Influence factors for seismic performance of bridge abutment with geosythetic-reinforced soil (GRS)
-
摘要: 目前，关于加筋土桥台抗震性能的影响因素的研究工作主要偏重于数值分析，且未涉及对面层连接型式的影响研究。通过振动台缩尺模型试验研究水平地震作用下加筋间距、加筋长度、筋材刚度和面层连接型式等因素对加筋土桥台抗震性能的影响。研究结果表明，加速度响应和承载区中心下竖向土压力受加筋间距、加筋长度和筋材类型（包括筋材刚度和面层连接型式的不同）的影响很小。面层侧向位移和筋材应变受加筋间距的影响较大，加筋间距翻倍导致面层侧向位移和筋材应变成倍增长；加筋长度和筋材刚度的变化对面层侧向位移的影响则较小，对筋材应变的影响更小；面层连接型式则对面层侧向变形的模式有较大影响。各变量因素对面层侧向土压力的影响较小，影响规律不太明显。研究的变量因素中，加筋间距和面层连接型式对加筋土桥台的抗震性能的影响较大。Abstract: Currently, most researches on the seismic performance of bridge abutment with geosythetic-reinforced soil (GRS) and the related influence factors focuses on the numerical analysis, among which the connecting pattern between the reinforcement and the facing system is rarely studied. To solve this issue, a series of shaking table tests are performed to investigate the seismic behaviors of bridge abutment with GRS under horizontal earthquakes with special attention paid on the reinforcement conditions including spacing, length, stiffness and connecting patterns. According to the test results, it is found that the acceleration response and the vertical earth pressure under the load-bearing area are scarcely influenced by the reinforcement conditions as mentioned above. The lateral displacement of the facing and the tensile strain of the reinforcement are obviously affected by the reinforcement spacing, e.g., significant increases in the lateral displacement of facing and tensile strain of reinforcement are noticed under a doubled reinforcement spacing. On the other hand, the length and stiffness of reinforcement have small effects on the lateral displacement of facing as well as the tensile strain of reinforcement. A marked effect is observed in the distribution of the lateral deformation of facing for different connecting patterns between the reinforcement and the facing system. In addition, the influences caused to the lateral earth pressure behind the facing are found to be small. To conclude, among the evaluated factors, a greater influence is observed in the spacing of reinforcement and the connection pattern of reinforcement-facing system on the seismic performance of the bridge abutment with GRS.
-
0. 引言
随着中国经济的稳步发展和综合国力的不断提高,公路隧道的建设也日新月异。新奥法是目前山岭隧道建设的主要施工技术体系,在新奥法的设计理念中,对现场的监控量测是不可或缺的工作之一[1]。尤其在目前信息化、智能化的趋势下[2],隧道施工的动态设计和实时响应依赖于对隧道断面收敛变形的把握。目前在钻爆法施工隧道中,主要使用全站仪对断面变形进行检测,但是采用这种方法获得的数据量较小,只能通过利用非线性函数对数据进行回归拟合分析的方法对隧道断面收敛变形值进行预测,然而由于数据量小,单次检测误差对拟合函数的影响较大,简单的函数曲线很难精确地反映出隧道断面的收敛变形情况。
而随着无线通信技术和智能传感器的高速发展,精确把握隧道断面的收敛变形情况成为了可能。Straser等[3]针对土木工程中结构的变形监测问题提出了无线传感网络（WSN）的概念。在此之后,WSN系统也被应用到了隧道变形的监控量测中[4-6]。WSN是一种分布式传感网络,它通过无线通信技术将各种传感器节点联系起来。相较于使用全站仪每天或多天的检测频率,WSN系统可以对隧道重点部位进行每小时甚至更密集的长时间连续监测,这样可以得到较大的监测数据量,并且呈现时间序列的特点。近年来,国内外众多学者针对时间序列提出了很多处理方法。赵洪波[7]基于支持向量机算法对围岩变形监测数据的非线性时间序列进行滚动预测。齐甦等[8]建立了灰色-马尔可夫链模型对围岩的变形进行预测。Yao等[9]建立了递归神经网络的预测方法,并采用插值的方法弥补了训练集不足的问题,提高了预测模型的精度。Xu等[10]利用长短时记忆网络预测了边坡位移的周期项时间序列。Yang等[11]提出了一种基于长短时记忆网络的动态模型来预测三峡库区的边坡位移。但是,对山岭隧道的实时无线安全感知和预测的研究尚少。
本文在营盘山隧道布设了一套WSN监测设备,并构建了基于Web的隧道施工安全风险动态管控系统平台。通过WSN设备获得监控量测数据的时间序列,用以此训练构造的长短时记忆（long short-term memory,LSTM）网络,预测出监测位置的稳定变形值。
1. 工程概况
营盘山隧道属于国家高速公路网G4216上海至成都高速公路工程华丽高速第9合同段,位于云南省丽江市华坪县,为双向四车道高速公路,全长11.31 km,属特长公路隧道。隧道最大埋深约877 m,穿越地层条件复杂,工程风险较高。
本文所监测的隧道段围岩属IV级围岩,埋深约450 m。营盘山隧道整体采用初期支护和二次衬砌相结合的复合式衬砌,监测隧道段的监测时间为初期支护施作后至二次衬砌施作前的一段时间。
2. 数据的采集及预处理
2.1 WSN监测系统
无线传感网络（WSN）是一种分布式传感网络,它通过无线通信技术将各种传感器节点联系起来。WSN系统包括数据采集节点、中继节点、网关和云端服务器等。传感器节点使用MEMS（micro electro mechanical system）传感器,具有体积小、成本低、功耗低和易于实现智能化等优点。数据采集节点采集该节点处所监测的数据,基于ZigBee通讯协议通过中继节点传递给网关,再通过4G网络从网关传递到云端服务器。在监测过程中,用户可以使用个人电脑或移动终端等在云端对各传感节点的数据进行分析处理。
本文中布设的无线激光传感器属于数据采集节点（图1）,内置超低功耗的CPU、RTC芯片以及铁电存储器,采用锂电池供电,搭配高效DC/DC降压转换器,并用100 mm×100 mm×60 mm大小的金属铸铝外壳封装,具有P6防水能力。网关布设需要在4G信号良好的位置,一般布设在隧道洞口。当数据采集节点与网关之间距离超过500 m时,需要布设中继节点,以便将监测数据由数据采集节点传输至网关。
无线传感网络还可以调节其传感器节点的监控频率（本文工程项目所采用的频率默认设定为每小时1次）以适应不同的工程需求。凭借其小型化、无线化、实时性、灵活性等优势,无线传感器网络将越来越多地应用于隧道结构的监控量测中。
2.2 WSN系统布设
营盘山隧道采用上下台阶法钻爆开挖,监测方案包含隧道左线的3个断面（图2）,其中,ZK23+080断面下台阶已开挖,ZK23+110和ZK23+140两个断面尚未进行下台阶开挖。本文选取较典型的ZK23+080里程断面的实际监测数据为研究对象,共布设3个无线激光传感器（图3）,分别监测上台阶水平收敛值、下台阶水平收敛值和拱顶沉降值。为保护传感器设备不被钻爆施工破坏,在初衬面施工前预留了450 mm×300 mm×300 mm大小的洞位,用于布设无线激光传感器。另外,施工粉尘沉积会对监测精度造成一定的影响,本项目通过人工擦拭的方式除尘。
在监测断面洞周上,布设了一条LED风险警示灯带（图4）,基于隧道的收敛变形对现场工人进行预警、报警,在隧道施工处于安全、预警和报警状态时,灯带分别显示绿色、黄色和红色。根据《公路隧道设计规范》（JTG D70—2004）,各监测位置收敛变形的预警和报警值分别取0.8%和2.0%的洞周相对收敛值。
2.3 监测数据预处理
本文构建了基于Web的隧道施工安全风险动态管控系统平台,平台上直观地展现了工程概况、地理位置、工程进度及传感器的工作情况等,管理人员还可以填写项目的相关资料并对隧道段进行风险评估。
由于初期支护的混凝土表面不平整等原因,在平台上获得的实际施工中的监测数据不可避免地会产生一定的误差,所以首先采用高斯滤波器对监测数据进行降噪处理（图6）。高斯滤波器是一种线性平滑滤波器,可以有效消除噪声的影响。对于缺损的数据点,采用线性插值的方法进行补全[9]。
无线激光传感器的监测精度为1 mm,去噪后的数据的误差都在可接受范围内。经过高斯滤波器去噪处理,数据更加合理可信。
3. 围岩变形时间序列预测
3.1 LSTM网络介绍
长短时记忆（long short-term memory,LSTM）网络是循环神经网络（recurrent neural network,RNN）的一个变种,它可以解决标准RNN神经网络对早期信息学习不足的问题[12],其核心是通过3个门来控制单元信息：遗忘门、输入门和输出门。遗忘门决定丢弃旧单元中的哪些信息,输入门决定在新单元中存储哪些信息,输出门决定输出哪些单元信息。LSTM网络通过这种方式可以记住有用的信息,也可以忘记无用的信息,在时间序列的预测方面更具优势。
3.2 隧道监测位置变形预测
本文构建了1个3层LSTM网络来对隧道监测位置变形的时间序列进行预测,其中输入层、隐藏层、输出层神经元个数分别为1,4,1。在LSTM网络中对预处理后的数据进行训练,训练集与测试集的比例为2∶1,预测至收敛变形值接近稳定为止（图7）,得到各预测曲线的误差（表1）。由于训练样本的波动,得到的预测曲线仍具有一定的波动,故采用高斯滤波器进行去噪,可以得到隧道变形趋于稳定的收敛变形值。
表 1 LSTM网络的均方根误差(RMSE)Table 1. RMSE of LSTM networks监测项目 训练集误差 测试集误差 上台阶水平收敛 0.1310 0.1277 下台阶水平收敛 0.3570 0.4165 拱顶沉降 0.3012 0.2256 由此可以得到各监测位置稳定阶段的收敛变形值,上台阶水平收敛值为15.89 mm,下台阶水平收敛值为12.39 mm,拱顶沉降值为22.72 mm。
3.3 预测结果分析
模仿全站仪检测的模式,对每个时间序列等间距取6个数据点作为基础数据点,对于上台阶水平收敛和拱顶沉降,取11月6日下台阶开挖之后的数据。每个监测位置用3种常用非线性函数曲线对基础数据点进行拟合（图8）,拟合结果用均方根误差评价（表2）。
表 2 拟合曲线的均方根误差(RMSE)Table 2. RMSE of fitting curves监测位置 拟合曲线 RMSE 上台阶水平收敛 LSTM 0.1310 y=15.47-11.11/x 0.4200 y=x/(0.0118+0.0260x)-21.89 0.3347 y=-13.81x^(-0.634)+18.39 0.3105 下台阶水平收敛 LSTM 0.3570 y=14.99-14.39/x 0.7181 y=x/(0.00187+0.0102x)-82.18 0.8091 y=3120x^(0.00227)-3118 1.3605 在上、下台阶水平收敛的预测结果中可以看出,LSTM网络对时间序列曲线的趋势预测更加准确,在基础数据点较少的情况下,相对于非线性曲线拟合的方法可以更加准确地反应隧道监测位置的变形细节。由于本文拱顶沉降的监测数据量过少,选取的基础数据点尚不能反映变形之规律,因而不具有参考意义。
4. 结论
本文在营盘山隧道布设WSN系统的基础上,基于监测数据的时间序列,采用LSTM网络对监测位置的收敛变形进行预测。主要结论如下：
（1）将WSN系统布设在营盘山隧道中,有效地监测了ZK23+080里程断面各位置的收敛变形,证明WSN系统对山岭隧道施工期的形变监测具有一定的工程可行性和应用价值。
（2）构建了基于Web的隧道施工安全风险动态管控系统平台,管理人员可以在平台上获取项目的有关信息并实时查看传感器的工作情况。
（3）提出了采用LSTM网络预测山岭隧道的收敛变形值,利用机器学习方法结合WSN系统得到的大量数据,可以更加准确地反映隧道断面变形的过程。
-
![]()
图 3 平均峰值加速度放大系数的对比
Figure 3. Comparison of amplification factors of average peak acceleration
表 1 模型试验方案
Table 1 Plans of model tests
试验编组 加筋间距
Sv /m加筋长度
Lr筋材类型 筋材强度
Tf/(kN·m-1)A 0.05 0.7 Ha 土工格栅 5 B 0.10 0.7 Ha 土工格栅 10 C 0.05 1.0 Ha 土工格栅 5 D 0.05 0.7 Ha 牛皮纸 5 注：筋材类型的改变，本质上是筋材刚度和面层连接型式的改变。 
下载: 导出CSV
表 2 试验用筋材的主要力学性质参数
Table 2 Main mechanical properties of reinforcements
筋材类型 120 g
牛皮纸未处理
格栅剪肋
格栅极限拉伸强度/(kN·m-1) 5 10 5 2%伸长率时拉伸强度/(kN·m-1) 5 3.4 1.6 2%伸长率时筋材刚度/(kN·m-1) 320 170 80
下载: 导出CSV
-
[1] WU J, KETCHART K, ADAMS M. Two full-scale loading experiments of geosynthetic-reinforced soil (GRS) abutment wall[J]. International Journal of Geotechnical Engineering, 2008, 2(4): 305–317. doi: 10.3328/IJGE.2008.02.04.305-317
[2] KELLER G R, DEVIN S C. Geosynthetic-reinforced soil bridge abutments[J]. Transportation Research Record: Journal of the Transportation Research Board, 2003, 1819(1): 362–368. doi: 10.3141/1819b-46
[3] 罗敏敏, 徐超, 杨子凡. 土工合成材料加筋土柔性桥台复合结构及应用[J]. 土木工程学报, 2019, 52(增刊1): 226–232. https://www.cnki.com.cn/Article/CJFDTOTAL-TMGC2019S1029.htm LUO Min-min, XU Chao, YANG Zi-fan. Geosynthetic reinforced soil-integrated bridge system and its applications[J]. China Civil Engineering Journal, 2019, 52(S1): 226–232. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-TMGC2019S1029.htm
[4] YAZDANDOUST M. Investigation on the seismic performance of steel-strip reinforced-soil retaining walls using shaking table test[J]. Soil Dynamics and Earthquake Engineering, 2017, 97: 216–232. doi: 10.1016/j.soildyn.2017.03.011
[5] KOERNER R M, KOERNER G R. An extended data base and recommendations regarding 320 failed geosynthetic reinforced mechanically stabilized earth (MSE) walls[J]. Geotextiles and Geomembranes, 2018, 46(6): 904–912. doi: 10.1016/j.geotexmem.2018.07.013
[6] HELWANY S, WU J T H, MEINHOLZ P, et al. Seismic behavior of GRS bridge abutments with concrete block facing: an experimental study[J]. Transportation Infrastructure Geotechnology, 2017, 4(4): 85–105. doi: 10.1007/s40515-017-0040-z
[7] ZHENG Y, MCCARTNEY J S, SHING P B, et al. Transverse shaking table test of a half-scale geosynthetic reinforced soil bridge abutment[J]. Geosynthetics International, 2018, 25(6): 582–598. doi: 10.1680/jgein.18.00019
[8] ZHENG Y, MCCARTNEY J S, SHING P B, et al. Physical model tests of half-scale geosynthetic reinforced soil bridge abutments. ii: dynamic loading[J]. Journal of Geotechnical and Geoenvironmental Engineering, 2019, 145(11): 04019095. doi: 10.1061/(ASCE)GT.1943-5606.0002158
[9] XU C, LUO M, SHEN P, et al. Seismic performance of a whole geosynthetic reinforced soil – integrated bridge system(GRS-IBS) in shaking table test[J]. Geotextiles and Geomembranes, 2020, 48(3): 315–330. doi: 10.1016/j.geotexmem.2019.12.004
[10] 徐超, 罗敏敏, 任非凡, 等. 加筋土柔性桥台复合结构抗震性能的试验研究[J]. 岩土力学, 2020, 41(增刊1): 179–186. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX2020S1021.htm XU Chao, LUO Min-min, REN Fei-fan, et al. Experimental study on seismic behaviour of reinforced soil flexible abutment composite structures[J]. Rock and Soil Mechanics, 2020, 41(S1): 179–186. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX2020S1021.htm
[11] GHADERI R, HELWANY S, WU J T H, et al. Seismic behavior of geosynthetic reinforced soil(GRS) bridge abutments with concrete block facing: an analytical study[J]. Transportation Infrastructure Geotechnology, 2017, 4(2): 52–83.
-
期刊类型引用(2)
1. 肖汉清，赵斌，熊力，陈令，秦朗，刘杰. 往复荷载作用下滨海滩涂软基长期性能劣化机制试验研究. 河南科学. 2024(09): 1325-1333 . 
百度学术
2. 王斌，韩幽铭，周欣，陈成，张先伟，桂蕾. 太湖湖相黏土层剪切模量衰减特性的原位测试研究. 岩土力学. 2021(07): 2031-2040 . 百度学术
其他类型引用(6)
计量
- 文章访问数: 85
- HTML全文浏览量: 19
- PDF下载量: 18
- 被引次数: 8
