基于能量原理的隧道岩爆机理及评级研究

来源 :西南交通大学 | 被引量 : 0次 | 上传用户:gba2008
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本论文从隧道围岩开挖前后弹性应变能变化的角度出发,研究分析了岩爆机理及评级。选用岩体局部能量释放率作为岩爆指标,利用有限差分数值计算软件FLAC3D模拟计算了高地应力条件下隧道开挖引起的岩爆现象。对比分析计算结果和现场岩爆情况,得出不同岩爆烈度等级下局部能量释放率值的范围,以此进行岩爆能量评级。基于局部能量释放率指标,研究了初始地应力主应力方向、侧压力系数、粘聚力、内摩擦角、不同开挖进尺、与掌子面距离等影响因素对岩爆等级的影响规律,为隧道工程施工提供一定参考。本论文主要内容及成果如下:
  (1)从能量转化的角度出发,分析了岩爆的形成机理:当地下工程岩体开挖卸荷后,围岩由开始的三轴受力状态变为两轴或两轴半受力状态,围岩局部应变能产生集聚,且岩体极限储能下降。当集聚的弹性应变能超过岩体的储能极限时,弹性应变能突然释放;当释放的弹性应变能超过岩体破坏的极限强度值时,岩体发生动态破坏,能量差额转化为岩体的动能,致使岩爆发生。
  (2)基于能量原理,建立岩爆数值分析方法。选取莫尔库伦屈服准则来模拟岩体材料的力学特性,将单位体积岩体发生脆性破坏前后的弹性应变能差值,即局部能量释放率作为衡量岩爆发生的能量指标,并给出了相应的计算公式和数值实现方法。
  (3)选取发生岩爆的典型隧道工程,基于局部能量释放率指标进行岩爆现象模拟。将模拟结果与实际岩爆位置、烈度等级以及爆坑深度进行对照,得出岩爆评级为:10kJ·m-3<LERR<50kJ·m?3,轻微岩爆;50kJ·m-3≤LERR<100kJ·m?3,中等岩爆;100kJ·m-3≤LERR<150kJ·m?3,强烈岩爆;LERR≥150kJ·m?3,严重岩爆。通过分析岩爆区域应变能释放量得出,岩爆等级越高,释放量越大。
  (4)基于局部能量释放率指标,研究分析了多种影响因素下岩爆发生的规律,得出:岩爆位置大致与最大主应力方向垂直;当地应力中最大主应力方向与隧道洞轴方向平行时,相比于最大主应力垂直于洞轴方向时,产生岩爆的可能性或产生岩爆强度等级大大降低;侧压力系数小于1.0,侧压力系数越大局部能量释放率值越小,大于1.0时,侧压力系数越大局部能量释放率值越大;内摩擦角和粘聚力增大,局部能量释放率越小,发生岩爆的可能性或岩爆强度等级越小;一次性开挖进尺越大,局部能量释放率越大,越容易发生岩爆;隧道开挖会引起掌子面后方0~5m范围内应力增大,应变能增大,掌子面前方0~12m也会受到影响,尤其在一倍洞径范围内发生岩爆的可能性最大。
其他文献
大数据环境的需求下,研究对象一般具有非线性、非凸、高维、超多目标等多种性质或者其中一种。如何对具有高维甚至超高维特征的优化问题进行有效求解,成为目前计算智能领域的一个严峻挑战。受物质在不同相态下丰富运动规律的启发,通过对其运动特性的观察和分析,抽象出自然现象中所蕴含与之相关联的搜索特性及其内在信息处理机制,提出了一种基于物态运动原理的计算模型,在此基础上设计了几种不同类型的优化算法,以解决传统智能
不确定性广泛存在于各类系统中,自动控制系统也不例外。这些不确定性来自于系统外部扰动、内部联结与耦合、子系统故障、参数波动等,不确定性的存在严重影响着系统的正常运行。自从有了控制理论以来,对不确定性的研究就从未停止,反馈控制、自适应控制、鲁棒控制与系统辨识都是解决不同类不确定性的典型代表。试图通过控制与辨识的方法使系统目标间的指标达到某种平衡,这种方法被称之为对偶自适应控制,在千禧之年其被IEEE
随着科技的发展,现实中的优化问题越来越复杂,采用传统优化方法已难以进行有效求解,故而迫切需要探索一些高效的智能优化方法。受自然界中某些现象或过程的启发,研究人员提出了多种演化算法(Evolutionary Algorithms,EAs)范例,为复杂优化问题的求解提供了新的途径。然而,随着迭代的进行,演化算法的种群多样性难以维持,从而易导致全局勘探与局部搜索的失衡。此外,在求解不同类型的优化问题时,
学位
与传统悬架相比,空气弹簧的独特性赋予了汽车空气悬架更多性能优势,通过调节车身高度和对阻尼实现自适应控制,空气悬架不仅可以有效改善车辆在行驶过程中的乘坐舒适性、操作稳定性和行驶安全性,而且能够在一定程度上提高车辆的燃油经济性,已成为汽车工程界的研究热点之一。  车高调节以及其过程中的整车姿态控制是电控空气悬架(Electronically Controlled Air Suspension,ECAS
优化问题是科学研究和工程实践领域中的热门问题。经过近几十年的发展,群体智能优化算法以其简单、灵活、高效等特点,已成为解决全局优化问题的主要技术。经典的群智能优化算法有粒子群算法(PSO)和蚁群算法(ACO)。一方面,这些算法主要是在搜索过程中引入了随机性,能够有效的避免陷入局部解。另一方面,大多数需要优化的实际工程问题都伴随着大量的局部解。因此,采用群智能优化算法来获得全局优化问题中的最优解具有重
学位
在经济系统、飞行控制系统、机器人操作系统等实际应用中,由于子系统间耦合的变化、环境的突然干扰或其它原因,系统的参数和结构都可能发生突变。为了更加贴切的对突变系统进行描述,一般采用兼有离散和连续变量两种运行机制的混杂动态系统进行建模,模态之间的转换有多种表示形式,其中由于Markov链具有特殊的Markov性,因此通常使用具有Markov切换的微分方程来解决。在过去的几十年里,这一领域的主要成果已经
多自主体系统在工业、军事、医疗和交通运输等诸多领域有着广泛引用。由于实际中的多自主体系统往往具有非线性特性,并且因空间、能量以及执行器和传感器结构的限制使得系统通常受饱和约束,因此,开展非线性多自主体抗饱和一致性策略研究具有重要理论意义和潜在应用价值。鉴于此,本文针对受饱和约束的非线性多自主体系统,基于脉冲、模糊和神经网络等先进控制理论开展一致性控制策略研究。主要研究内容包括:  针对一类具有执行
机器学习的不断发展、大数据技术和深度学习的快速兴起,对数据处理硬件的速度、体积、功耗提出越来越高的要求。但是受到摩尔定律逐渐失效和冯·诺依曼架构瓶颈的制约,现有的CMOS硬件平台已经渐渐不能满足海量数据处理的需求,这促使人们开始探索下一代的数据处理硬件。在新兴的数据处理硬件平台中,忆阻神经网络电路被认为是解决现有制约的最具潜力的硬件平台之一。因此,研究忆阻神经网络电路设计具有重要意义。  模拟联想
人脸识别作为深度学习重要应用之一,在近几年中取得突破性进展,被广泛应用在视频监控、客流疏通、火车机场安检等领域。对人脸识别系统而言,人脸图像样本的采集是最基础的一环,但采集大量样本成本很高,且在护照和身份证信息核对等实际应用中,只能采集到的每个个体身份证上的人脸图像,这就产生了只有单张训练样本的单样本人脸识别。只利用一张训练样本在光照、表情、遮挡等约束条件以及无约束条件下识别出目标样本。由于类内变
学位
随着深度学习和人工智能的快速发展,表示学习成为学术界和工业界一个日益重要的课题。在本文中,关注两类常见数据的表示学习;图像数据和图结构数据。对于图像数据,首先针对一类特殊的图像数据;摄像头下的行人图像数据的表示学习,然后研究一般的图像数据的表示学习。对于图结构数据,重点研究时空图结构数据的表示学习及其应用。  在近几年内,已经有大量针对图像和图结构数据的表示学习研究,学习效果取得了显著的提升。但是
学位