力学隧道结构参数分析

本文作者：李 讯 何 川 张 政 汪 波 单位：西南交通大学 地下工程系

近年来随着计算机技术的发展，仿真计算越来越多地应用于地下工程的分析中，隧道施工力学的研究取得了长足的进步［1-3］。在数值模拟中首先面临的问题就是围岩参数的取值，较为准确的围岩物理力学参数是获得正确计算结果的前提条件。然而，隧道围岩具有特殊性，如材料的非均匀性、各向异性以及本构关系的非线性等复杂因素给计算分析带来诸多的不便。从数值模拟的实践上看，由于宏观尺度以及围岩复杂性的影响，采用室内试验的岩土体物理力学参数的计算结果也常常与现场监控值相差甚远。因此，结合施工现场资料，采取“反演—正算”的方法，成为解决这一难题的主要途径［4-5］。即:根据隧道的前期监控数据，反分析围岩的物理力学参数，再将反演结果作为数值模拟依据，“正算”隧道的受力情况。目前严格的反演计算方法理论要求高，掌握起来比较困难，而且需要施工进行相当长的时间，积累较多的监控数据才能进行反分析计算，这使后续正算失去了意义。本文以重庆巫奉高速摩天岭隧道为依托，根据隧道施工监控量测数据，结合正交试验和数值模拟，采用BP神经网络，反演了围岩物理力学参数。最后根据反分析得到的力学参数分析了隧道结构的受力，为现场施工与设计提供参考。

1工程概况与计算思路

摩天岭隧道位于杭(州)兰(州)高速公路重庆巫山至奉节段，为一座上、下行分离的四车道公路隧道。隧道左洞长7280m，右洞长7353m，最大埋深达897m，是西部地区在建的第一长隧道，属典型特长深大隧道。隧道位于重庆市东部，地貌形态受地质构造、岩性控制明显。隧址区内主要不良地质现象为岩溶，主要工程地质问题有断层、软质岩、软弱夹层和地压围岩变形等。隧址区以易溶强溶碳酸盐为主，岩溶较发育。岩溶在地表表现形态多为溶隙、石芽、溶沟，落水洞、岩溶洼地、岩溶漏斗、岩溶槽谷，组成岩区地貌景观。岩溶在地下表现形态主要为溶隙、溶孔、溶洞和地下暗河。隧址区岩石按等级划分为软质岩石和硬质岩石，按围岩分级有Ⅱ，Ⅲ，Ⅳ，Ⅴ级。其中Ⅱ级围岩约占隧道总长度的63.03%，Ⅲ级围岩约占隧道总长度的8.71%，Ⅳ级围岩约占隧道总长度的17.89%，Ⅴ级围岩约占隧道总长度的10.2%。鉴于摩天岭隧道所处的复杂地质环境，研究隧道围岩位移变形与支护结构受力特性，验证设计的合理性很有必要。计算思路如下:1)根据正交试验方法，设计计算工况。通过数值模拟计算结果获得神经网络的训练样本。2)选择合适的神经网络结构，建立网络模型，输入训练样本(位移作为输入值，力学参数作为输出值)对神经网络进行训练。3)将现场实测数据输入训练好的神经网络，得到反演的输出围岩物理力学参数。4)将反演得到的力学参数作为有限元数值模拟“正算”时的模型参数，得到本段隧道结构的受力特征。

2正交数值试验

2.1试验设计正交试验设计是研究多因素多水平的一种设计方法，它是根据正交性从全面试验中挑选出部分有代表性的点进行试验。正交试验选择的水平组合列成表格，称为正交表。采用正交设计能大幅减少数值试验的次数而不降低试验的可信性。正交表的设计主要需要考虑反演参数选择以及参数的区间和水平划分。由于本次反演的隧道地段为Ⅳ级围岩，围岩可能发生塑性变形，因此将围岩弹性模量E，泊松比μ，黏聚力c以及内摩擦角作为试验因素，各参数水平划分见表1。

2.2数值计算根据隧道横纵断面图与现场监测实际情况，选择位于ZK48+760，埋深220m的Ⅳ级围岩典型断面作为计算断面。数值计算模型如图1所示。考虑隧道开挖的影响范围及“边界效应”［6］，下边界施加竖向约束;左、右边界施加水平约束。根据隧道特点，采用平面应变分析，隧道围岩材料特性按均质弹塑性考虑，采用Druck-Prager屈服准则，围岩和二衬采用二维平面单元(Plane42)，初期支护喷混凝土采用梁单元(Beam3)，锚杆采用杆单元(Link)。计算工况:按照表2给出的围岩材料参数水平组合进行16次模拟计算。数值试验结果见表3。从计算结果可以看出，虽然力学参数都是在规范规定的Ⅳ级围岩取值范围，但位移量值上差别较大。拱顶下沉最大值是最小值的6倍以上，而洞周收敛最大值达到最小值的15倍，这进一步证明了采用准确的围岩物理力学参数的重要性。3力学参数反演隧道围岩力学参数反演是一个多目标非线性优化问题，主要的反演方法有最小二乘法、遗传算法、神经网络法等［7］。BP神经网络又称误差反向传播多层前馈神经网络，广泛应用于隧道围岩分类和稳定性评价等领域。BP神经网络的学习过程由正向传播和反向传播两个过程组成，利用BP神经网络反演围岩力学参数的过程为:首先根据网络当前的内部表达，对样本输入模式作前向计算，然后比较网络的输出(即经神经网络计算得出的围岩参数)与期望输出(即样本中的围岩参数)之间的误差，若误差小于某规定值，则训练结束。否则将误差信号按原有的通路反向传播，逐层调整权值和阀值。如此向前计算和反向传播循环，直至误差达到精度要求。网络一旦训练结束，其连接权值和节点阀值便不再变化，此时如给网络新的输入(即现场监测的位移)，网络只需经前向计算即能得到相应的输出(即反演出的围岩参数)，一个典型的三层前馈BP网络的拓扑结构如图2所示［8］。本案例中有2个输入参数(拱顶下沉与周边收敛)、4个输出参数(模量E，泊松比μ，黏聚力c以及内摩擦角)，取表3中数值试验编号1～15作为训练神经网络的输入输出样本数据，编号16作为测试数据测试BP神经网络拟合性能。经多次试算，最后构建的BP神经网络的结构为2-13-4，收敛曲线见图3。从表4测试数据的反演参数与数值计算参数的对比可以看出，经训练后神经网络拟合性能良好，误差较小，因此，将现场实测位移(拱顶下沉8.72mm，周边收敛6.63mm)输入训练好的神经网络，输出的物理力学参数见表5。

4结构受力分析

将表5中BP神经网络反演得到的物理力学参数作为数值模拟参数代入计算模型中计算，围岩位移结果如图4。可见，隧道拱顶下沉为8.38mm，周边收敛为7.58mm，计算结果与现场监控值相差甚小，不到1mm，这说明反演之后获得的计算参数较好体现了本段隧道围岩的非线性特征，数值计算结果能正确地反映隧道的实际受力状况。隧道结构受力如图5所示。衬砌边墙所受轴力较大，拱部和仰拱轴力较小，轴力最大值为1000kN;弯矩较大值位于墙脚和仰拱处，最大负弯矩为－13.4kN•m，最大正弯矩为14.4kN•m;锚杆所受拉力量值从拱顶向拱脚逐渐减小，其最大值为21.4kN;衬砌边墙的安全系数最小值为4.2。从受力情况可以看出，衬砌为受压控制，并处于安全状态，设计合理。

5结论

1)准确的围岩物理力学参数是数值模拟结果的前提条件，在规范规定的同种围岩级别参数范围内取值得到的结果也相差很大。2)采用正交数值模拟试验、现场监控量测与BP神经网络结合的手段能较准确地反演隧道的物理力学参数，计算结果能正确地反映隧道的实际受力状况。3)摩天岭隧道Ⅳ围岩段衬砌为受压控制，支护结构处于安全状态，原设计合理。