一种基于模态振型的隧道掌子面危险块体识别方法与流程

本发明涉及隧道工程安全监测与非接触振动测试，具体涉及一种基于模态振型的隧道掌子面危险块体识别方法。

背景技术：

1、隧道掌子面在爆破出渣后至初期支护前的空窗期，是块体失稳、垮塌事故的高发时段。传统危险块体识别依赖人工观察、地质素描与敲击检测，存在漏判、错判、滞后性强、人员需近距离接触高风险区域等致命缺陷。现有基于几何拓扑分析的方法仅能识别可见结构面控制的块体，无法识别隐蔽、弱结构面切割的潜在危险块体；地质雷达、声波探测等方法易受隧道高粉尘、强电磁干扰影响，定位精度不足且操作复杂。结构动力学研究表明，当围岩被结构面切割形成危险块体时，局部刚度会显著下降，直接导致掌子面模态振型分布发生异常变化。相较于固有振动频率，模态振型对局部刚度损伤更为敏感，能够精准反映块体的位置、范围与约束状态。

2、但现有技术缺乏一套完整、可工程化、非接触的模态振型危险块体定位识别流程，无法满足隧道施工快速、安全的需求。在模态参数识别环节，现有通用模态分析方法应用于隧道掌子面场景存在明显适配性缺陷：一是掌子面为大体积连续岩体，低阶模态频率密集、阻尼比极低，传统频域分解法峰值拾取易发生模态混叠，随机子空间法全场测点计算量过大，难以兼顾识别精度与现场快速性要求；二是现场自然激励信号具有间歇性、非平稳性，直接采用全时段信号分析会引入干扰分量，导致两次扫描振型基准不一致，产生假阳性判定；三是全场扫描测点呈网格分布，边缘与凹凸区域测点密度不均，默认等权重计算会造成边缘区域振型幅值失真，降低后续空间定位精度。在危险等级分级环节，现有通用机器学习模型纯数据驱动，未适配隧道工程场景特点：一是工程现场高风险垮塌块体样本稀缺，样本不均衡会导致模型偏向低风险多数类，高风险块体漏判率高，而高风险漏判的工程代价远大于误判；二是未融入工程先验常识，相同参数的块体在拱顶与边墙位置风险等级一致，不符合现场决策逻辑；三是模型输出黑箱化，缺乏工程规则校验，跨岩性、跨工况泛化能力不足。

3、因此，研发一种基于模态振型的隧道掌子面危险块体识别方法，无需接触掌子面、识别速度快、定位精度高、适应隧道复杂环境，对保障隧道施工人员安全、降低事故发生率具有重要的工程意义。

技术实现思路

1、为解决上述问题，本发明提出一种基于模态振型的隧道掌子面危险块体识别方法，通过模态分析与comac值相结合，判定危险块体区域，并通过改进的随机森林模型获取危险等级。

2、为实现上述方案，本发明采用以下核心构思：

3、s1、采用全场扫描式激光测振仪非接触采集，获取隧道爆破出渣后掌子面全场振动信号；

4、s2、对振动信号进行模态分析，提取前3阶模态振型，计算两次监测状态下同一阶模态振型的模态振型差，确定振型差值显著区域；

5、s3、计算前3阶模态的坐标模态置信准则comac值，确定低comac值区域，基于振型差值和comac值判断危险块体区域；

6、s4、基于机器学习模型对危险块体区域进行危险等级划分，并输出对应的差异化工程处置方法。

7、优选的，s1中所述振动信号采集于爆破出渣后、初期支护前；全场扫描式激光测振仪布置于已支护段，距掌子面5-20m，激光束垂直或接近垂直入射掌子面。

8、优选的，激光测振仪激振方式优先采用自然环境激振，利用现场施工余振、通风系统运行等既有能量；当自然环境激励能量不足时，采用力锤人工激振。

9、优选的，s2中模态分析采用改进型频域分解-稳定图融合算法，先通过逆序平稳性检验自动截取信号平稳段，再采用引入奇异值熵判据的频域分解法初步识别模态参数，最后结合随机子空间稳定图剔除虚假模态，输出前3阶真实模态振型；识别完成后通过测点空间密度权重因子对振型幅值做归一化修正。

10、优选的，s2模态振型差为同一侧点、同一阶模态在两次检测下的振型向量差值，公式为：

11、

12、其中，表示模态振型差，和分别表示结构在状态1和状态2下的第

i阶模态振型向量；

13、将局部差值大于周边均值2倍以上的区域标注为差值显著区域。

14、优选的，s3中所述comac值的计算公式为：

15、

16、其中，表示在

k点处的comac值，和分别表示在状态1和状态2下的第

i阶模态振型在测点

k处的位移分量，表示参与比较的模态阶数；

17、将comac值小于0.6的区域标注为低comac值区域，与振型差值显著区域进行对比，将其重合位置判定为危险块体区域。

18、优选的，s4所述机器学习模型为代价敏感改进的随机森林模型，输入特征包括：块体区域内振型差值均值、块体区域内comac均值、危险块体投影面积和块体所处空间位置。

19、优选的，所述代价敏感改进的随机森林模型通过代价敏感矩阵与混合采样策略适配不平衡样本，在节点分裂时嵌入空间位置工程先验权重，并通过工程规则引擎对输出结果做二次校验，最终输出风险等级与对应置信度。

20、优选的，所述代价敏感改进的随机森林模型将危险块体区域危险等级划分为ⅰ级、ⅱ级和ⅲ级三个等级；

21、ⅰ级处置方式为加强观测，暂不做工程处置；ⅱ级处置方式为优先采用机械排除，若块体嵌固较深则采用局部锚杆锚固加固；ⅲ级处置方式为立即撤离人员，采取喷射混凝土加系统锚杆加钢筋网的联合加固方案。

22、本发明有益效果：

23、非接触远距离识别：人员无需靠近掌子面，在已支护段即可完成监测，彻底避免了人工排查的安全风险；

24、模态识别场景适配性强：改进型融合算法兼顾密集模态识别精度与计算效率，平稳段截取保证两次振型基准统一，空间加权修正提升边缘区域定位精度，整体模态识别质量显著优于通用方法，为后续判定提供可靠基础；

25、风险分级贴合工程实际：代价敏感改进随机森林优先保障高风险块体识别率，嵌入工程先验权重符合现场风险逻辑，规则引擎校验提升可解释性，跨工况泛化能力强，分级结果更具工程指导价值。

1.一种基于模态振型的隧道掌子面危险块体识别方法，其特征在于，包括：

2.根据权利要求1所述的一种基于模态振型的隧道掌子面危险块体识别方法，其特征在于，s1中所述振动信号采集于爆破出渣后、初期支护前；全场扫描式激光测振仪布置于已支护段，距掌子面5-20m，激光束垂直或接近垂直入射掌子面。

3.根据权利要求2所述的一种基于模态振型的隧道掌子面危险块体识别方法，其特征在于，激光测振仪激振方式优先采用自然环境激振，利用现场施工余振、通风系统运行等既有能量；当自然环境激励能量不足时，采用力锤人工激振。

4.根据权利要求1所述的一种基于模态振型的隧道掌子面危险块体识别方法，其特征在于，s2中模态分析采用改进型频域分解-稳定图融合算法，先通过逆序平稳性检验自动截取信号平稳段，再采用引入奇异值熵判据的频域分解法初步识别模态参数，最后结合随机子空间稳定图剔除虚假模态，输出前3阶真实模态振型；识别完成后通过测点空间密度权重因子对振型幅值做归一化修正。

5.根据权利要求1所述的一种基于模态振型的隧道掌子面危险块体识别方法，其特征在于，s2模态振型差为同一侧点、同一阶模态在两次检测下的振型向量差值，公式为：

6.根据权利要求1所述的一种基于模态振型的隧道掌子面危险块体识别方法，其特征在于，s3中所述comac值的计算公式为：

7.根据权利要求1所述的一种基于模态振型的隧道掌子面危险块体识别方法，其特征在于，s4所述机器学习模型为代价敏感改进的随机森林模型，输入特征包括：块体区域内振型差值均值、块体区域内comac均值、危险块体投影面积和块体所处空间位置。

8.根据权利要求7所述的一种基于模态振型的隧道掌子面危险块体识别方法，其特征在于，所述代价敏感改进的随机森林模型通过代价敏感矩阵与混合采样策略适配不平衡样本，在节点分裂时嵌入空间位置工程先验权重，并通过工程规则引擎对输出结果做二次校验，最终输出风险等级与对应置信度。

9.根据权利要求8所述的一种基于模态振型的隧道掌子面危险块体识别方法，其特征在于，所述代价敏感改进的随机森林模型将危险块体区域危险等级划分为ⅰ级、ⅱ级和ⅲ级三个等级；