深埋隧道位移反演及初支可靠性分析

论文摘要

随着我国基础建设事业的高速发展和西部大开发的进一步推进,我国的公路工程、铁路工程和地下工程迅猛发展,大量长大、深埋隧道工程纷纷上马,同时新奥法信息化动态设计与施工技术越来越受到重视。本文以在建共和隧道为项目依托,分析隧道深埋段岩体性质及隧道初期整体式衬砌的可靠度,结合隧道现场监控量测主要做了以下几个方面的研究工作:①对隧道监控量测、反分析方法及可靠度的研究现状进行分析和总结,给出本文的主要研究内容和技术路线;②总结人工神经网络的基本原理和BP网络学习规则及网络的优缺点,并针对其缺点给出了相应的改进方法;同时也介绍了位移反分析的基本理论,并确定基于神经网络位移反分析的主要步骤;③简要介绍隧道新奥法施工,结合隧道监控量测技术分析得到共和隧道试验段在隧道开挖期间围岩周边收敛情况、锚杆轴力、接触应力及工字钢应力变化规律;④以共和隧道深埋段K43+170断面现场试验数据为基础,运用ANSYS有限元程序进行数值模拟,建立BP神经网络学习和训练样本;利用Matlab及其自带的神经网络工具箱编写BP神经网络程序,对隧道围岩参数进行反分析;⑤应用结构可靠性分析的基本原理和方法,建立隧道初期支护可靠度分析的极限状态方程,选用蒙特卡罗计算方法,运用ANSYS程序提供的PDS技术（Probabilistic Design System）进行8000次抽样计算,对隧道整体初期支护的可靠度进行分析和评价。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 问题的提出
• 1.2 研究的目的及意义
• 1.3 国内外研究现状综述
• 1.3.1 隧道监控量测与信息化施工国内外研究现状
• 1.3.2 位移反分析研究现状
• 1.3.3 可靠度研究现状
• 1.3.4 深埋大断面隧道的含义
• 1.4 论文的主要研究内容与技术路线
• 1.4.1 主要研究内容
• 1.4.2 技术路线
• 2 人工神经网络及位移反演分析研究
• 2.1 人工神经网络
• 2.1.1 人工神经网络概述
• 2.1.2 BP（Back-Propagation）神经网络
• 2.2 位移反演理论及方法
• 2.2.1 正反分析法的原理
• 2.2.2 逆反分析法原理
• 2.2.3 直接位移反分析
• 2.2.4 计算模型及反演参数的确定
• 2.2.5 神经网络位移反分析过程
• 2.3 小结
• 3 共和隧道现场监控量测研究
• 3.1 隧道新奥法简介
• 3.2 新奥法设计方法
• 3.3 隧道监控量测
• 3.3.1 监控量测的目的与任务
• 3.3.2 隧道量测信息的反馈方法
• 3.3.3 监控量测项目及测点埋设
• 3.3.4 量测频率和量测时间
• 3.3.5 量测数据处理及应用
• 3.4 共和隧道现场监控量测
• 3.4.1 共和隧道工程概况
• 3.4.2 隧道围岩分级
• 3.4.3 共和隧道现场监控量测试验
• 4 基于神经网络的隧道位移反演在共和隧道中的应用
• 4.1 概述
• 4.2 共和隧道岩石力学参数室内试验
• 4.2.1 力学性能测试系统
• 4.2.2 单轴试验及分析
• 4.2.3 三轴试验及分析
• 4.2.4 力学参数
• 4.3 隧道位移反演
• 4.3.1 ANSYS 有限元软件介绍
• 4.3.2 有限元简化及其参数选取
• 4.3.3 工程因素对反演分析的影响
• 4.3.4 有限元计算模型及边界条件
• 4.3.5 基于正交设计的样本构造
• 4.3.6 BP 网络设计及训练
• 4.4 小结
• 5 共和隧道初期支护可靠度分析
• 5.1 概述
• 5.2 可靠性分析的基本原理
• 5.3 结构可靠度分析的方法
• 5.4 隧道初期支护可靠度分析中极限状态方程的建立
• 5.5 随机参数的统计特征
• 5.6 结构可靠性分析在ANSYS 上的实现
• 5.7 有限元模拟结果分析
• 5.8 小结
• 6 结论与展望
• 6.1 主要结论
• 6.2 展望
• 致谢
• 参考文献
• 附录