一种基于人工智能的边坡临界滑动面搜索方法与流程
本发明属于边坡检测,具体涉及一种基于人工智能的边坡临界滑动面搜索方法。
背景技术:
1、边坡稳定性分析是岩土工程的核心问题之一,其中最关键的任务是确定边坡的临界滑动面(即安全系数最小的潜在滑动面)及其对应的最小安全系数。目前,临界滑动面搜索方法主要分为两大类:
2、1.启发式搜索方法
3、这类方法不需要目标函数对自变量的梯度信息,通过模拟自然界的进化、群体行为等机制进行全局搜索。典型代表有:遗传算法、粒子群优化算法、模拟退火算法等。这类方法的优点在于全局搜索能力强,理论上可以找到全局最优解;但其缺点是计算效率低,为保证搜索的全局性,通常需要试算成千上万个滑动面,计算非常耗时,难以应用于大规模工程或实时分析场景。
4、2.确定性搜索方法
5、这类方法基于目标函数对自变量的梯度(或数值近似梯度),沿着安全系数函数的负梯度方向逐步迭代搜索局部极小值。典型代表有:最速下降法、dfp法、牛顿法等。这类方法的优点是收敛速度快,搜索效率高;但其缺点是易于陷入局部极值点,即搜索结果严重依赖初始滑动面的选择,无法保证找到全局最小安全系数对应的临界滑动面。
6、综上,现有方法存在着“全局搜索能力”与“计算效率”之间的矛盾,启发式搜索方法全局性好但效率低,确定性搜索方法效率高但容易陷入局部极值。
技术实现思路
1、本发明为了解决现有技术无法兼顾全局搜索能力与计算效率的问题,而提供一种基于人工智能的边坡临界滑动面搜索方法,吸收启发式方法和确定性方法的各自优点,先利用人工智能算法识别潜在局部极值区域,再在局部区域采用确定性方法精确搜索,最终高效、准确地找到全局临界滑动面。
2、为解决技术问题,本发明所采用的技术方案是:
3、一种基于人工智能的边坡临界滑动面搜索方法,包括:
4、s1:有限元应力场计算:建立边坡几何模型,并为岩土体赋予弹塑性本构模型参数,施加位移边界条件和重力荷载,采用有限元法计算边坡内部应力场,并保存各单元积分点的应力分量;
5、s2:滑动面参数化与安全系数函数构建:采用滑入点横坐标x1、滑出点横坐标x2和矢高y三个参数唯一确定圆弧滑动面,将圆弧滑动面离散化,结合有限元应力场插值计算每个微段的法向应力σn和切向应力τ,基于圆弧累加抗滑力和下滑力,构建安全系数函数fs=f(x1,x2,y),输入三个参数,得到对应的安全系数,该安全系数函数作为后续优化搜索的目标函数;
6、s3:全局粗搜索-人工智能识别潜在局部极值区域:确定滑入点横坐标x1、滑出点横坐标x2和矢高y三个参数在可行范围内生成不少500组的随机滑动面参数,调用构建的安全系数函数计算每一组滑动面参数的安全系数f{s,i};对滑动面参数集进行归一化后,采用聚类算法识别多个安全系数较低的局部极值区域,并确定每个局部极值区域的参数子空间及确定作为后续确定性精细搜索的初始点pinit;
7、s4:局部精细搜索-确定性方法求局部极小值:以每个局部极值区域的初始点pinit为起点,采用基于梯度的确定性优化算法,在对应参数子空间内迭代搜索局部最小安全系数,并设置双收敛判据与边界投影机制;得到当前点p_best_local和对应的安全系数f_min_local,作为该局部区域的精确最小安全系数和最优滑动面参数;
8、s5:确定全局临界滑动面:比较有所局部极小值,取安全系数最小者作为全局临界滑动面及其最小安全系数;
9、s6:输出临界滑动面结果:输出最小安全系数、滑动面几何参数、离散轨迹及可视化结果。
10、在一些实施例中,所述步骤s1中的有限元应力场计算包括:
11、s11.几何建模:根据边坡的几何尺寸建立二维或三维几何模型;
12、s12.材料参数赋值:为岩土体赋予弹塑性本构模型参数,包括密度ρ、弹性模量e、泊松比ν、粘聚力c、内摩擦角φ和剪胀角ψ;
13、s13.对建立的几何模型进行有限元网格划分;
14、s14.边界条件与荷载施加:施加位移边界条件:底部固定所有自由度,两侧约束水平位移;施加重力荷载;
15、s15.有限元求解:采用牛顿-拉普逊迭代法进行非线性弹塑性求解,得到每个单元积分点的应力分量(,,,,,);将应力场结果保存为数据文件,供后续安全系数计算调用。
16、在一些实施例中,所述步骤s2中的滑动面参数化与安全系数函数构建包括:
17、s21.确定滑动面参数化:对于圆弧滑动面,采用三个参数唯一确定:滑入点横坐标、滑出点横坐标、矢高y;
18、s22.建立几何约束:根据x1、x2、y三个参数,通过几何关系计算圆心坐标(,)和半径r ;
19、s23.离散化圆弧:将圆弧滑动面的圆弧等距离散为m个微段,记录每个微段中点坐标(,)和微段弧长δ;
20、s24.应力场插值:对于每个微段中点坐标(,),从步骤s15保存的有限元应力场中通过插值得到该点的法向应力和切向应力τ。
21、s25.计算安全系数;沿圆弧累加抗滑力和下滑力,得到安全系数:
22、;
23、其中,c和φ分别为土体的粘聚力和内摩擦角;为滑动面穿越网格的编号,总共穿越网格个数为个;为编号为网格单元内积分点处的法向应力;为编号为网格单元内积分点处的切向应力;为滑动面在编号为网格的长度;
24、s26:构建安全系数函数;将上述计算过程封装为一个函数fs=f(,,y),输入三个参数,输出对应的安全系数;该函数作为后续优化搜索的目标函数。
25、在一些实施例中,所述步骤s3中的局粗搜索-人工智能识别潜在局部极值区域包括:
26、s31.确定参数采样范围:根据边坡几何尺寸,设定x1、x2、y的可行域边界;
27、s32.生成初始样本点:在可行域内采用拉丁超立方采样或均匀随机采样方法,生成n组滑动面参数,其中n≥500,记为(,,),i=1,2,...,n;
28、s33.计算样本点安全系数:对每一组滑动面参数,调用步骤s26的安全系数函数fs=f(,,y),计算对应的安全系数f{s,i};
29、s34.构建数据集:将样本点的三维参数和对应安全系数组合为四维数据点:(,,,f{s,i});
30、s35.数据归一化:对四维数据的每一维进行归一化处理;
31、s36.聚类分析:采用基于密度的聚类算法对归一化后的数据集进行聚类;
32、s37.提取聚类簇:从聚类结果中提取出安全系数较低的簇,每个簇代表一个潜在的局部极值区域;
33、s38.确定每个局部极值区域的参数子空间;对于每个簇,统计其参数的最小值和最大值,形成三维矩形子空间:[,]×[,]×[,]。
34、s39.选取局部搜索初始点;在每个簇内,选择安全系数最小的样本点,或者选择簇的中心点(各维均值),作为后续确定性精细搜索的初始点pinit。
35、在一些实施例中,所述步骤s4中的局部精细搜索-确定性方法求局部极小值包括:
36、s401.设置局部搜索参数:定义迭代最大次数tmax、收敛容差和;
37、s402.初始化当前点:令当前参数向量pcurr=pinit;
38、s403.计算当前点安全系数:调用函数f(pcurr)得到fcurr;
39、s404.计算目标函数梯度:采用中心差分法近似计算梯度∇f(pcurr):
40、;
41、为滑入点步长系数,可以取滑入点变化区间的0.01-0.05倍;
42、;
43、为滑出点步长系数,可以取滑出点变化区间的0.01-0.05倍;
44、;
45、为矢高步长系数,可以取矢高变化区间的0.01-0.05倍;
46、s405.检查收敛条件:若‖∇f‖<或连续两次迭代参数变化<,则收敛,跳至步骤s412。
47、s406.确定搜索方向:采用最速下降法,搜索方向d=-∇f(负梯度方向);。
48、s407.一维线搜索求最优步长:在方向d上,求解步长α×使得f(pcurr+α·d)最小化;
49、s408.更新参数:pnew=pcurr+α×·d;
50、s409.边界约束处理:若pnew超出步骤s38确定的该局部区域参数子空间边界,则将pnew投影回边界上;
51、s410.更新迭代计数:t=t+1,若t>tmax则强制停止;
52、s411.重复迭代:令pcurr=pnew,返回步骤s403;
53、s412.记录局部最优解:当收敛时,记录当前点p_best_local和对应的安全系数f_min_local,作为该局部区域的精确最小安全系数和最优滑动面参数。
54、在一些实施例中,所述步骤s5中的确定全局临界滑动面包括:
55、s51.收集各局部区域最优解:将步骤s412得到的每个局部极值区域的(p_best_local,f_min_local)汇总成一个列表:
56、s52.比较全局最小值。遍历该列表,找出安全系数最小的条目,记录其参数p_global和f_min_global。
57、在一些实施例中,所述步骤s6中输出临界滑动面结果包括:
58、s61:输出最小安全系数:输出f_min_global;
59、s62:输出临界滑动面几何参数:输出滑入点横坐标x1、滑出点横坐标x2、和矢高y,以及计算出的圆心坐标(,)和半径r 。
60、s63:输出滑动面轨迹:根据参数生成圆弧的离散点坐标序列(,),导出为文本文件或dxf格式。
61、s64:可视化展示:在边坡剖面图上绘制临界滑动面,并标注安全系数值。
62、s65:生成搜索报告。自动生成一份搜索过程报告,内容包括:总计算次数、各局部区域收敛情况、迭代历史曲线、最终结果。
63、与现有技术相比,本发明具有如下有益效果:
64、先采用人工智能算法(如聚类)进行全局粗搜索,识别出多个潜在局部极值区域;再在局部区域采用确定性方法进行精细搜索。该策略有机融合了启发式方法的全局搜索能力和确定性方法的快速收敛能力,克服了各自的固有缺陷。
65、本发明将有限元计算得到的真实应力场直接用于圆弧滑动面的抗滑力与下滑力积分,相比传统极限平衡法采用的条间力假设,计算结果更符合实际应力分布,提高了安全系数评估的准确性。
66、采用聚类算法从n个随机样本中自动识别出多个极小值区域,而非简单地取全局最小值样本。这避免了因采样不足而遗漏真实的极值区域,同时为后续确定性搜索提供了多个有潜力的初始点。
67、对每个识别出的局部极值区域分别进行确定性优化,保证了每个局部谷底都能被精确找到,最终通过比较得到全局最小值,解决了单一确定性方法容易陷入局部极值的问题。
68、采用滑入点x1、滑出点x2、矢高y三个参数唯一确定圆弧滑动面,将几何搜索问题转化为低维(三维)参数优化问题,降低了搜索空间的复杂度。
69、在局部精细搜索中设置了梯度模、参数变化双收敛判据及边界投影机制,保证了算法的数值稳定性和收敛可靠性。
70、综上,本发明通过“先全局粗搜索识别潜在区域,再局部精细搜索”的两阶段策略,既保证了不遗漏全局最优解(避免陷入局部极值),又避免了纯启发式方法需要试算海量滑动面的低效问题。相比传统遗传算法,计算时间可缩短50%以上;相比单纯的最速下降法,找到全局最小值的成功率从不足60%提升至95%以上(基于同类边坡模型的数值试验)。
71、本发明采用有限元计算的应力场代替传统极限平衡法的条间力假设,更真实地反映了边坡内部的应力分布,特别是对于复杂地质条件(如多层土、含软弱夹层、有支护结构)的边坡,安全系数计算精度可提高10%-20%。
72、对于具有多个潜在滑动面(例如坡面浅层滑动与深层滑动并存)的边坡,本发明通过人工智能聚类自动识别出多个局部极值区域,能够同时给出多个危险滑动面的安全系数,为边坡加固设计提供更全面的信息。
73、本发明中的全局粗搜索步骤采用随机采样,不依赖初始解;局部精细搜索步骤采用梯度信息,收敛速度快。整体算法对参数初始值不敏感,具有较强的鲁棒性。
74、本方法可直接集成到现有边坡有限元分析软件中,作为后处理模块,自动完成临界滑动面搜索,无需人工反复试算,大幅提高了工程设计效率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com