您好, 访客   登录/注册

钻孔灌注桩基坑支护结构参数优化设计

来源:用户上传      作者:

  摘要:将遗传算法用于基坑地下连续墙支护优化设计中,通过编辑自动计算程序对地下连续墙支护结构参数优化。算法全部约束均按基坑相关规范要求给出,通过工程实例和监测结果证明该优化设计方法有效性。
  关键词:钻孔灌注桩;基坑支护;遗传算法;优化设计
  Abstract: The genetic algorithm is used for excavation of underground continuous retaining wall optimization design, by editing the automatic calculation program of underground continuous wall supporting structure parameters optimization. Algorithm of all constraints is requirements of related codes are given according to the foundation; through the project example and the results prove the validity of the optimization design method.
  Key words: bored pile; foundation pit; genetic algorithm; optimization design
  中图分类号:U443.15+4文献标识码:A文章编号:
  
  
  深基坑支护结构随着城市化建设大量出现,同时支护选型和设计极为保守造成浪费,如何选取合理设计基坑同时保障基坑及周围环境安全前提下使工程造价最低是工程设计最关心的问题,所以深基坑支护结构优化设计具有显著技术经济意义。
  深基坑支护优化设计设计参数复杂,目标函数与设计参数之间的关系是复杂的非线性关系[1],神经网络遗传算法是具备智能性、全局优化性和内在学习性等特点一种优化计算方法,可解决深基坑支护优化设计的非线性关系。
  1 遗传算法基本原理
  遗传算法采用编码的技术,效仿了生物物种由低级到高级的进化过程,从初始种群开始,采取“优胜劣汰,适者生存” 的自然法则对个体进行选择、交配、变异,进而产生新一代种群,重复逐代演变进化,直到产生出满足条件要求的个体为止,它是基于种群的智能优化法的一种。
  遗传算法具有智能性、全局优化性和隐含并行性三个特点。遗传算法具有智能算法中的自适应、自组织和自学习等特点,由于交叉算子的作用,使得搜索方向集中在空间中期望值最高的部分,同时由于变异算子的作用,确保了群体的多样性,防止了搜索被引导到局部最优。遗传算法具有潜在的并行性,由于搜索过程是同时从多个点出发,使得这种多智能体的协作过程是异步并发进行的,同时搜索解空间内的多个区域,相互交流信息,这种分布式并行模式大大提高整个算法的快速反应能力和运行效率。除此之外,遗传算法还具有通用性、内在学习性、多解性、非定向性等特点,这些特点使遗传算法在实际的工程优化中,得到了很大范围的应用。
  遗传算法常用步骤如下:①目标函数确定;②根据约束条件生成解的初始成员种群;③译码染色体使其适合评价并给予适应值;④以根据优胜劣汰,去掉适应值差的染色体,并按概率随机选择幸存的染色体进行复制形成新的群体;⑤根据概率随机选择染色体进行杂交和变异的操作;⑥对子代群体重复步骤③-⑤的操作,不断进行遗传进化,让种群平均适应值和最优个体提高,直到适应值趋于稳定,即完成最优参数。
  2 数学模型的建立
  某工程基坑支护采用钻孔灌注桩,本文以三层钢支撑形式为例进行数学模型。
  2.1优化参数的选取
  根据优化参数的选取原则,将钻孔灌注桩支护结构[2]中的桩径D、支撑位置m、嵌固深度hd、桩间距S作为优化参数变量,而将混凝土强度等级、配筋方式、钢筋等级、直径和土层计算参数等变量均作为设计参量预先固定下来,则变量空间为:X=[hd,D,m1,m2,m3,S]T
  hd ∈[0.5h , 1.5h] D ∈[0.6 ,1.2]S∈[0.5D , 2.5D]
  m1∈[0.1h , h-hs′] m2∈[m1+hs, h-hs′ ]m3∈[m2+hs, h-hs′ ]
  其中:hs′为最后一道支撑与基坑底的最小间距;hs为钢支撑竖向的最小间距; S指的是两个桩之间的中心距;h为基坑的开挖深度。将所求解空间X=[hd,D,m1, m2,m3,S]确定每个变量的精度后,利用二进制编码对所求变量的解空间进行转换,形成初始种群。
  2.2约束条件处理
  用构造罚函数的方法处理约束条件,采用,:
  若>0,;若≤0,则;而,定义为违反系数,则上述约束问题转换成为了无约束问题,即:
  
  式中:为原目标函数,称为惩罚后的目标函数,参数为惩罚因子,根据对所求解可行性的要求严格程度而定。
  2.3适应度函数的确定
  选取单位宽度的桩材料造价作为目标函数,即:
  式中:h为基坑开挖的深度 ,hd为桩的嵌固深度,D为桩径,S为桩间距。
  选取适应度函数为:
  式中:c为系数常量,用以调整适应值的区间,通常取值为100-1000,显然的值越大,该母体越优。
  2.4收敛判别
  选择下式作为收敛判别准则: (是一个充分小正数),如果满足了收敛判别,则输出结果,否则重复计算。
  优化程序的实现是基于MATLAB语言,首先编写遗传算法的运算函数,其中包括了编码、适应度评判、选择、交叉、变异、解码等运算,函数调用了先前编制好的围护结构内力和变形计算的函数,为了便于了变量的输入输出,利用生成界面的GUI函数,编写了参量输入界面、优化运行和结构计算界面。
  3 工程概况
  浙江杭州市区某车站基坑工程[3],基坑平均深度为14.6m,按照建筑基坑支护,本车站基坑支护工程安全等级为一级。综合本站周边环境、地质条件和工程造价等,基坑主体围护结构采用钻孔灌注桩,钻孔桩选用循环钻施工。本区间地下水埋深为1.3-2.8m,主要为上层滞水,地下水位不连续,水文地质条件较简单。
  3.1 计算参数选取
  钻孔灌注桩采用为C30,桩径1300m。围护结构的水平受力体系采用钢管内支撑方案,设三道内支撑,采用Φ600,t=16的钢管支撑,钢管材料采用Q235钢,结构设计时应根据结构类型,按结构整体和单个构件可能出现的最不利情况进行组合,依相应的规范要求进行计算,并考虑施工过程中荷载变化情况分阶段计算 。各土、岩层物理力学指标见表1。
  表1 土、岩层物理力学指标
  
  
  3.2 优化结果与分析
  通过程序自动计算,优化结果表明,围护桩的嵌固深度和桩间距的对改变,对设计结果具有较为大的影响,在桩径不变的情况下,嵌固深度的变小和桩间距的增大,都会使得围护结构的上部水平位移和弯矩有所增大,但通过改变支撑的位置和支撑的预加轴力,可以保证围护结构的位移满足规范要求的允许值,优化结果显示:墙体的最大弯矩比原设计增加了14.4%,墙体的最大剪力增加了19.2%,但都在设计允许值之内。而造价比原设计降低了17.4%,因此优化结果是比较理想的。根据优化后的支护结构参数计算所得围护结构变形和受力优化结果对比见表2:
  表2 优化结果对比表
  
  
  4 结语
  通过工程实例证明遗传算法能够对基坑支护进行优化设计,具有经济效益,自动化计算程序在工程实践中更具有应用价值。
  
  参考文献
  [1]李云安.深基坑工程变形控制优化设计及其有限元数值模拟系统研究:博士学位论文[A].武汉:中国地质大学,2000.
  [2]刘建航,侯学渊主编.基坑工程手册[M].北京:中国建筑工业出社,1997.75~321.
  [3]吴玺.沉管灌注桩和钻孔灌注桩的组合应用研究[ J].山西建筑,2010,36(9):87-89.
  
  作者简介:赵京江(1982-),男, 工程师,广东省江门市529000

转载注明来源:https://www.xzbu.com/2/view-4700919.htm