一种适用于层状软岩的智能注浆感知锚杆控制方法及系统

摘要: 本发明属于智能控制领域,特别是涉及一种适用于层状软岩的智能注浆感知锚杆控制方法及系统。背景技术:1、随着隧道工程与地下空间开发技术的快速发展,出现了针对层状软岩...
一种适用于层状软岩的智能注浆感知锚杆控制方法及系统

本发明属于智能控制领域,特别是涉及一种适用于层状软岩的智能注浆感知锚杆控制方法及系统。

背景技术:

1、随着隧道工程与地下空间开发技术的快速发展,出现了针对层状软岩体的锚杆注浆支护技术,该技术利用中空注浆锚杆或预应力锚杆向钻孔内注入浆液,使锚杆与岩体粘结为一体,从而起到加固围岩的作用,具有施工简便、成本相对较低的优点,进而引出目前普遍采用的经验性注浆方式或传统方法。

2、传统技术中,通常依靠预先设计的固定注浆参数进行全长式或分段式压力注浆,浆液沿阻力最小的路径自由流动,施工人员无法实时掌握围岩内部的应力分布与杆体受力状态,支护效果的评估主要依赖后期表面位移监测或人工经验判断,缺乏施工过程中的有效感知与反馈。

3、目前的经验性注浆方式或传统方法,存在盲目性高、被动性强、无反馈闭环的问题,具体表现为:锚杆安装前后无法感知围岩薄弱面的具体位置与偏压荷载的严重程度,注浆过程无法将浆液精准输送至关键薄弱区域,导致加固效果不佳、材料浪费,且注浆后无法定量评估支护效果,施工方案不能根据围岩实际响应动态调整,工程安全性与经济性均存在较大不确定性。

技术实现思路

1、基于此,有必要针对上述技术问题,提供一种能够实时掌握围岩内部的应力分布和变形情况,提升加固效果和材料利用率,抑制偏压效应的适用于层状软岩的智能注浆感知锚杆控制方法及系统。

2、第一方面,本技术提供了一种适用于层状软岩的智能注浆感知锚杆控制方法,包括:

3、获取锚杆上各测点的径向应力值和轴向应变值,得到原始传感数据矩阵,并基于生成对抗填补网络,对原始传感数据矩阵进行缺失值填补,得到传感数据矩阵;

4、基于传感数据矩阵,通过无监督聚类算法进行聚类分析,得到岩体状态分类图;其中,岩体状态分类图中包括高风险薄弱区、稳定过渡区和高应力承载区;

5、基于岩体状态分类图和传感数据矩阵,计算得到各测点的优先级分数,并基于优先级分数,进行注浆优先级决策,得到注浆优先级控制指令;其中,注浆优先级控制指令用于指示锚杆执行注浆动作,并反馈注浆后传感数据;

6、基于注浆后传感数据,进行注浆效果评估,得到评估结论;其中,评估结论用于指示进行下一轮注浆。

7、进一步地,基于生成对抗填补网络,对原始传感数据矩阵进行缺失值填补,得到传感数据矩阵,包括:

8、遍历原始传感数据矩阵,将数值为空或数值超过预设物理范围的元素对应的掩码矩阵位置标记为待填充,得到缺失值掩码矩阵;

9、将原始传感数据矩阵和缺失值掩膜矩阵输入到生成对抗填补网络的生成器中,进行缺失值生成,得到对抗生成数据矩阵;

10、基于缺失值掩码矩阵,对原始传感数据矩阵进行缺失位置特征提取,得到缺失特征;

11、将缺失特征输入到随机森林模型中,进行缺失值预测,得到随机森林填补数据矩阵;

12、基于缺失值掩膜矩阵,对原始传感数据矩阵、对抗生成数据矩阵和随机森林填补数据矩阵进行加权求和,得到传感数据矩阵。

13、进一步地,生成对抗填补网络是通过以下方法训练的:

14、基于历史完整传感数据,随机生成训练缺失掩膜矩阵,并基于训练缺失掩膜矩阵,对历史完整传感数据进行真实值替换,得到缺失样本矩阵;

15、基于缺失样本矩阵和训练缺失掩膜矩阵,构建得到提示矩阵,并基于提示矩阵、缺失样本矩阵、训练缺失掩膜矩阵和历史完整传感数据,通过迭代训练步骤,对生成器和判别器进行迭代训练,直到损失值收敛,得到生成对抗填补网络;

16、其中,迭代训练步骤包括:

17、s1:将缺失样本矩阵和训练缺失掩膜矩阵输入到生成器中,进行填补数据生成,得到生成数据矩阵;

18、s2:将提示矩阵和历史完整传感数据拼接为正样本,将生成数据矩阵和提示矩阵拼接为负样本,基于二元交叉熵损失,对判别器进行训练,得到更新后判别器;

19、s3:将生成数据矩阵和提示矩阵输入到更新后判别器中,进行原始观测值预测,得到预测概率,并基于预测概率,以生成器损失值最小为目标,训练生成器,得到更新后生成器。

20、进一步地,基于预测概率,以生成器损失值最小为目标,训练生成器,得到更新后生成器,包括:

21、生成器损失值的计算公式为:

22、;

23、其中,为生成器损失函数,为生成器对抗损失,为权衡函数,为生成器重建损失。

24、进一步地,基于传感数据矩阵,通过无监督聚类算法进行聚类分析,得到岩体状态分类图,包括:

25、遍历传感数据矩阵,提取各测点的空间坐标、径向应力值和轴向应变值,拼接得到特征数据集;

26、基于特征数据集,通过k-means++算法进行聚类中心初始化,得到各初始聚类中心;

27、基于特征数据集中各测点到各初始聚类中心的欧氏距离,将各测点分配到各初始聚类中心中,得到类别标签列表;

28、基于类别标签列表,对特征数据集进行聚类中心更新,得到更新聚类中心,并基于更新聚类中心和初始聚类中心的欧氏距离,进行收敛性检查,得到收敛标志;

29、基于收敛标志,对更新聚类中心进行岩体状态分类,得到分类标签,并基于空间坐标,将各测点划分到分类标签中,得到岩体状态分类图。

30、进一步地,基于注浆后传感数据,进行注浆效果评估,得到评估结论,包括:

31、从注浆后传感数据中提取各土压力盒测点的径向应力值,并计算径向应力值的标准差,得到压力均衡度值;

32、从注浆后传感数据中提取各光纤光栅应变传感器测点的轴向应变值,并基于轴向应变值,进行线性回归计算,得到应变稳定率值;

33、将压力均衡度值和应变稳定率值分别和预设的稳定阈值进行比对,得到评估结论。

34、进一步地,基于岩体状态分类图和传感数据矩阵,计算得到各测点的优先级分数,包括:

35、优先级分数的计算公式为:

36、;

37、其中,为第根锚杆上第个测点的优先级分数,为第根锚杆上第个测点的径向应力值的归一化分数,为第根锚杆上第个测点的轴向应变值的归一化分数,为第根锚杆上第个测点的风险聚类结果的归一化分数,、和为权重系数。

38、第二方面,本技术还提供了一种适用于层状软岩的智能注浆感知锚杆控制系统,包括:

39、填补模块,用于获取锚杆上各测点的径向应力值和轴向应变值,得到原始传感数据矩阵,并基于生成对抗填补网络,对原始传感数据矩阵进行缺失值填补,得到传感数据矩阵;

40、聚类模块,用于基于传感数据矩阵,通过无监督聚类算法进行聚类分析,得到岩体状态分类图;其中,岩体状态分类图中包括高风险薄弱区、稳定过渡区和高应力承载区;

41、决策模块,用于基于岩体状态分类图和传感数据矩阵,计算得到各测点的优先级分数,并基于优先级分数,进行注浆优先级决策,得到注浆优先级控制指令;其中,注浆优先级控制指令用于指示锚杆执行注浆动作,并反馈注浆后传感数据;

42、评估模块,用于基于注浆后传感数据,进行注浆效果评估,得到评估结论;其中,评估结论用于指示进行下一轮注浆。

43、第三方面,本技术还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如本技术第一方面所提供方法的任一步骤。

44、第四方面,本技术还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如本技术第一方面所提供方法的任一步骤。

45、上述适用于层状软岩的智能注浆感知锚杆控制方法及系统,获取锚杆上各测点的径向应力值和轴向应变值,得到原始传感数据矩阵,并基于生成对抗填补网络,对原始传感数据矩阵进行缺失值填补,得到传感数据矩阵;基于传感数据矩阵,通过无监督聚类算法进行聚类分析,得到岩体状态分类图;其中,岩体状态分类图中包括高风险薄弱区、稳定过渡区和高应力承载区;基于岩体状态分类图和传感数据矩阵,计算得到各测点的优先级分数,并基于优先级分数,进行注浆优先级决策,得到注浆优先级控制指令;其中,注浆优先级控制指令用于指示锚杆执行注浆动作,并反馈注浆后传感数据;基于注浆后传感数据,进行注浆效果评估,得到评估结论;其中,评估结论用于指示进行下一轮注浆。能够实时掌握围岩内部的应力分布和变形情况,获知层理薄弱面的具体位置和偏压荷载的严重程度;浆液资源能够精准输送至最需要加固的关键薄弱区域,极大提升了加固效果和材料利用率,有效抑制了偏压效应,经济性显著提高;使支护系统具备自我优化能力,提升工程安全性和可靠性。