PCE模型和调查的局限性eFAST方法来得到一个更令人信服的结果。
本文的其余部分组织如下。首先,超大直径盾构开挖的参数分析文献综述简要介绍。第二,部分
TBM对地质变化极其敏感,过分依赖运营商的经验(
TBM是一种非常复杂的和全面的设备和由不同的系统。尽管TBM可以提供数以百计的盾构机操作参数、TBM运营商仍有盾构隧道地质条件认识不足,目前机器状态和是否这样的盾构机操作状态对应于这样的地质条件。因此,仍有许多问题在TBM施工中盾构机的操作,比如如何评估岩石参数在实时根据设备参数和如何使用评价结果作为决策的基础和优化实现科学保护参数开挖稳定的控制和管理。
随机谱法(
PCE有许多优点超过其他代理模型(
SA的事实应该是一个基本组成部分的分析,包括评估和传播的不确定性是在[下划线
执行GSA的主要方法包括variance-based方法,回归方法和莫里斯筛查方法。在这些GSA方法中,variance-based方法限制输出分布。回归方法需要的知识形式的输入-输出关系。莫里斯筛选方法灵敏度的大小无法比较。只有variance-based方法可以探索整个空间的不确定输入(
GSA的常见类型是variance-based方法,运营的分配模型的输出为不同来源的方差变化的输入(
快速是基于偏差的方法,用于计算的主要敏感指数(MSI)通过扫描周期函数的参数空间,这样可以分析整个样本空间(
在目前的工作,MC方法用于评估每个输入误差对输出的影响(
TBM操作大大受地质条件影响和严重依赖运营商自身的主体性。外部环境变化,很难TBM感知岩土和保护机器的状态及时做出科学的判断来指导施工,导致工程事故的频繁发生在TBM隧道,如地面沉降和铣头损坏,从而造成巨大的经济损失。因此,它是必要的远程监视和控制不同类型和品牌盾构机收集施工信息指导施工。为了实现科学、高效的盾构隧道的施工管理,保护建设信息管理系统集成项目管理,数据分析,和建设决策支持尤为重要。
在这项研究中,一个UA / SA)方法,提出了在隧道挖掘的数据分析和决策。提高其预测精度,各种各样的传感器,包括盾构机和地层。此外,为了方便数据收集、处理、分析和表示,一个BIM-BDP发达。整个系统在结构上分为传感模块、存储模块、分析模块,显示模块,如图
TBM施工数据传感层需要收集相关实时信息TBM操作和主要控制参数。这个实时信息应该与盾构隧道施工的整个过程,类型和阶段。这个信息分为三类根据工程对象:盾构机(建筑设备),地质空间(地球层信息)和隧道结构(工程实体)。盾构机主要包括其整体几何信息,性能参数描述,每个子系统和关键施工参数的盾牌;隧道结构包括隧道线性设计,功能设计参数,部分环设计参数,和隧道形成质量参数;地质空间包括地质信息,如土壤参数、土壤分层和水文信息(如地下水位,头,渗漏)。这些信息中发挥着重要作用支持进度,质量,成本,以及盾构隧道工程的安全管理。信息分类和存储方法如图所示
存储的数据模块包括盾构机的实时数据,数据手册,和BIM三维模型数据。三种类型的数据存储在数据库服务器并建立一个与web服务器请求和响应的关系。web服务器然后建立请求的浏览器。浏览器发送一个请求到web服务器的HTTP访问云数据库格式。web服务器服务器接受请求后,请求被自动转换为SQL查询语句和传递给数据库服务器。在收到请求时,数据库服务器需要验证其合法性,执行数据处理,然后返回到web服务器的处理结构。web服务器,然后将获得的结果转换成HTML文档形式和通过浏览器显示一个友好的web页面。
分析模块的核心BIM-BDP,嵌入敏感性和不确定性分析的算法。UA / SA利用以前发达BIM-BDP收集SRHT的挖掘信息。无数的方法,基于确定性或统计的概念,提出了用于执行UA / SA。现有的大多数方法需要显式表达式(方程或函数)之间的输入和输出。量化不确定性估计PDF的常用方法(
数据显示模块是基于浏览器的显示和使用Silverlight插件开发交互式界面增加系统交互性。模块可以实现可视化的BIM及其相关文件,完整的网络可视化和实时的盾构机的关键参数。此外,该系统提供了多种数据分析工具来支持建设决策。除此之外,用户可以很容易地找到任何组件的建设时间和物质消费只有选择荡妇。例如,如果任何选择衬圈,施工时间和物质消费的戒指可以清点。通过查询历史数据和导出数据,开挖面稳定性分析和GSA可以基于数据的进一步发展。
为了更好的收集、传输、存储和使用这些数据,平台支持多用户访问和通过互联网远程登录监控,同时减少了对前端硬件和软件的依赖,和它的维护和升级简单。系统采用浏览器/服务器(B / S)结构和使用Java开发工具包(JDK)为开发平台,MyEclipse作为开发工具,Java编程语言,和SQL server 2008作为数据库。
全球计划描述所需的不同步骤的计算部分差异呈现在图 BIM-BDP数据的参数可以按照三类:盾构机、隧道结构和地质空间,包括超过900组的盾构施工参数以及30多个施工监控参数。然而,由于盾构机操作符的有限的注意力,是不可能同时监控所有这些参数。因此,一些重要的参数,显著影响盾构隧道的安全,是盾构施工的关键控制参数算子。
先前的研究[ 确定的范围和分布在GSA每个输入参数是重要研究[ PCE模型不确定性传播和GSA欢迎来确定输入的不确定性的影响在复杂的计算模型 我们使用一个三联体(Ω<我t一个lic>
F我t一个lic>,<我t一个lic>
P我t一个lic>)来表示一个完整的概率空间,样本空间Ω的集合所有可能的结果,<我t一个lic>
F我t一个lic>⊂2<年代up>Ω年代up>是<我t一个lic>
σ我t一个lic>代数的所有可测量的事件属于Ω,和<我t一个lic>
P我t一个lic>:<我t一个lic>
F我t一个lic>⟶[0,1]是一个概率测度表明每个事件的发生的可能性。让<我nline-formula>
系列数值计算的目的,通常是截断多项式秩序<我t一个lic>
p我t一个lic>与<我t一个lic>
N我t一个lic>条款<我nline-formula>
基于正交多项式的基础上,gPCE系数可以通过预测计算<我t一个lic>
μ我t一个lic>在每个基础使用内积: 一旦一个准确gPCE<我nline-formula>
方差<我nline-formula>
通过gPCE方法,我们可以量化的不确定性虽然感兴趣的数量<我nline-formula>
eFAST方差分解方法,它使用一个周期抽样法和傅里叶变换分区整个方差模型的输出和量化的程度变化每个输入因素占输出方差( 首先,为了更有效地使用模型的评估,一个转换函数在( 的傅里叶级数展开<我nline-formula>
傅里叶系数<我t一个lic>
U我t一个lic>
傅里叶频谱曲线的定义是<我nline-formula>
造成的方差模型的参数的输入的变化可以表示为参数的和1,2,3,…,<我nline-formula>
的总方差模型的输出<我t一个lic>
W我t一个lic>和方差的模型<我t一个lic>
W我t一个lic>
全球敏感性指数反映了输入项的总和,直接贡献率,与输入参数间接交互方差模型的输出。通过分解模型的输出方差,eFAST方法可以定量地获得每一个订单和全局灵敏度误差项。因此,eFAST方法不仅可以测试多个误差项的变化的影响在输入模型结果还分析变化的直接和间接影响仿真结果的每个输入项。
总灵敏度计算的具体方法如下。输入项<我t一个lic>
x我t一个lic>
总结了上述步骤的算法
本研究的数据来自于三阳路Highway-railway隧道(SRHT)。轨道交通7线SRHT项目位于武汉,中国,总长度约31.3公里。这条隧道是专为道路和地铁都使用和建造使用两个超大型(直径15.76米)煤泥水平衡盾构机。SRHT的项目,尤其是在复合地层在江中部分,开挖稳定性的控制是一个至关重要的问题。SRHT项目,BIM-based大数据平台(BIM-BDP)建立了施工监控的参数。
全球UA / SA旨在描述整个组可能的模型结果,与它们相关的频率发生的 代理gPCE描述建模方法的部分 图 参数GSA的目标是探索整个输入空间与一个合理的样本大小和识别敏感参数 参数灵敏度的排名eFAST MSI()的方法<我t一个lic>
年代我t一个lic>1,(b)的TSI<我t一个lic>
年代我t一个lic>1,MSI (c)<我t一个lic>
年代我t一个lic>2,(d) TSI的<我t一个lic>
年代我t一个lic>2。
关于<我t一个lic>
气泡室压力我t一个lic>(<我t一个lic>
年代我t一个lic>1),输入参数差异很大的msi和tsi当样本容量小于22528。最重要的参数,<我t一个lic>
推进速度我t一个lic>(<我t一个lic>
x我t一个lic>4),选择作为一个例子展示SA的结果。msi的<我t一个lic>
推进速度我t一个lic>0.356,0.263,0.347,0.301,0.303,0.287,和0.291,分别与样本量增加从704年到45056年;与此同时,tsi是0.401,0.303,0.411,0.347,0.338,0.324,和0.331,分别。MSI和TSI相比,输入参数排名几乎是相同的,只有在样本值为1408。
关于<我t一个lic>
偏差角我t一个lic>(<我t一个lic>
年代我t一个lic>2),输入参数差异很大的msi和tsi当样本容量小于11264。最重要的参数<我t一个lic>
开挖的实际体积我t一个lic>(<我t一个lic>
x我t一个lic>10)选择作为一个例子,msi的<我t一个lic>
开挖的实际体积我t一个lic>0.377,0.599,0.671,0.470,0.350,0.354,和0.353,分别与样本量增加从704年到45056年;与此同时,tsi是0.449,0.672,0.718,0.501,0.389,0.391,和0.388,分别。MSI和TSI相比,输入参数的排名都是相同的。因此,如果参数GSA的目标是只计算一个输入参数的排名,然后eFAST分析可以应用样本量22528排名产生可靠的结果。
从图 姐姐,最高的为输入参数等<我t一个lic>
推进速度我t一个lic>(<我t一个lic>
x我t一个lic>4)<我t一个lic>
年代我t一个lic>1或<我t一个lic>
开挖的实际体积我t一个lic>(<我t一个lic>
x我t一个lic>10)<我t一个lic>
年代我t一个lic>2,最后稳定的敏感性指数达到相当缓慢,和更大的波动。融合可以获得这种类型的参数条件下的一个大样本的大小。然而,这些不敏感参数更容易轻微波动,会出现与增加样本量。对于那些不敏感参数,SA可以快速获得收敛。这些结果是一致的的研究 图 全部结果的MSI和tsi所有10个输入参数的两个输出参数,根据22528年的样本大小:(一)MSI;TSI (b)。
为输出<我t一个lic>
气泡室压力我t一个lic>(<我t一个lic>
年代我t一个lic>1),<我t一个lic>
同步注浆压力我t一个lic>(<我t一个lic>
x我t一个lic>2),<我t一个lic>
推进速度我t一个lic>(<我t一个lic>
x我t一个lic>4),<我t一个lic>
铣刀旋转速度我t一个lic>(<我t一个lic>
x我t一个lic>6),<我t一个lic>
的比例摄入/放电泥浆我t一个lic>(<我t一个lic>
x我t一个lic>7),<我t一个lic>
机转矩我t一个lic>(<我t一个lic>
x我t一个lic>8),<我t一个lic>
土开挖体积我t一个lic>(<我t一个lic>
x我t一个lic>9)有影响力的参数根据msi,而<我t一个lic>
同步注浆压力我t一个lic>(<我t一个lic>
x我t一个lic>2),<我t一个lic>
推进速度我t一个lic>(<我t一个lic>
x我t一个lic>4),<我t一个lic>
土开挖体积我t一个lic>(<我t一个lic>
x我t一个lic>9)是根据tsi影响参数。最重要的参数<我t一个lic>
推进速度我t一个lic>(<我t一个lic>
x我t一个lic>4)达成MSI的0.292和0.331 TSI。下一个重要参数,<我t一个lic>
土开挖体积我t一个lic>(<我t一个lic>
x我t一个lic>9),到达一个MSI值0.258和0.313 TSI的价值。第三个重要的参数,<我t一个lic>
同步注浆压力我t一个lic>(<我t一个lic>
x我t一个lic>2),到达一个MSI值0.195和0.235 TSI的价值。除此之外,其他输入参数的msi和tsi远低于上述三个参数。
为输出<我t一个lic>
偏差角我t一个lic>(<我t一个lic>
年代我t一个lic>2),<我t一个lic>
最大推力我t一个lic>(<我t一个lic>
x我t一个lic>1),<我t一个lic>
同步注浆压力我t一个lic>(<我t一个lic>
x我t一个lic>2),<我t一个lic>
推进速度我t一个lic>(<我t一个lic>
x我t一个lic>4),<我t一个lic>
铣刀旋转速度我t一个lic>(<我t一个lic>
x我t一个lic>6),<我t一个lic>
机转矩我t一个lic>(<我t一个lic>
x我t一个lic>8),<我t一个lic>
土开挖体积我t一个lic>(<我t一个lic>
x我t一个lic>9),<我t一个lic>
开挖的实际体积我t一个lic>(<我t一个lic>
x我t一个lic>10)有影响力的参数根据msi,<我t一个lic>
铣刀旋转速度我t一个lic>(<我t一个lic>
x我t一个lic>6),<我t一个lic>
机转矩我t一个lic>(<我t一个lic>
x我t一个lic>8),<我t一个lic>
土开挖体积我t一个lic>(<我t一个lic>
x我t一个lic>9),<我t一个lic>
开挖的实际体积我t一个lic>(<我t一个lic>
x我t一个lic>根据tsi 10)是影响参数。最重要的参数<我t一个lic>
开挖的实际体积我t一个lic>(<我t一个lic>
x我t一个lic>10)达成MSI的0.353和0.388 TSI。下一个重要参数,<我t一个lic>
土开挖体积我t一个lic>(<我t一个lic>
x我t一个lic>9),到达一个MSI值0.299和0.380 TSI的价值。其他输入参数的msi和tsi远低于上述两个参数。
比较msi和tsi图 我们使用全球UA研究传播基本输入参数,输出参数的不确定性,并量化模型输出的信心从现有数据和参数估计。在这项研究中,我们描述了训练有素的元模型通过改变所有的元模型的输入因素在一定范围内。这个过程可以分为四个步骤:步骤1,定义随机分布的类型,包括β,物流,和拉普拉斯在当前的研究中;第二步,创建一个随机样本的输入基于所选择的分布和随机误差引入到模型的输入;步骤3,运行模型使用随机抽样作为输入;第四步,获得每个参数的误差获得95%置信区间。
正如上面提到的,输入参数的初始条件和特定的区域。接下来,lh方法用于生成输入分布的基础上,然后使用PCE-eFAST模型生成的输出。若干次迭代后,PCE-eFAST模型的不确定性将由提供模型的输出。
图 结果全球UA盾构机的固有参数在不同的模型输出基线场景:(a)平均气泡室压力环(<我t一个lic>
年代我t一个lic>1);每环(b)偏差角(<我t一个lic>
年代我t一个lic>2)。
本研究需要<我t一个lic>
年代我t一个lic>1(平均气泡室压力环)为例。图 比较single-deterministic-parameter CDF曲线和基线模型输出s1 CDF曲线(<我t一个lic>
每环平均气泡室压力我t一个lic>)。
BIM-BDP用于监测盾构隧道施工期间的参数和状态。BIM-BDP的数据库,包括BIM数据库,实时收集数据库,盾构隧道和手动填充数据库,支持管理和进一步分析。然后,我们执行GSA的盾构施工中控制参数BIM-BDP SRHT数据,在高不确定性。我们使用eFAST已被证实是最可靠和有效的GSA方法(
根据先前的研究[ 的pcc BIM-BDP样本数据,lh, eFAST方法。左下角的网格细胞的颜色代表了pcc,右上角和数字代表他们的特定的值:(a) pcc的样本BIM-DMSCC系统;(b) pcc lh样本;(c) pcc eFAST样本的方法。
为了阐明eFAST抽样技术的方法,所选样品的平行坐标图如图 平行坐标图BIM-BDP样本数据,lh,和eFAST法:(一)BIM-BDP样本;(b) BIM-BDP样本<我t一个lic>
x我t一个lic>4从0.2到0.3不等;lh (c)样本;(d)样本lh<我t一个lic>
x我t一个lic>4从0.2到0.3不等;(e)样本eFAST方法;(f)样本eFAST方法<我t一个lic>
x我t一个lic>4从0.2到0.3不等。如果参数行<我t一个lic>
x我t一个lic>4从0.2到0.3不等覆盖整个范围的一个参数,例如,行<我t一个lic>
x我t一个lic>9 (f),相关系数低。例如,如果他们集中在一个附属的区域<我t一个lic>
x我t一个lic>9 (b)和(d),相关系数高。
的样品<我t一个lic>
x我t一个lic>4从0.2到0.3不等提取整个范围。图 在一般情况下,模型的计算执行时间是当执行eFAST方法(主要关心的问题
是很重要的控制和调整盾构开挖稳定性参数,尤其是SRHT项目,需要跨越1365米在江中部分摘要复合地层。摘要BIM技术利用的重要管理项目数据在盾构开挖SRHT项目数字格式,然后GSA框架采用调查从BIM-BDP参数之间的相关性,可以帮助管理员屏蔽参数的优化管理方案在隧道开挖。
SA可以帮助管理员识别参数的重要性,它可以减少项目的认知不确定性在隧道开挖安全。此外,SA帮助管理员确定什么类型的附加信息的参数应该聚集来提高项目的安全性和可靠性。为输出<我t一个lic> 年代我t一个lic>1,<我t一个lic> x我t一个lic>2,<我t一个lic> x我t一个lic>4,<我t一个lic> x我t一个lic>6,<我t一个lic> x我t一个lic>7,<我t一个lic> x我t一个lic>8日,<我t一个lic> x我t一个lic>9有影响力的参数根据msi,<我t一个lic> x我t一个lic>2,<我t一个lic> x我t一个lic>4,<我t一个lic> x我t一个lic>9根据tsi影响参数。最重要的参数<我t一个lic> x我t一个lic>4到达一个MSI的0.292和0.331 TSI。下一个重要参数,<我t一个lic> x我t一个lic>9日到达MSI值的0.258和0.313 TSI值。第三个重要的参数,<我t一个lic> x我t一个lic>2,到达一个MSI值0.195和0.235 TSI的价值。除此之外,其他输入参数的msi和tsi远低于上述三个参数。为输出<我t一个lic> 年代我t一个lic>2,<我t一个lic> x我t一个lic>1,<我t一个lic> x我t一个lic>2,<我t一个lic> x我t一个lic>4,<我t一个lic> x我t一个lic>6,<我t一个lic> x我t一个lic>8日,<我t一个lic> x我t一个lic>9日,<我t一个lic> x我t一个lic>10有影响力的参数根据msi,而<我t一个lic> x我t一个lic>6,<我t一个lic> x我t一个lic>8日,<我t一个lic> x我t一个lic>9日,<我t一个lic> x我t一个lic>10根据tsi影响参数。最重要的参数<我t一个lic> x我t一个lic>10达成MSI的0.353和0.388 TSI。下一个重要参数,<我t一个lic> x我t一个lic>9日到达MSI值的0.299和0.380 TSI值。除此之外,其他输入参数的msi和tsi远低于上述两个参数。
的GSA BIM-BDP可以确定量化保护参数之间的相关性。然后,决策者可以在盾构推进评估参数调整策略。这些发现的一般价值,可以外推到其他类似项目在高不确定性。在未来一些后续研究可以调查。只有十输入参数被认为是在这个研究。然而,有必要研究更多的盾构机控制参数,促进建立更有效的模型和更有效地实现特定的目标。更复杂的和有效的混合模型可以更准确地预测研究开挖的稳定性和优化施工方案。此外,积累更多的数据,建模精度将大大提高。未来的工作可以专注于如何减少系统不确定性的GSA技术以及如何扩大应用范围。这将降低系统的不确定性,通过GSA技术扩大其应用范围。
样本空间
的<我t一个lic> σ我t一个lic>代数的所有可测量的事件属于Ω
概率测度显示每个事件的发生的可能性
一组不相关的随机变量,代表系统中的不确定性
gPCE系数
期望
Wiener-Hermite多项式混沌
正整数
概率分布密度
权重
多项式阶
欧氏距离
方差
输入参数
特征频率的输入参数
自变量为所有输入参数
之间的一个随机相位(0,2<我t一个lic> π我t一个lic>]
4或6
序列的最大值<我nline-formula>
整数
傅里叶系数
傅里叶频谱曲线
造成的方差模型的输入参数的变化
的总方差模型
一阶灵敏度指数
的总灵敏度输入项
确定系数
在模型中解释变量的总数
验证样本的数量
的观测值
代理模型预测的价值
观测值的平均值
实数集
不确定性和敏感性分析
隧道掘进机
建筑信息建模
三阳路Highway-Railway隧道
全局灵敏度分析
主要敏感性指数
总敏感性指数
广义多项式混沌扩张
扩展傅里叶振幅敏感性测试
概率分布函数
累积分布函数
皮尔森相关系数
拉丁超立方体抽样。
超大隧道掘进机的数据生成的用于支持本研究的发现没有提供,因为保密协议的研究团队与业主和承包商签署。
作者宣称没有利益冲突。
这项研究是由中国国家自然科学基金(没有。71732001)和中国中部大学的基础研究基金(批准号2018 kfyyxjj005)。此外,金融赞助和现场协调工作在这个具有里程碑意义的项目从武汉地铁集团有限公司有限公司和上海隧道工程有限公司真诚地承认。