基于改进粒子群算法的地铁隧道维护策略优化

[目的]维护策略是影响地铁隧道全寿命期服役性能和维护成本的关键因素,因此需研究更适宜的维护策略优化算法。[方法]建立了基于Gamma过程的隧道服役性能退化模型,并对检查计划和维修行为进行了参数化假设;针对维护策略优化数学模型中的随机性问题,提出了一种改进粒子群算法,并与网格枚举法对比验证了该算法的有效性;分析了不同预防性维修阈值和初始检查时间间隔对维护成本的影响。[结果及结论]改进粒子群算法可提升地铁隧道维护策略优化的计算效率;与初始检查时间间隔相比,地铁隧道全寿命周期维护成本对预防性维修阈值更加敏感。

基于代理模型的地铁隧道结构变形预测数字孪生方法

目的:以地铁隧道邻近基坑开挖为典型场景,提出一种基于代理模型的地铁隧道结构变形预测数字孪生方法。方法:构建了邻近基坑开挖引发地铁隧道变形的参数化有限元模型,筛选13个关键参数作为模型输入,以隧道上5个不同位置的横向位移与竖向位移作为模型输出;通过均匀设计生成有限元算例样本,基于BP(反向传播)神经网络建立代理模型,以工程实测数据进行模型验证。结果及结论:隧道横向位移和竖向位移在训练集和验证集上的预测精度大于91.38%,在测试集上的预测精度大于80.00%,计算时间为毫秒级;以上海浦东地区某地块基坑工程案例进行验证,代理模型预测值与工程实测值的误差小于1.5 mm,表明代理模型能够准确预测邻近基坑开挖引发的地铁隧道变形;该方法准确率和实时性初步达到了隧道运维数字孪生应用的性能要求。