寒冷条件下高拱坝施工过程仿真方法研究

众多高拱坝施工面临着恶劣寒冷气候的考验。然而,现有的高拱坝施工过程仿真方法较少直接考虑气温对施工的影响,且未考虑基于气温预测成果进行动态分块,以分析寒冷条件下利用正温时段进行浇筑的特点。针对以上问题,本文提出了基于Informer的寒冷条件下高拱坝施工过程仿真方法。首先,提出基于Informer气温预测模型,实现未来气温序列的预测,在此基础上实现可施工时段分析;其次,建立考虑动态分块的寒冷条件下高拱坝施工进度仿真模型,提出更加贴近实际施工情况的分块施工仿真策略,以更好地模拟和分析不同气温条件下的施工过程;最后,以西南地区的叶巴滩高拱坝工程为例进行研究,采用Informer模型对气温进行预测,平均误差为±1.49℃,每日的可施工时长平均误差为±1.16 h。通过对比三种不同的仿真策略,发现寒冷条件下采用动态分块策略可以充分利用可浇筑时段,施工效率更高,也表明在仿真中“考虑气温”比简单降效处理更加贴近实际情况。

基于深度蒙特卡洛树搜索的拱坝仓面排序研究

合理的仓面排序方案对于加快工程进度和优化资源配置有着重要影响。然而,现有仓面排序方法将这一序贯决策问题简化,多数采用多属性决策方法,存在仅对大坝实时施工状态进行分析以及未考虑未来仓面浇筑方案对当前排序策略影响的问题;部分采用多目标优化方法进行仓面排序多目标优化问题分析,但主要是采用静态权重,存在忽略了仓面排序策略随环境动态变化的不足。针对以上问题,本文提出基于深度蒙特卡洛树搜索的拱坝仓面排序方法。首先,分析仓面排序问题的约束条件和目标函数,建立仓面排序强化学习模型;其次,针对仓面排序强化学习模型具有复杂且庞大的离散状态空间,为提高搜索效率,提出融合深度学习的蒙特卡洛树搜索方法,分别利用深度神经网络进行先验动作概率分布预测和策略函数评估;最后,以乌东德拱坝工程为例进行研究,结果表明本文方法可以有效地分析拱坝仓面排序问题,且相比于粒子群方法、证据理论方法,本文方法分析的施工工期可分别提前6天、14天,平均机械利用率分别提高1.19%、1.35%。本研究为拱坝仓面排序分析与优化提供了新思路。

基于CEEMDAN-Transformer的灌浆流量混合预测模型

灌浆流量是最重要的水利工程灌浆参数之一,通过对灌浆流量的有效预测,可以实现对异常工况的提前响应,以保障施工质量与工程安全。然而由于灌浆过程面临的复杂地质情况,灌浆流量数据存在强非线性与波动性的特点,难以获得令人满意的计算精度。现有灌浆流量预测存在的不足如下:传统神经网络模型对时间序列特征提取和加工处理不足,导致预测精度有限;传统神经网络模型测试集进行一次计算仅能输出一个结果,进行多个时间步预测需要繁杂的多次计算;单测点预测结果预测时间短并且无法反映灌浆流量序列变化的整体趋势,不利于控制灌浆流量和保障施工质量。针对上述问题,本研究提出基于CEEMDAN-Transformer的灌浆流量混合预测模型。基于完全自适应噪声集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)方法将灌浆流量分解为本征模函数与残差信号,解决灌浆流量数据的非线性与强波动的问题;采用多头注意力Transformer实现多个本征模函数(Intrinsic Mode Function,IMF)序列到序列的预测,采用多头注意力机制来构建输入和输出的全局依赖关系,提升时间序列参数特征提取水平;最后,建立时序测点多输入多输出模型实现灌浆流量预测,提升多输出序列计算效率,反映整体趋势的多输出序列能够为灌浆流量控制提供参考。工程应用结果表明,本研究提出的基于CEEMDAN-Transformer的灌浆流量混合预测模型具有较好的计算精度和计算效率。

土石坝渗流性态分析的IAO-XGBoost集成学习模型与预测结果解释

针对现有土石坝渗流数值模拟方法计算效率较低、难以实时分析大坝渗流性态,而现有基于机器学习算法建立的代理模型又存在模型可解释性较差的问题,提出土石坝渗流性态分析的IAO-XGBoost集成学习模型,并基于Shapley加性解释(SHapley Additive exPlanation,SHAP)理论对预测结果进行解释。在采用多地质体自动建模方法和CFD技术对大坝渗流场进行计算分析的基础上,基于改进的天鹰(Improved Aquila Optimization,IAO)算法优化极限梯度提升(eXtreme Gradient Boosting,XGBoost)集成学习算法中的n_estimators、max_depth和learning_rate等超参数,进而建立基于IAO-XGBoost集成学习算法的大坝渗流性态指标预测模型,以揭示上下游水位和坝基地层渗透系数等输入特征变量与渗流性态指标模拟值间的复杂非线性映射关系。进一步地,将IAO-XGBoost集成学习算法与可解释机器学习框架SHAP理论相结合,挖掘影响大坝渗流性态指标预测结果的关键特征,并解释特征变量对渗流性态指标预测的影响。案例研究表明,IAO-XGBoost具有较高的预测精度,相比于IAO-GBDT、IAO-RF、IAO-DT和IAO-SVR算法,其预测精度分别提高了0.52%、11.64%、37.21%和25.07%;且相比于IAO-XGBoost、IAO-GBDT和IAO-RF算法的特征重要性分析方法,SHAP理论具有更强的模型可解释性,提高了预测结果的可信度。

基于三维激光扫描的高拱坝仓面钢筋网智能识别方法

为实现高拱坝仓面混凝土智能化振捣施工,针对仓面边角区域钢筋网密布、不利于振捣棒插入的问题,提出了基于三维激光扫描的高拱坝仓面钢筋网智能识别方法。首先,通过激光雷达感知获取点云数据;然后,基于水平Azimuth和反射强度筛选点云并映射以计算其分布情况;最后,分析点云分布并建立钢筋网格点坐标,实现钢筋网智能识别。该方法在某混凝土坝工程中进行了试验验证,经检验方法可行,为钢筋网区域的精细化振捣提供了技术支撑。

基于SLAM优化的高拱坝施工仿真移动AR可视化

目前基于增强现实(augmented reality,AR)的高拱坝施工仿真可视化研究,存在可视化角度受限及系统集成度差的问题。移动AR具有交互方式多元化的优势,但存在相机注册误差较大的不足。针对上述问题,提出基于同步定位与地图构建(simultaneous localization and mapping,SLAM)优化的高拱坝施工仿真移动AR可视化方法。本文首先基于SLAM根据目标三维-二维成像关系精确计算初始化相机注册参数,并利用ARCore运动追踪实现移动中实时相机注册;同时,结合相机注册结果,将施工仿真虚拟场景与实际场景融合,实现施工仿真移动AR可视化分析。工程应用表明,基于SLAM优化的移动AR施工仿真可视化系统,初始化相机注册精度相比传感器提高了97.6%,移动中相机注册误差平均仅为0.275 m,能够实现多方位的空间决策分析。

基于改进Mask R-CNN的硬化混凝土离析程度评价

水工混凝土钻孔图像中骨料的精准分割对于硬化混凝土离析评价至关重要。然而,传统的骨料图像分割方法存在精度低和泛化性能差的问题。针对上述问题,本文提出了一种改进Mask R-CNN的硬化混凝土骨料分割模型,通过在Mask R-CNN模型的主干网络中引入高效通道注意力模块(efficient channel attention,ECA)与空间注意力模块(stage attention module,SAM),实现卷积网络对通道与空间权重的自适应调整,从而提升模型对目标骨料边界与位置分布的检测性能;进一步提出硬化混凝土离析程度定量评价方法,通过量化目标骨料的面积、边界以及在高程方向上的分布,实现混凝土离析程度的定量评价。工程案例表明,所提骨料分割模型平均精度(m AP@0.5)达到了0.8752,相比未改进模型提高了4.19%,在多种复杂环境下的分割效果均优于传统骨料图像分割方法,且混凝土离析程度定量评价平均误差仅为4.85%,验证了所提方法的有效性与优越性,为混凝土离析程度科学评价提供了新的技术手段。

高拱坝施工的SD-ABMS混合仿真建模研究

针对现有的高拱坝施工仿真多采用离散事件仿真(discrete event simulation,DES)这一建模方法,难以从微观层面精细地描述大坝施工复杂系统中的个体行为,同时仿真模型缺乏对关键连续因素的复杂作用关系进行定量分析的问题,提出高拱坝施工的SD-ABMS混合仿真建模方法。首先采用基于多智能体的仿真与建模方法(agent-based modeling and simulation,ABMS),依据高拱坝施工流程,抽象出拌和楼、自卸汽车、缆机、施工仓面四种Agent和详细的混凝土转运过程,对各Agent的行为以及它们之间的相互作用进行建模;同时,对影响施工效率的各种连续因素,基于系统动力学方法(system dynamics,SD)进行建模,定量分析疲劳、熟练度等连续影响因素对施工效率的影响;最后,以工作时间、缆机循环时间等为接口变量,建立高拱坝施工的SD-ABMS混合仿真模型。工程应用表明,与传统DES模型以及单一ABMS模型相比,仿真结果与工程实际偏差率分别平均缩小了4.83%和3.5%,为高拱坝施工过程精细化仿真分析提供了新的思路。

高拱坝施工实时控制系统集成理论与应用

针对高拱坝施工过程具有很强的复杂性和随机性的特征,提出将系统集成理论应用于高拱坝施工实时控制中,设计了高拱坝施工实时控制系统集成框架,从数据信息集成、应用功能集成、技术方法集成和监控指标集成4个方面详细论述了系统集成的实现过程,并研制开发了网络平台下的高拱坝施工实时控制系统。工程应用实例表明,基于系统集成理论构建的高拱坝施工实时控制系统能对高拱坝施工过程实现动态的集成控制与分析,有效地提高了大坝建设管理水平。

土坝填筑碾压质量实时监控系统应用分析

针对均质土坝常规的填筑碾压施工过程中存在的人为控制偏差等种种质量控制方法中的不足,进行了均质土坝填筑碾压质量实时监控系统的应用分析,根据采集到的相关的统计数据,分析了系统在桑河二级水电站的应用效果。分析结果充分表明了,该系统对桑河二级均质土坝填筑碾压施工过程的控制是有效的,保证和提高了均质土坝施工的质量和效率,使得施工管理水平得到显著提高。

基于实时监控的混凝土坝振捣施工质量动态评价研究

混凝土坝仓面振捣质量评价是混凝土坝施工质量控制的重要手段。传统方法采用事中人工经验控制振捣参数与事后有限的钻芯取样点检测相结合来控制混凝土坝振捣施工质量;此外,现有的振捣台车振捣监控研究中仅采用单个测距仪进行测距,且缺乏仓面振捣质量评价方法。针对混凝土坝仓面内振捣施工实时质量动态评价和反馈控制的挑战和难点,本文提出了基于双测距仪联合测距方案的混凝土坝振捣施工质量实时监控方法,并基于该方法建立了考虑混凝土特性参数不确定性的混凝土振捣质量动态评价模型,该模型主要包括以下内容:(1)引入"信息熵"理论对混凝土特性参数的不确定性进行量化分析;(2)在考虑参数不确定性的情况下基于随机森林算法提出了混凝土抗压强度动态计算方法,并将计算结果应用于混凝土坝全仓面振捣质量评价。将该模型与多元线性回归和人工神经网络算法建立的评价模型进行了对比分析,验证了本模型的一致性和优越性。应用本文提出的评价方法对我国某西南碾压混凝土坝工程仓面变态混凝土区域的振捣质量进行了动态评价,结果表明,该方法能够准确评价仓面混凝土振捣质量,为混凝土坝振捣施工质量控制提供了理论依据。

高拱坝建设进度与质量智能控制关键技术及其应用研究

我国高拱坝工程多位于西南高山峡谷地区,自然环境条件复杂,正面临着如何实现复杂建设条件下进度与质量的精细化管控问题。随着物联网、人工智能、大数据、智能视觉以及云计算等新一代信息技术快速发展,为高拱坝建设进度与质量智能控制提供了技术支撑。首先阐述了高拱坝建设进度与质量智能控制研究的背景、基本概念和研究内容;其次梳理了高拱坝建设进度与质量智能控制的关键技术;最后以某实际高拱坝工程为例,分析了高拱坝建设进度与质量智能控制关键技术的具体应用及取得的成果,为高拱坝工程智能化建设提供了理论基础和技术支撑。

高寒区高混凝土坝关键技术难题与解决途径

随着小湾、锦屏一级等300 m级特高混凝土坝的陆续建成,我国混凝土筑坝技术水平迈入了世界先进行列。相对而言,高寒区混凝土筑坝技术是我国坝工技术的短板,世界上高寒区混凝土坝也出现了较多严重事故。未来,我国即将在高寒地区建设QBT、叶巴滩等特高混凝土坝,面临挑战。为此,基于典型工程的统计数据分析了我国高寒区的气象、水文特点,结合当前混凝土坝的技术进展评述,提出了高寒区混凝土筑坝亟待攻克的诸如高强高抗冻高抗裂大坝混凝土的制备与施工质量控制、混凝土坝施工运行全过程防裂、大坝表面耐久防护与安全监控三大关键难题,阐明了其中的关键科学问题、技术难题、总体技术路线和近期要研究的主要问题,为实现高寒区高混凝土坝高质量建设与长期安全运行指明了技术路径,可为相关研究提供参考。

基于实时监控的碾压混凝土坝仓面施工仿真可视化分析

结合系统仿真技术、实时监控技术、数据库技术和可视化技术,开展碾压混凝土坝仓面施工仿真可视化分析研究,构建仓面施工精细仿真模型。该模型不仅可以通过仿真计算获得详细的仓面施工进度信息,而且实现了可交互的仓面施工三维动态可视化分析。研究成果已应用于西南某碾压混凝土坝工程。

基于改进M5'-主成分模型树的高心墙堆石坝沉降变形预测

针对高心墙堆石坝沉降变形过程动态非线性特点,建立基于改进M5'-主成分模型树的高心墙堆石坝沉降变形分析模型,在采用相关性分析甄选沉降变形影响因素和采用主成分分析将高维影响因素空间进行降维的基础上,利用该全局分段非线性模型对高心墙堆石坝沉降过程进行分析。通过与沉降量实测值对比,验证了改进M5'-主成分模型树的有效性。通过绝对差值和均方根误差2个指标对比分析改进M5'-主成分模型树与M5'模型树、多元线性回归模型、主成分回归分析模型的预测结果,表明改进M5'-主成分模型树预测沉降量具有更高的精度。

基于模糊规则的大坝混凝土施工跳仓排序研究

大坝混凝土施工跳仓排序受诸多约束条件的限制,同时遵从一定的施工原则,在施工过程中具有很强的随机性和不确定性。提出了基于模糊规则的大坝混凝土施工跳仓排序方法,根据大坝仓面浇筑的约束条件和施工原则,通过问卷调查、专家咨询等方式获取相关知识,提取大坝施工跳仓排序的模糊规则。运用Markov随机过程理论来描述混凝土坝仓面浇筑的状态转移行为和特征,以状态转移概率矩阵表示当前状态转移到其他状态的概率,通过模糊规则的矩阵化计算推理来实现跳仓排序智能推理过程。基于模糊规则的跳仓排序方法可以全面了解系统整体动态特性,提高了施工系统仿真的精度,为大坝混凝土施工管理与控制提供决策依据。

帷幕灌浆量区间预测的Bootstrap-IGWO-SVM模型研究

由于帷幕灌浆注灰量预测过程中存在地质参数、预测模型和输入数据的不确定性,传统的点预测结果存在误差,并且难以对不确定性进行量化。针对上述问题,本研究提出基于Bootstrap方法和改进灰狼算法的支持向量机(Bootstrap-IGWO-SVM)的帷幕灌浆量区间预测模型,量化了预测模型的不确定性。首先通过Bootstrap算法对初始训练集抽样生成样本数据集;其次,通过灰狼优化算法对惩罚因子C、RBF核函数方差g和损失因子p进行参数寻优,提高SVM算法的预测精度;再次,利用非线性收敛因子、动态权重因子、概率混沌图谱和Levy飞行对灰狼算法进行改进,解决灰狼算法局部搜索和全局搜索的平衡问题;最后,对构建的数据集分别使用IGWOSVM算法和随机森林方法分别预测得到系统误差和随机误差,并将两者累加得到总体误差,进而通过构建正态分布模型得到注灰量区间预测结果,实现了预测模型不确定性的量化。结果表明,改进的IGWO-SVM的预测精度为RMSE=85.32,R^(2)=0.53,MAE=45.64,相比GWO-SVM方法(RMSE=96.58,R^(2)=0.40,MAE=48.45)明显提升,相比BP神经网络算法(BPNN),极限学习机(ELM)存在明显精度优势;在置信度为99%下预测区间覆盖率(PICP)、预测区间宽度(MPIW)和宽度综合指标(CWC)分别为98.71%、363.59 kg/m、363.59 kg/m。

基于B/S结构的三维交互式灌浆可视化系统的研制及应用

目前存在的灌浆系统对数据的处理采用的多是二维成果图表,但它却不能直观地分析不同灌浆参数的空间分布情况,因此也影响了系统的实用性。针对上述问题,本文采用数据库技术、计算机图形处理技术、面向对象技术和三维可视化技术,建立基于B/S结构的三维交互式灌浆可视化系统,从三维的角度提供了一灌浆工程控制分析平台。

基于CATIA的引水隧洞施工动态可视化仿真

针对目前研究通常采用预制动画的形式实现隧洞施工动态可视化仿真的现状和这种方法存在三维模型修改困难、可视化仿真实现过程复杂、且无法进行交互等问题,本文提出了基于计算机图形辅助三维互动式建模软件CATIA的引水隧洞施工动态可视化仿真方法。首先采用参数化设计方法建立引水隧洞施工4D模型,该4D模型不仅能够快速修改引水隧洞模型、实现其施工动态可视化交互仿真,而且该可视化仿真成果也便于修改;其次通过CATIA二次开发实现施工信息的查询;最后结合实际工程进行了应用研究。结果表明该方法不仅提高了引水隧洞施工动态可视化仿真的效率,并且为施工管理人员在施工方案调整的情况下及时了解施工面貌、及时进行有效的决策提供先进的科学技术手段。

心墙堆石坝4D施工信息模型及应用

为实现质量、进度、成本等多源施工信息动态可视化集成、满足堆石坝施工全过程直观动态分析的需要,在分析了心墙堆石坝施工信息多源特性的基础上,提出了堆石坝4D施工信息模型(3D几何模型+时间+多源施工信息)定义、构架,研究了堆石坝4D施工信息模型的实现方法,包括心墙堆石坝三维可视化建模方法、多源施工信息集成方法、堆石坝施工过程4D可视化分析方法等。实际工程应用表明,基于3DGIS平台能实现堆石坝多源施工信息集成与交互式查询分析及施工过程4D可视化分析,可为堆石坝现场施工控制与管理提供重要理论与技术支持。