物理信息双驱动的长距离盾构隧道结构纵向力学性态智能诊断方法

针对目前盾构隧道纵向结构安全诊断面临的瓶颈,提出了一种物理信息双驱动的隧道纵向结构力学性态智能诊断方法。通过将表征隧道纵向结构力学性态的物理方程嵌入物理神经元中,利用实测数据作为信息神经元综合构建了物理信息双驱动的神经网络(physics-informed neural networks,PINNs)模型,可实时更新反演盾构隧道结构参数、周围地层参数以及荷载分布规律,继而正演求解隧道的纵向结构力学性态。将反演得到的参数进一步用于其他隧道段的分析,以实现长距离盾构隧道结构纵向智能诊断。算例与工程实例应用表明,提出的PINNs模型能有效求解隧道结构纵向问题,且相较传统的纯数据驱动的深度神经网络(deep neural network,DNN)模型,PINNs模型表现出了显著的泛化能力与鲁棒性,具有十分可观的工程应用前景。