BP神经网络与模糊控制在隧道施工中预测与应用.docVIP

BP神经网络与模糊控制在隧道施工中预测与应用 　　摘要:目前，隧道开挖过程中的不可控因素多，意外情况时有发生，通过地质条件复杂地区隧道施工中拱顶下沉位移的实测资料，采用BP人工神经网络，建立了非线性人工神经网络模型，对隧道开挖过程中拱顶下沉位移进行预测，接着通过模糊控制技术对隧道的掘进过程进行施工控制。通过对比，发现用本文的方法进行预测与实际情况基本吻合，研究成果为隧道掘进过程中的施工控制和预测预报提供了新的思路。 　　关键词:隧道；拱顶下沉；BP神经网络；模糊逻辑控制 　　 　　一、引言 　　 　　BP神经网络是使用最为广泛的人工神经网络之一，它具有较强的非线性动态处理能力，无需知道变形与力学参数之间的关系，可实现高度非线性映射，其较强的学习、存储和计算能力，特别是较强的容错特性，适用于从实例样本中提取特征，获取知识，从而较好地表达位移和力学参数间的隐式非线性映射关系，人工神经网络近年来在土建方面应用较多，其主要优点是无须建立输入值与输出值之间具体的数学力学关系式，只需通过对样本值的训练和学习得到网络的最佳连接权值和阈值，并通过新的样本值对上述模型进行检验，若检验合格，便成功得到了预期的人工神经网络模型，并可以用来进行下一步的预测预报。 　　 　　二、工程概况 　　 　　全长59公里的攀田高速公路，北接西昌至攀枝花高速公路，南接云南省永仁（川滇界）至元谋高速公路，被誉为“南方丝绸之路”贸易通道，为交通部规划的8条西部大通道之一的――甘肃兰州至云南磨憨口岸公路的核心路段，总投资26.8亿元人民币。其中全长2848米的望江岭隧道洞身最大埋深约320m，为全线最长的一条隧道，是四川与云南接壤处的最大隧道，该隧道下穿108国道，全线范围内地质条件极其复杂：软质岩受地质卸荷影响较重、陡倾状裂隙岩体破碎、岩层稳定性极差等复杂的地质地貌特征，施工难度最为艰巨，被列入重点控制性工程进行科技攻关。 　　 　　三、隧道施工过程中的监测项目 　　 　　隧道掘进过程中的监测项目主要有以下几项：○1隧道初期支护背后回填质量监测，针对II、III类围岩的初期支护背后回填质量，采用地质雷达技术按三条纵线进行背后空洞情况检测，同时采用该技术按每50m一个断面（布置7个点）检测喷射混凝土厚度及其背后空洞情况；○2按照施工设计条件和国家及交通部现行的物探、勘查等技术标准、规范进行地质超前预报工作，探明隧道掌子面前方是否有断层、 暗河及煤层等不良地质，满足隧道施工进度的需要，为隧道的施工提供准确可靠的地质资料；○3位移监测，包括周边收敛和拱顶下沉位移监测，拱顶下沉测线布置，测线布置和数量与地质条件、开挖方法、位移速度有关。根据设计文件提供的信息，确定采用下图所示测线布置。项目开展后再依情况调整。周边收敛一般地段应采用2～3条测线，但拱脚处必须有一条水平测线。若位移值较大或偏压显著，可同时进行绝对位移量测。 　　 　　四、隧道施工前期的数据分析 　　 　　根据现场施工条件及地质条件，该工程采用新奥法施工，对地质条件复杂、稳定性极差的岩层地段进行重点监测，选择此范围内的断面ZK216+830、ZK216+840、ZK216+850、ZK216+860、ZK216+870重点进行研究。断面ZK216+830处拱顶下沉的时间曲线比较典型，拱顶测点随着时间的增长，累计拱顶下沉量逐渐增大（拱顶向下沉降位移值小于零，本文将神经网络与模糊控制器技术结合起来，通过模拟训练，得到理想的神经网络参数和模糊逻辑准则，然后用于位移预测和施工监控。 　　 　　五、神经网络计算原理 　　 　　BP 神经网络模型是当前应用最广泛也是发展最成熟的一种网络模型，通常由输入层、输出层和隐含层构成。层与层之间的神经采用全互连的连接方式，通过相应的网络权系数W相互联系，每层内的神经元之问没有连接。网络结点作用函数有很多，本文采用较常用的S型逻辑非线性函数。 　　通过训练和学习，可确定网络的连接权值和阈值等参数，这样，也就确定了输入向量与输出向量的映射关系。然后，将新的输入―输出样本值代入上述神经网络模型进行验证。验证合格的神经网络模型即为所需。 　　 　　六、控制器的实时控制 　　 　　人工神经网络与模糊控制理论的结合延伸了传统模糊控制理论和神经网络技术的功能，使得模糊控制理论的应用范围得到拓展，本文应用模糊逻辑控制理论进行实际隧道工程的施工控制。将总位移值和位移变化量(前后两次总位移差值)作为输入变量，通过模糊控制器可推得相应的施工控制方案，从而达到控制隧洞变形的目的。隶属度函数的确定是模糊控制器处理问题的关键步骤，本文采用MATLAB6．1模糊逻辑工具箱提供的中间对称型隶属度函数： 　　(kl，aO，b为正偶数)(7) 　　本文以大量的隧道