基于变异粒子群算法的大坝土料流变参数反演——以观音岩混合坝为例
【图文】:
痈?5m,为国内最高的插入式接头[1-2]。大坝于2012年1月开始混凝土重力坝段浇筑,在2013年1月开始心墙堆石坝段填筑,2014年4月15日,心墙堆石坝填筑至坝顶。2014年10月23日,大坝正式下闸蓄水。2014年11月20日首次在坝顶接头部位心墙及其上游位置发现裂缝,此时水位已经达到接头区域的1/2高度。其后,心墙堆石坝坝顶陆续出现裂缝。直至2014年11月26日,心墙坝与混凝土坝接头区域共出现6条裂缝,最长裂缝达到25m,深5.5m,最大缝宽5cm;心墙坝坝顶上下游两侧出现4条纵向裂缝,上游侧最长裂缝达到127m,裂缝如图1,2所示。图1探坑内的接头区域裂缝位移观测数据和裂缝分布状态表明,心墙部位的
人民长江2017年裂缝是由于竣工后坝壳堆石沉陷过大,导致接头部位上游坝壳呈现向库区及左岸方向的变形,从而牵引心墙产生拉张裂缝。坝壳堆石体竣工后的沉陷主要由竣工后坝体流变变形和蓄水期坝体湿化变形引起。为了进一步分析坝体的安全性,为大坝运行期的变形监测和安全控制提供依据,需要进行筑坝土石料流变参数的反演分析。图2接头区域和坝顶区域的裂缝由于室内试验中试样土颗粒的粒径与现场坝料的填筑粒径差别较大,试样本身存在尺寸效应,加之受现场施工质量的影响,导致筑坝土石料的力学参数与试验参数存在差异。因此,根据现场实测的位移反演筑坝土石料的力学参数,成为土石坝安全监测的有效手段,国内很多学者进行了这方面的研究。沈珠江院士根据实测沉降反演了鲁布革心墙堆石坝坝料的流变参数[3]。此外,还有众多反演研究的实例[4-9],由于计算效率的限制,早期参数反演的计算规模较小,反演分析一般采用二维有限元模型[3],或者较为简化的三维模型[5],很难准确反映坝体应力的影响。随着计算机硬件水平的提高和智能算法的发展,神经网络开始用于替代有限元计算[4,7-8],提高反演计算的速度。同时,遗传算法[9]、免疫算法[6]、粒子群算法等智搜索方法也用于反演分析,提高了参数反演的效率。因此,反演模型的规模逐渐扩大。但是,,神经网络替代有限元计算需要对神经网络进行充分的训练,其计算精度依赖于训练的效率,而且,其训练准确性又依赖于模型观测点的目标函数,也不能完全保证模型所有区域均能够达到测点精度。因此,本文采用并行变异粒子群算法,反演观音岩混合坝土料的流变参数,通过并行有限元计算提高反演计算速度,采用变异粒子群算法提高搜索效率。同时,?
【作者单位】: 大连理工大学近海与海岸工程国家重点试验室;大连理工大学建设工程学部工程抗震研究所;
【基金】:国家自然科学基金资助项目(51109027,51179024,51379029) 中央高校基本科研业务费资助项目(DUT12LK11)
【分类号】:TV698
【参考文献】
相关期刊论文 前10条
1 王朝辉;贾宇峰;;观音岩水电站混合坝接头部位水力劈裂分析[J];水力发电;2017年01期
2 王朝辉;贾宇峰;迟世春;;基于粒子群算法的鲤鱼潭大坝坝料动参数反演[J];人民长江;2016年19期
3 贾宇峰;张洋;迟世春;;观音岩混合坝插入式接头抗震性能研究[J];人民长江;2014年21期
4 刘振平;迟世春;任宪勇;;基于土石坝动力特性的坝料动力参数反演[J];岩土力学;2014年09期
5 汪旭;康飞;李俊杰;;土石坝地震永久变形参数反演方法研究[J];岩土力学;2014年01期
6 周伟;花俊杰;常晓林;杨启贵;马刚;;水布垭高面板堆石坝运行期工作性态评价及变形预测[J];岩土工程学报;2011年S1期
7 朱晟;王永明;胡祥群;;免疫遗传算法在土石坝筑坝粗粒料本构模型参数反演中的应用研究[J];岩土力学;2010年03期
8 赵魁芝;李国英;;梅溪覆盖层上混凝土面板堆石坝流变变形反馈分析及安全性研究[J];岩土工程学报;2007年08期
9 张丙印,袁会娜,李全明;基于神经网络和演化算法的土石坝位移反演分析[J];岩土力学;2005年04期
10 李国英,米占宽,傅华,方维凤;混凝土面板堆石坝堆石料流变特性试验研究[J];岩土力学;2004年11期
【共引文献】
相关期刊论文 前10条
1 贾宇峰;朱茂林;迟世春;;基于变异粒子群算法的大坝土料流变参数反演——以观音岩混合坝为例[J];人民长江;2017年14期
2 苏建伟;陈建龙;钦亚洲;;隧道围岩弹性模量及泊松比反演程序开发与验证[J];河南科学;2017年06期
3 王媛媛;刘东海;;基于自适应差分进化算法的堆石坝参数反演[J];水电能源科学;2017年06期
4 王磊;;基于水岩耦合的面板堆石坝参数动态反演[J];水利规划与设计;2017年06期
5 尹超;师郡;刘菲菲;田伟平;田伟;;基于IDA-PSDA的路堤震害易损性评价[J];中国公路学报;2017年05期
6 周伟;常晓林;马刚;张宜;;堆石体缩尺效应研究进展分析[J];水电与抽水蓄能;2017年01期
7 王海俊;董卫军;田志军;常青;;椭圆-抛物线双屈服面流变模型的应用与研究[J];水力发电学报;2017年01期
8 王朝辉;贾宇峰;;观音岩水电站混合坝接头部位水力劈裂分析[J];水力发电;2017年01期
9 相彪;杨家卫;杨华;;观音岩水电站混合坝插入式接头设计研究[J];水力发电;2017年01期
10 尹超;王晓原;刘菲菲;田伟;MELANI A;;基于Monte Carlo方法的路堤震害风险概率评价[J];交通运输工程学报;2016年06期
【二级参考文献】
相关期刊论文 前10条
1 刘振平;迟世春;赵显波;贾宇峰;;鲤鱼潭大坝坝料动力参数反演[J];岩土工程学报;2015年04期
2 贾宇峰;张洋;迟世春;;观音岩混合坝插入式接头抗震性能研究[J];人民长江;2014年21期
3 汪旭;康飞;李俊杰;;土石坝地震永久变形参数反演方法研究[J];岩土力学;2014年01期
4 王玉赞;迟世春;邵磊;杨昕光;;堆石料残余变形特性与参数敏感性分析[J];岩土力学;2013年03期
5 何敏;李宁;张西前;高焕焕;;黑河黏土心墙土石坝分期位移反分析[J];岩土力学;2013年01期
6 董威信;袁会娜;徐文杰;张丙印;于玉贞;;糯扎渡高心墙堆石坝模型参数动态反演分析[J];水力发电学报;2012年05期
7 迟世春;贾宇峰;杨家卫;;土石坝与混凝土坝接头型式与抗震措施[J];黑龙江大学工程学报;2012年03期
8 马刚;常晓林;周伟;花俊杰;;高堆石坝瞬变-流变参数三维全过程联合反演方法及变形预测[J];岩土力学;2012年06期
9 赵剑明;贾金生;李洪;高希章;关志诚;陈宁;刘启旺;刘小生;;考虑前期震动影响的紫坪铺面板坝震后抗震安全评价[J];水力发电学报;2012年01期
10 朱晟;;水布垭面板堆石坝施工与运行性状反演研究[J];岩石力学与工程学报;2011年S2期
【相似文献】
相关期刊论文 前10条
1 方卫华;徐兰玉;乐国兴;梅星;;改进粒子群算法在大坝力学参数分区反演中的应用[J];大坝与安全;2012年03期
2 陈秀铜;李璐;;基于改进粒子群算法的土石方调配优化研究[J];水力发电学报;2010年02期
3 刘方;纪昌明;向腾飞;周茜;;基于鲶鱼效应多目标粒子群算法的水库水沙联合优化调度[J];中国农村水利水电;2012年11期
4 唐如洋;凌江;;基于粒子群算法的水利类试算问题求解[J];黑龙江水利科技;2013年10期
5 王仁超;刘金飞;李仕奇;张宗亮;;基于蚂蚁和粒子群算法的土石方调运优化方法研究[J];水利学报;2006年11期
6 程春田;唐子田;李刚;杨斌斌;;动态规划和粒子群算法在水电站厂内经济运行中的应用比较研究[J];水力发电学报;2008年06期
7 孙晓娇;侯旭东;刘长良;;基于改进粒子群算法的水轮机调速器参数优化[J];自动化与仪表;2010年05期
8 徐宝松;苗艳东;李波;雷霆;徐华俊;;基于粒子群算法的大坝力学参数反演[J];水力发电;2009年03期
9 龚晓雯;顾冲时;;基于改进粒子群算法的水口重力坝坝体参数反演[J];水电能源科学;2010年02期
10 周佳佳;杨侃;邓丽丽;;基于粒子群算法的水电站厂内经济运行新算法[J];中国农村水利水电;2014年06期
相关会议论文 前2条
1 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年
2 李慧峗;王本德;张永强;曹明亮;;MATLAB粒子群算法工具箱在水文模型参数优化中的应用[A];变化环境下的水资源响应与可持续利用——中国水利学会水资源专业委员会2009学术年会论文集[C];2009年
相关硕士学位论文 前4条
1 王朝辉;基于粒子群算法的坝料动参数反演[D];大连理工大学;2016年
2 周逸之;基于粒子群算法的水电站厂内经济运行分析[D];南昌大学;2013年
3 余明明;基于混沌粒子群算法的大型水电站自动电压控制优化研究[D];华中科技大学;2013年
4 唐子田;水电站厂内经济运行新型算法的研究[D];大连理工大学;2007年
本文编号:2545135
本文链接:https://www.wllwen.com/kejilunwen/shuiwenshuili/2545135.html