搜索
岩土数值分析岩土工程参数反分析方法一、基本概念与方法概述1、基本概念在岩土工程问题中，一般都是根据已知边界条件、初始条件和材料力学参数来求解区域内的应力、位移分布等这种分析过程通常称之为正分析。有限元等数值计算软件迅速发展，可以处理几乎所有的岩土工程问题，貌似计算结果精度高、后处理精确、方便万能的假象精确结果后面所隐藏的不确定性(非线性问题、动力问题)所采用本构模型的局限性相应参数的不确定性，参数难以用简单试验获得这些导致数值模拟的预测结果与实际情况有时相差很大(1)对岩土工程数值分析方法缺乏系统的知识和深入的理解，出现问题？理论问题或数学模型问题；计算方法问题或本构模型问题；参数的确定问题或计算本身的问题等。正分析常见问题？(2)本构模型本身的局限性，岩土体物理力学性质太复杂，难以准确地用数学模型和本构模型描述。邓肯-张模型不能反映剪胀性，不能反映压缩与剪切的交叉影响；模型只能考虑硬化，不能反映软化；模型不能反映各向异性。剑桥模型也仅能考虑硬化而不能反映软化，不能反映土的剪切膨胀和各向异性，不能用于超固结土等。(3)现有的试验手段和设备不能提供适当、合理和精确的参数，少数样本点所获得的参数难以准确地描述整个空间场地的物理力学性能，特别是岩土体性质随时间变化时土样扰动较多的参数难以用常规的试验手段和设备获取反分析根据已知的系统模型和系统响应来反演系统参数或根据已知的系统参数和系统响应来推求系统模型前者又称为参数识别，后者又称为模型识别。对于参数的识别和估计，实际上都应隶属于系统识别的范畴。由工程基本情况确定几何条件、荷载条件、边界条件；通过地质勘探和室内外试验确定地质条件、本构模型、力学参数等；通过解析法、半解析法或数值法，求解结构或岩土介质的物理量(如应力、应变等)。正（演）分析反（演）分析则是利用工程中的实测值〔如应力、孔压、位移等)，通过数值试算确定岩土介质的参数，或是本构模型。故反演可分为模型参数反演和具体模型识别；参数反演为主要研究对象在岩土工程中得到越来越多的应用反分析/反演分析back/inverse/反馈分析反馈分析是综合原型观测资料正分析和反演分析的成果，通过理论分析计算或归纳总结，从中寻找某些规律和信息，及时反馈到设计、施工和运行中去，从而达到优化设计、施工和运行的目的。难度但随着计算理论和计算技术的日益发展，各种数值分析方法的日臻完善；快速及时地收集和分析各种信息已成可能。按反馈的对象分为：设计、施工和运行等方面。早在上个世纪60年代，在隧道工程中通过对围岩和支护的观测和量测，信息反馈，修改施工和设计方案，使其更好地反映实际情况，而取得了显著的经济效益。NATM比如：施工期大坝安全/降低工程造价例如利用施工期浇注混凝土的温度观测资料，馈控温度设计和控制接缝灌浆的时间，当混凝土内温升超过允许值时，进行人工冷却，否则不必冷却。由于在设计时估计库水温不准，使设计控制的准稳定温度场的均值一般要比实际温度低4~8摄氏度，从而增加温控费用或延长施工周期。因此，施工期观测资料的反馈设计分析有一定的社会经济效益和科学效益。运行期大坝及基岩实际承载能力反馈运行荷载运行控制荷载主要是强度和稳定的要求，有安全系数法、可靠度理论法等；利用原型观测资料反馈混凝土坝的实际安全度，大坝的安全度主要包括稳定（沿坝基面或深层滑动面）、强度，对裂缝较多的大坝还要校核抗裂安全度。通过对运行期大坝的反馈分析，评估大坝的原型结构性态，监控大坝的运行，具有很好的指导作用。在岩土工程反分析领域内，根据现场量测到的不同信息，反分析可以分为应力反分析法、位移反分析法和应力（荷载）与位移混合反分析法。有限单元法等数值计算方法的发展迅猛，位移量测信息相对比较容易获取，且精度较可靠，因此，目前在工程中位移反分析法应用最为广泛。位移反分析法可分为解析法和数值法。解析法根据系统响应与待估参数之间的显示表达式，直接得出待估参数的数学表达式，从而直接基于系统响应得出待估的参数值但是由于实际工程中问题本身的复杂性，一般很难用显式来表示系统响应与待估参数之间的关系，因此只适宜求解简单几何形状和边界条件下的线弹性和线粘弹性等问题。在复杂岩土工程中，使用较广泛的是数值法。数值法，解决复杂工程形态和非线性问题，对复杂的岩土工程问题更具有普遍的适用性。数值法就其求解过程、是否考虑力学参数的非确定性、是否利用神经网络等智能方法又可做进一步分类。比如就数值法的求解过程而言，它又可划分为逆解法（逆反分析）、直接法（正反分析）、正反耦合法、图谱法、神经网络法和模糊法等。直接法是把参数的反演问题转化为一个目标函数的寻优问题，直接利用正分析的过程和格式，通过迭代最小误差函数，逐次修正未知参数的试算值，直至获得“最佳值”。这类方法采用的计算过程和计算方法与正分析完全一致，具有很宽的适用范围主要介绍对象。由此可见，在参数反分析中，当反分析准则函数建立后，参数辨识问题实际上就化为最优化问题，即选取某种优化方法来优化计算求解，得到使准则函数达到最小的反演参数值。从优化理论来讲，由于计算技术和计算能力的高度发展，优化计算方法得到了空前的进步，优化方法层出不穷，从而推动了反分析方法的不断更新和进步。数值法就其求解过程的不同又可分为优化（正）反分析、逆反分析和正反耦合反分析等；就其是否考虑力学参数的非确定性又可分为确定性反分析法与非确定性反分析法；根据是否利用神经网络等智能方法还可分为非智能反分析法与智能反分析法等。2、逆反分析、正反分析、正反耦合反分析岩体本身是一个高度复杂的不确定和不确知系统，其物性参数、本构模型、计算边界条件（如地应力等）以及由此推算得来的位移与应力等无法准确确定。由量测信息来确定各类计算参数和模型的反分析方法自提出以来得到了迅速的发展,目前已成为解决复杂岩土力学问题的重要方法。逆反分析是采用与正分析相反的解析过程，利用数学方法直接反推得到逆方程，从而解得待求反演参数：如初始地应力参数或其它力学特性参数等。显然，该法要求量测的位移数据个数不能少于欲求未知量的个数，且当量测得到的位移数据个数大于欲求未知量个数时，需采用优化的方法以期求得最佳值。优点是计算速度快，可一次求解出所有待定参数，但仅适用于线弹性等问题。优化反分析是首先假设待求参数的值，然后利用正分析方法计算系统响应，将系统响应计算值与实测值按照一定的比较原则进行比较（该比较值常被称为误差函数），并使用一定的方法对此比较值进行优化，直到得出满意的参数解。该法可利用现有的正算程序，适应性强，适用于线性及各种非线性的复杂岩土问题的反分析，不足之处在于计算时间长，计算前需给出各待定参数的取值区间和试算值，且当欲求未知量较多时，收敛速度慢，解的稳定性差。正反耦合反分析是基于区域分裂法的原理，将逆反分析和优化反分析相结合的算法，即将岩体弹性区域和塑性区域分开计算，弹性区域用反算法，塑性区域用正算法，再利用区域分裂法通过弹性区域与塑性区域之间的重叠部分将二者结合起来，从而使问题在整个计算区域得以求解。岩土工程中大部分发生的是弹性变形，将弹性、弹塑性区域划分开来，则反算的非线性有限单元数可大大减少，这对减少计算工作量、提高分析效率有着积极的意义。但由于其计算收敛的前提条件是每步计算的结果必须唯一，而目前又尚不能很好地解决反分析解的唯一性问题，因此，该法在实际计算中常常难以收敛。3、确定性反分析及非确定性反分析确定性反分析首先在岩土工程中得到了深入研究和广泛应用。研究成果、实际工程应用多。确定岩体初始地应力场的回归分析法，采用位移量测值的位移回归分析法采用拉格朗日插值法，利用较少的实测位移，反求粘弹性地层初始地应力用有限元法计算自重应力场的围岩位移，将地应力分为构造应力和自重应力，进一步反算岩体的构造应力图谱法/位移反分析方法，利用事先建立的图谱反演围岩地应力分量及弹性模量（位移联图反演，黄金分割法进行弹塑性参数反演）监测数据机理分析比如：基于隧道围岩变形的粘弹性解析解，相应的参数反演考虑时空效应影响的地下巷道反演边界元/离散元/DDA的反演组合流变模型FEM/BEM逆解回归法/优化法反演基坑开挖/基础处理土体水平基床系数位移反分析土体弹模反演（单纯形、复合形法）土体弹模/基坑开挖动态反演（平面二维）监测数据机理分析而更多的面临的是一个非确定性过程，存在大量不确定性信息，确定性模型难以概括复杂多变的岩土工程力学特性，因此非确定性反分析方法应运而生。非确定性反分析考虑了岩土工程问题的一些先验信息，采用处理非确定性问题的相应方法，使反分析更能反应实际情况。4、智能反分析法人工神经网络、遗传算法等等人工智能方法发展迅速。人工神经网络是一个高度复杂、非线性的动态分析系统，具有良好的模式辨识能力，几乎可模拟任何复杂的非线性系统，因而用神经网络模型模拟复杂的岩土工程问题无疑可收到好的效果。遗传算法GA（GeneticAlgorithm）是一种全局最优化方法，特别适用于多极值点的优化问题克服了传统优化方法易于陷入局部最优解的缺点，搜索具有隐含并行性，可以较快地搜索到全局最优解并且对目标函数的形态没有具体的要求，因而明显地优于传统的优化方法。由于遗传算法、人工神经网络等人工智能方法所具有的其它数值方法所无法比拟的优越性，不少学者已将其引入到岩土力学反分析中。目前基于遗传算法和人工神经网络的智能反分析方法已被应用到岩土工程的设计和施工过程中。从岩土力学智能反分析所采用手段来看，主要可分为数值模拟与神经网络结合的位移反分析、数值模拟与遗传算法相结合的位移反分析以及数值模拟、神经网络及遗传算法相结合的位移反分析。ＢＰ网络模型反演岩体粘弹性力学参数、邓肯参数基于ＢＰ网络建立边坡位移反分析方法反求三峡永久船闸边坡多介质岩体的宏观等效弹性模量并利用该弹性模量进行了有限元正分析计算，预测三峡永久船闸开挖边坡下一开挖阶段的应力及变形发展趋势。通过对岩体力学参数、工程结构参数及位移量测资料ＢＰ神经网络模型的学习和训练，得到了隧道围岩稳定性分析所需等效弹性模量、初始地应力侧压系数及铅垂地应力、其他巷道围岩参数数值模拟与遗传算法的结合同时反演岩体的模型参数或多个物性参数计算效率将遗传算法和神经网络有机地结合起来，用于位移反分析的进化神经网络方法利用了神经网络的非线性映射、网络推理和预测功能利用了遗传算法全局优化特性，在处理变量与目标函数值之间无明显的数学表达式的复杂工程问题中