Evaluación aleatoria difusa del modelo de fluencia de suelo blando congelado en la construcción de túneles de metro utilizando la técnica de congelación artificial del suelo

Scientific Reports volumen 13, Número de artículo: 9468 (2023) Citar este artículo

Detalles de métricas

Dominar las características de fluencia del suelo congelado artificial y evaluar científicamente el modelo de fluencia es una garantía importante para la seguridad de la construcción de túneles subterráneos congelados. Sobre la base de la construcción del túnel del metro de Nantong, se llevaron a cabo pruebas de resistencia a la compresión uniaxial del suelo blando congelado artificialmente para obtener la ley de influencia de la temperatura en la resistencia a la compresión uniaxial, y se llevaron a cabo pruebas de fluencia uniaxial para obtener la ley de influencia de temperatura y grado de tensión en la fluencia, a −5, −10 y −15 °C. Los resultados experimentales muestran que las características de fluencia de los especímenes de suelo blando congelado tienen una aleatoriedad difusa evidente. El algoritmo de colonia de hormigas tradicional se mejora optimizando el coeficiente de fuzzificación de feromonas, lo que mejora la eficiencia de búsqueda y evita el óptimo local de manera efectiva. Posteriormente, el algoritmo mejorado de colonia de hormigas difusas se utiliza para invertir los parámetros de flexibilidad de los modelos de fluencia de permafrost comúnmente utilizados. El peso borroso del índice de evaluación y la matriz de evaluación aleatoria difusa se determinaron para evaluar el modelo de fluencia óptimo bajo tres niveles de estrés diferentes de suelo blando congelado. Finalmente, la confiabilidad del método de evaluación aleatoria difusa se verificó mediante datos medidos de ingeniería.

La tasa de urbanización de China ha aumentado continuamente en los últimos años. La migración de la población a las ciudades ha provocado un rápido aumento de la población urbana, lo que ha dado lugar a una mayor presión del tráfico. Por lo tanto, el desarrollo del transporte ferroviario urbano ha sido un medio eficaz para mejorar los viajes urbanos. En los últimos 20 años, el tránsito ferroviario urbano de China se ha convertido en uno de los más largos del mundo. La construcción del tránsito ferroviario se ha convertido en la máxima prioridad de desarrollo del transporte nacional, particularmente en las ciudades costeras abiertas con un rápido desarrollo económico. Sin embargo, los materiales del suelo en las áreas costeras son blandos y tienen características que varían con el tiempo debido a la influencia de las condiciones geológicas marinas costeras1,2. En la excavación del metro, el suelo alrededor del túnel generalmente se refuerza utilizando el método de congelación artificial durante la construcción para aislar el agua subterránea de manera efectiva y servir como soporte temporal3.

El suelo congelado por congelación artificial es un material de construcción poroso altamente complejo que comprende agua descongelada, hielo, partículas minerales y hielo cementado, entre otros. Estos componentes anisotrópicos interactúan entre sí. Influenciado por campos de temperatura desiguales y la migración de humedad, el deslizamiento del suelo congelado en la ingeniería subterránea muestra aparente aleatoriedad y confusión. Por lo tanto, es necesario comprender las características de fluencia del suelo congelado artificialmente, un material de construcción único, para la seguridad de la construcción del túnel del metro por el método de congelación4,5. Además, de acuerdo con las características geológicas del suelo costero blando, diferenciar y evaluar científicamente varios modelos de fluencia para representar el proceso de fluencia es importante para el análisis de estabilidad de las paredes congeladas del túnel. Además, es un tema de la mecánica de suelos congelados que ha ganado mucha atención en la investigación6,7.

Investigadores de todo el mundo han realizado estudios sobre el modelo de fluencia del suelo congelado. A través de la investigación de campo y el análisis de la microestructura, Cong et al.8 discutieron preliminarmente el mecanismo de falla por fluencia de la pendiente del suelo expansivo después del ciclo de congelación-descongelación (F-T) y establecieron el modelo de fluencia del suelo expansivo utilizado para predecir la cantidad de fluencia de cada etapa. He et al.9 realizaron una prueba de fluencia de carga graduada a largo plazo en muestras de roca salina. El método mejorado de tensión-deformación isócrona y el método de tasa de fluencia en estado estacionario se utilizaron para determinar la resistencia a largo plazo de la roca salina, describiendo con precisión el comportamiento de fluencia de la roca salada. Zhou et al.10 realizaron pruebas de microscopía electrónica de barrido y carga graduada en la roca blanda profunda con diferentes aumentos y establecieron un modelo de fluencia no lineal de tres elementos. Las pruebas mostraron que el modelo de fluencia era consistente con los datos de la prueba de fluencia. Zhu et al.11 realizaron la prueba de fluencia de descarga, analizaron el desarrollo de la deformación con el tiempo bajo diferentes presiones de confinamiento y establecieron un modelo de Merchant relacionado con el estrés para describir la fluencia de descarga de arcilla blanda. Guo et al.12 modificaron el modelo de fluencia de Singh-Mitchell mediante una función logarítmica basada en la prueba de compresión de dos tipos de ganga de carbón. El análisis muestra que este modelo puede describir las características de fluencia de la ganga de carbón. Liu et al.13 utilizaron elementos diferenciales fraccionarios en lugar del elemento viscoso en el modelo tradicional de Xiyuan para obtener los parámetros de fluencia no lineal y el modelo de roca. Los experimentos muestran que el nuevo modelo puede describir de manera integral las características de fluencia acelerada no lineal de la roca. Yao et al.14 invirtieron los parámetros del modelo de fluencia a través de pruebas de compresión y corte triaxial para describir el proceso de fluencia desde la etapa primaria hasta la tercera.

Resumiendo los resultados de la investigación anterior, los investigadores suelen utilizar el análisis bayesiano de mínimos cuadrados, la estimación de máxima verosimilitud y otros métodos basados ​​en la teoría aleatoria para la inversión de parámetros del modelo de fluencia15,16. Aunque tales métodos son simples y fáciles de usar, su eficiencia de inversión no es alta en la ingeniería práctica. En cuanto a la evaluación y selección del modelo de fluencia, normalmente se utilizó el índice de evaluación único, o el peso del índice de evaluación lo dio la experiencia. Sin embargo, tal sistema de evaluación carece de racionalidad de ingeniería, y el modelo óptimo real a menudo no está disponible. Además, la mayoría de los análisis actuales del modelo de fluencia del suelo congelado artificialmente solo consideran la aleatoriedad de los parámetros y las relaciones constitutivas. No consideran la ambigüedad de este material de construcción único en la ingeniería subterránea profunda.

Por lo tanto, este estudio realizó un análisis de prueba uniaxial de la capa de suelo congelado blando en la ingeniería de túneles subterráneos en la zona costera. El algoritmo mejorado de colonia de hormigas difusas se utilizó para realizar una inversión aleatoria difusa de los parámetros del modelo de fluencia del suelo congelado comúnmente utilizados. En consecuencia, se estableció una función objetivo de evaluación aleatoria difusa de doble índice. En combinación con las condiciones de trabajo reales de las capas de suelo blando en los túneles subterráneos de las zonas costeras, se evaluaron exhaustivamente los modelos de fluencia tradicionales. Además, se obtuvieron los modelos óptimos bajo diferentes condiciones. Este análisis se integró al cálculo inteligente, considerando la aleatoriedad y la borrosidad. Este estudio proporciona un método nuevo y más eficaz para el análisis de incertidumbre de la mecánica del suelo congelado artificialmente.

La Línea 1 del Metro de Nantong, una de las 14 ciudades costeras en desarrollo de China, tiene una longitud total de 52,37 km, con 27 estaciones. El túnel entre estaciones a lo largo de la línea subterránea se construye utilizando el método de congelación. Para garantizar que los resultados de la prueba uniaxial sean representativos del proyecto, los suelos no perturbados utilizados en la prueba se recolectaron de tres capas típicas de suelo blando del túnel del metro en el proyecto construido con el método de congelación.

En la etapa de investigación de ingeniería, el pozo se giró verticalmente, la muestra del núcleo del suelo se obtuvo de la capa de muestreo correspondiente (como se muestra en la Fig. 1), y la piel de lodo se raspó y se selló cuidadosamente con el paquete de preservación de plástico de doble capa. . La etiqueta de la muestra se adjuntó al registro, se selló con cinta adhesiva y se ató con una cuerda. La muestra de suelo empaquetada se colocó en la caja central, se cubrió con paja y papel triturado y se transportó de manera segura al laboratorio17,18,19. La Tabla 1 muestra los parámetros físicos y mecánicos de cada capa de muestra de suelo.

Muestras de testigos de suelo.

La cámara geotécnica del laboratorio se abrió con cuidado. Las capas superior e inferior se diferenciaron según la dirección de deposición natural de las muestras de suelo. Posteriormente, ambos extremos fueron serrados planos. De acuerdo con el estándar de prueba de suelo congelado artificialmente de China (MT/T593.6–2011), las muestras de suelo aserrado se transformaron en especímenes de Φ 50 mm × 100 mm. Los errores de forma y paralelismo estaban dentro del 1,0% y 0,5 mm, respectivamente.

El equipo de prueba de suelo congelado artificialmente WDT-100 que se muestra en la Fig. 2 se usó para la prueba uniaxial. La curva de tensión-deformación se puede mostrar en tiempo real en esta prueba. La capacidad de carga máxima, la temperatura mínima y la precisión del dispositivo fueron 100 kN, − 50 °C y 1 %, respectivamente. Una computadora controlaba automáticamente la carga y recopilaba los datos de acuerdo con los parámetros establecidos.

Aparato de arcilla congelada artificialmente WTD-100.

Antes de la prueba, la muestra de suelo blando se curó a la temperatura negativa especificada durante más de 48 h para garantizar que la temperatura de la muestra fuera uniforme durante la prueba. De acuerdo con la especificación MT/T593-2011, se realizaron pruebas de resistencia a la compresión no confinada uniaxial de muestras de suelo blando a -5, -10 y -15 °C mediante carga controlada por deformación. Se dispusieron dos medidores de desplazamiento simétricamente a ambos lados del espécimen para medir la deformación axial del espécimen y calcular la deformación axial tomando el valor promedio20,21. Durante la prueba, se usaron tres especímenes bajo cada condición de temperatura. Las tablas 2, 3, 4 muestran los resultados de la prueba.

Los resultados de las pruebas muestran que la resistencia a la compresión del suelo blando congelado tiene una relación lineal con el cambio de temperatura bajo compresión uniaxial. La resistencia a la compresión uniaxial aumentó con una disminución en la temperatura del espécimen.

Para describir la relación tensión-deformación durante el ensayo de compresión uniaxial, se dispusieron dos medidores de desplazamiento simétricamente en la dirección axial de las muestras de suelo blando. Posteriormente, se establecieron los diagramas de relación entre deformación axial (deformación ε) y carga (esfuerzo axial σ) de las probetas a diferentes temperaturas, como se muestra en las Figs. 3, 4, 5.

Relación tensión-deformación de la arcilla (Capa 1).

Relación tensión-deformación del limo (Capa 2).

Relación tensión-deformación de arcilla limo (Capa 3).

Los resultados de la prueba muestran que la curva de tensión-deformación del suelo blando congelado primero exhibió características de endurecimiento y luego demostró una tendencia a ablandarse. La deformación por falla estuvo entre 10 y 20%, indicando características de falla por expansión por cortante.

A los tres niveles de temperatura de − 5, − 10 y − 15 °C, se utilizó el método de probetas múltiples para realizar ensayos de fluencia uniaxial con niveles de tensión de 0,3 \(\sigma_{c}\), 0,5 \(\ sigma_{c}\) y 0.7 \(\sigma_{c}\) respectivamente, donde \(\sigma_{c}\) es la resistencia a la compresión uniaxial, determinada según las Tablas 2, 3, 4.

Antes del ensayo de fluencia, la muestra se colocó entre los cabezales de presión superior e inferior del aparato de fluencia, y la superficie de la muestra se selló para evitar cambios en el contenido de agua. El dinamómetro y el medidor de desplazamiento estaban bien instalados y conectados. Luego, se puso en marcha el sistema de carga y la muestra se cargó rápidamente hasta el nivel de tensión requerido. Durante la prueba, la muestra se sometió a una tensión constante y se registraron los valores de tiempo y deformación de todo el proceso. Cuando las muestras alcanzaron una deformación estable (\(\frac{d\varepsilon }{dt}\le 0.0005{h}^{-1}\)) o la tasa de deformación se acercó a una constante (\(\left|\frac{d {\varepsilon }^{2}}{d{t}^{2}}\right|\le 0.0005{h}^{-2}\)), las pruebas de fluencia se detuvieron22,23. Las figuras 6, 7, 8 muestran las curvas de fluencia.

Curvas de fluencia de arcilla (Capa 1).

Curvas de fluencia de limo (Capa 2).

Curvas de fluencia de arcilla limosa (Capa 3).

El valor de fluencia de la muestra congelada disminuyó con una disminución de la temperatura después de alcanzar la estabilidad. Bajo niveles de estrés bajo (0.3 \(\sigma_{c}\)) y estrés medio (0.5 \(\sigma_{c}\)), todo el proceso de fluencia se encontraba en un estado estable (fluencia estable). Cuando el nivel de tensión era alto (0,7 \(\sigma_{c}\)), todo el proceso de fluencia era inestable (fluencia acelerada). Sin embargo, a partir del análisis general de las muestras de prueba, las características de fluencia de las muestras de suelo congelado en la capa de suelo blando tienen una aparente aleatoriedad borrosa. La figura 9 muestra las distribuciones aleatorias difusas de la curva de fluencia bajo diferentes niveles de tensión.

Distribución aleatoria difusa de las curvas de fluencia bajo diferentes niveles de tensión.

Hay muchas incertidumbres y distribuciones aleatorias difusas en la ingeniería geotécnica subterránea real. Para evitar las limitaciones de la prueba y garantizar la confiabilidad técnica de los resultados, este estudio utilizó un método de análisis aleatorio difuso basado en un cálculo inteligente para realizar una inversión efectiva de los parámetros de fluencia del suelo congelado y la evaluación científica de los modelos de fluencia.

En la década de 1990, el académico italiano M. Dorigo propuso el algoritmo de colonia de hormigas, un algoritmo inteligente desarrollado mediante la simulación del comportamiento de búsqueda de alimento de colonias de hormigas reales en la naturaleza, especialmente adecuado para resolver problemas no lineales mediante búsqueda aleatoria24,25,26.

De acuerdo con las restricciones del objetivo, cada hormiga parte de la ciudad actual (la ciudad se denomina estado inicial) y sigue reglas específicas hasta la siguiente ciudad (la ciudad es una solución factible o parte de la solución). En los procesos de búsqueda y resolución, cada hormiga busca la solución óptima de acuerdo con las características de escala del problema y las huellas de feromonas que dejan otras hormigas. Estas trayectorias contienen información heurística, indicando a las hormigas en la ubicación actual la ruta de búsqueda de la solución global. De acuerdo con este esquema, cada hormiga busca con avidez soluciones factibles y enumera una solución de acuerdo con las restricciones objetivas como la solución óptima actual. Sin embargo, cada hormiga en la colonia de hormigas tendrá diferentes soluciones óptimas simultáneamente. En consecuencia, la retroalimentación de información global se utilizará para hacer que la escala del problema evolucione hacia la dirección óptima global y obtener la solución óptima.

Sin embargo, el algoritmo de colonia de hormigas tradicional tiene algunas desventajas cuando se resuelven problemas reales a gran escala. Por ejemplo, el tiempo de convergencia es largo y la diversidad de la población es difícil de mantener, lo que hace que el algoritmo caiga fácilmente en la solución óptima local, particularmente cuando se trata de problemas difusos27.

El algoritmo tradicional de colonias de hormigas se mejoró para abordar estas limitaciones28,29,30. Las mejoras se resumen de la siguiente manera:

Al comienzo de la búsqueda de colonias de hormigas, las feromonas heurísticas se encuentran en el período de acumulación. Durante este tiempo, la brecha de feromonas no debe ampliarse para evitar quedar atrapada en el óptimo local. Con la formación inicial de la pista de feromonas y el aumento de los tiempos de iteración, la brecha entre las feromonas debe aumentar aleatoriamente para evitar la solución óptima local y obtener una mejor solución óptima global.

Anteriormente, las feromonas solo se actualizaban de acuerdo con el camino recorrido por las hormigas en la solución óptima actual. El algoritmo mejorado de colonias de hormigas aleatorias difusas se basa en la solución óptima actual de cada hormiga y contador de rondas para el cálculo difuso. En consecuencia, la cantidad de actualización de feromonas de cada hormiga se obtiene de manera integral.

De acuerdo con la mejora de los dos aspectos anteriores, el proceso del algoritmo de colonia de hormigas aleatorias difusas es el siguiente:

Establezca el número de iteraciones \(Nc\) en 0. La función de feromona \(\tau_{ij}\) y el incremento \(\Delta \tau_{ij}^{k}\) se inicializan.

El conjunto de puntos de partida se inicializa y cada hormiga viaja de la ciudad \(i\) a \(j\) según la probabilidad \(P_{ij}^{k} (t)\). Luego se agrega la ciudad \(j\) al conjunto de vértices. Las ciudades para viajar a continuación no se pueden seleccionar de los elementos en el conjunto de vértices actual, y así sucesivamente. La probabilidad de viaje de las hormigas se muestra en la ecuación. (1).

donde el número aleatorio \(\alpha\) es la importancia relativa de las feromonas, \(\eta_{{{\text{ij}}}}\) es el factor heurístico, el número aleatorio \(\beta\) es el relativo importancia de los factores heurísticos, y \(J_{k} (i)\) representa el conjunto de vértices que alcanzará ant k en la próxima iteración.

La función objetivo de cada hormiga \(Y_{k} (k = 1, \cdot \cdot \cdot ,m)\) se calcula de acuerdo con los requisitos específicos, y la solución óptima actual se registra en cada iteración.

El cálculo difuso se realiza de acuerdo con la solución óptima actual de cada hormiga y el valor del contador de viajes, y la actualización de feromonas se considera integral. La cantidad actualizada de feromonas se muestra en la ecuación. (2).

donde \(\rho (0 < \rho < 1)\) representa el coeficiente de evaporación de las feromonas en el trayecto transversal. \(\tilde{c}\) es el coeficiente óptimo de fuzzificación de feromonas, expresado de la siguiente manera:

donde \(\tau (Q_{mejor} )\), \(\tau (Q_{peor} )\) y \(\tau (Q_{actual} )\) representan la cantidad de feromonas del óptimo, peor, y soluciones actuales de cada hormiga viajera, respectivamente.

Después de una ronda de iteración, el incremento de feromonas de cada lado se restablece a 0, \(Nc \leftarrow Nc + 1\).

Si \(Nc < Nc_{\max }\) o cada hormiga encuentra la solución óptima de manera diferente, vaya al Paso 2 y continúe. De lo contrario, detenga la iteración y encuentre la solución óptima actual, que es la solución óptima global.

La figura 10 resume el flujo del algoritmo mejorado de colonias de hormigas aleatorias difusas.

Diagrama de flujo del algoritmo de colonia de hormigas aleatorias difusas.

Muchos estudios teóricos y prácticos previos han demostrado que la fluencia del suelo congelado es un aspecto esencial de las propiedades reológicas31. A diferencia de la deformación plástica, la fluencia no requiere que la tensión supere el límite elástico; solo si el esfuerzo se aplica durante un tiempo lo suficientemente largo como para que ocurra incluso cuando la fuerza aplicada es menor que el límite elástico. Por lo tanto, es necesario comprender las características de fluencia del suelo congelado y determinar y estudiar efectivamente el modelo de fluencia.

Se pueden formar varios modelos de fluencia de masa de roca y suelo a través de diferentes conexiones en serie y en paralelo de elementos esenciales, como resortes, recipientes adhesivos y placas de fricción. Por ejemplo, el modelo de fluencia Kelvin se muestra en la Fig. 11.

modelo Kelvin.

De acuerdo con el principio de superposición, la ecuación de fluencia de Kelvin se puede expresar como

donde \(\sigma\) es la tensión constante de la prueba, t es el tiempo de acción, E1 es el módulo elástico del resorte en el modelo de Kelvin, Ek es el módulo elástico del resorte paralelo en el modelo, y \(\ eta\) es el coeficiente de viscosidad de la olla de barro paralela. \(\eta\) y E1 son los parámetros de fluencia que se recuperarán de acuerdo con diferentes condiciones de roca y suelo. Sin pérdida de generalidad, todas las ecuaciones de fluencia se pueden expresar de la siguiente forma32,33,34 considerando los factores primarios de fluencia e ignorando los parámetros secundarios:

Usando un operador diferencial, el cumplimiento de fluencia \(J(t)\) se expresa mediante la siguiente fórmula general de ecuación diferencial parcial:

La ecuación anterior se puede simplificar como

donde \(P = \sum\limits_{k = 0}^{n} {p_{k} \frac{{d^{k} }}{{dt^{k} }}}\), \(Q = \sum\limits_{k = 0}^{m} {q_{k} \frac{{d^{k} }}{{dt^{k} }}}\).

La siguiente ecuación se obtiene tomando la transformada de Laplace de la ecuación diferencial parcial \(J(t)\) para el cumplimiento de la fluencia:

La transformada de Laplace de la Ec. (9) se continúa para derivar el cumplimiento de fluencia final expresado como

donde \(p = \left\{ {p_{1} ,\;p_{2} ,\; \ldots ,\;p_{n} } \right\}\), y \(q = \left\{ {q_{0} ,\;q_{1} ,\; \ldots ,\;q_{m} } \right\}\) son los parámetros de flexibilidad correspondientes.

De acuerdo con los métodos anteriores, los parámetros primarios de cumplimiento de fluencia de varios modelos de fluencia usados ​​comúnmente se muestran en la Tabla 5.

De acuerdo con los resultados de las pruebas de compresión uniaxial y fluencia uniaxial de especímenes de suelo blando congelado en este estudio, la tendencia de deformación y los datos fueron similares a diferentes temperaturas correspondientes al mismo nivel de tensión35,36,37,38. Por ejemplo, a -5 °C, -10 °C y -15 °C, las deformaciones finales a diferentes niveles de tensión fueron las siguientes: Con un nivel de tensión de 0,3σc, las deformaciones finales de la arcilla fueron 2,49 %, 2,30 %, y 1,69 %, respectivamente, los de limo fueron 2,60 %, 2,09 % y 1,79 %, respectivamente, y los de arcilla limosa 1,50 %, 2,29 % y 2,20 %, respectivamente; Con un nivel de tensión de 0.5σc, las deformaciones finales de arcilla fueron 4.58%, 4.39% y 3.79%, respectivamente, las de limo fueron 4.59%, 4.18% y 3.60%, respectivamente, y las de arcilla limosa fueron 3.99%, 4,30% y 4,48%, respectivamente; y con un nivel de tensión de 0.7σc, las deformaciones finales de arcilla fueron 6.80%, 6.20% y 5.70%, respectivamente, las de limo fueron 6.60%, 6.30% y 5.40%, respectivamente, y las de arcilla limosa fueron 6.00%, 6,60% y 6,90%, respectivamente. Por lo tanto, tomando -10 °C como ejemplo, se utilizó un algoritmo de colonia de hormigas borrosas para identificar los parámetros de cumplimiento de fluencia de cada modelo en la Tabla 3 bajo tres niveles de estrés; la regla se puede extender a − 5 °C y − 15 °C.

El número de hormigas se estableció como \(m = 100\), \(\alpha = 2\), \(\beta = 5\) y \(\rho = 0.75\). Posteriormente, se inicializó un parámetro aleatorio de hormiga dado un conjunto de cumplimiento. La información inicial \(\tau_{ij}\) y el valor agregado \(\Delta \tau_{ij}^{k}\) se calcularon utilizando la ecuación. (2) y se actualizaron los cambios en los parámetros de cumplimiento de feromonas. \(\tilde{c}\) es el coeficiente de desenfoque de la feromona de la solución óptima actual en el proceso de viaje. Después de varias iteraciones del algoritmo, la solución óptima global final se derivó como el resultado de la inversión aleatoria difusa del parámetro de flexibilidad, como se muestra en la Tabla 6.

Antes de la mejora, la evaluación de modelos en ingeniería se basaba principalmente en el índice de precisión, y se suponía que la calidad de un modelo dependía completamente de su precisión general de cálculo39,40. Por lo tanto, la función objetivo de evaluación tradicional se expresa como

donde \(y_{i}\) es el valor de ajuste de la curva en el caso \(i\) y \(y_{i}^{\prime }\) es el valor observado correspondiente. El modelo es óptimo cuando \(Y(t)\) obtiene el valor mínimo.

El análisis reveló que evaluar el modelo a partir de un solo índice no es razonable y asumir un modelo con alta precisión y cálculo complejo es poco ideal41,42. Por lo tanto, la evaluación del modelo debe adoptar un análisis integral de múltiples índices. En este estudio, se realizó la evaluación integral aleatoria difusa del modelo de fluencia en función de los índices duales de coeficiente de medición y complejidad del algoritmo del modelo. Posteriormente, se estableció un nuevo modelo de función objetivo de evaluación, cambiando la anterior función objetivo de evaluación multiíndice que dependía completamente de la experiencia de los expertos. Teniendo en cuenta que la definición del índice de evaluación es ambigua, la función de evaluación objetiva ponderada difusa mejorada del índice doble se expresa de la siguiente manera:

donde \(\mu_{1} ,\mu_{2}\) son las funciones de pertenencia difusa de cada índice, \(R(n)\) es el índice del coeficiente de medición, \(O(n)\) es la complejidad índice de un algoritmo modelo, y \(\tilde{\omega }_{1} ,\tilde{\omega }_{2}\) son los pesos difusos de cada índice.

De acuerdo con los resultados de la inversión de los parámetros del modelo en la Tabla 6, el modelo de Kelvin generalizado fue óptimo bajo estrés bajo solo considerando el índice del coeficiente de medición. Los modelos Burgers y westerner fueron óptimos bajo tensiones medias y altas, respectivamente. La función objetivo mejorada de la ecuación. (11) se utilizó para una evaluación más exhaustiva. Además, los pesos de los índices borrosos \(\tilde{\omega }_{1}\) y \(\tilde{\omega }_{2}\) se calcularon combinando los dos índices del coeficiente medido \(R (n)\) y la complejidad del algoritmo \(O(n)\). Se estableció la matriz de evaluación integral difusa. Finalmente, el modelo óptimo bajo las tres condiciones de estrés se analizó exhaustivamente mediante una evaluación difusa.

El coeficiente de medición se utilizó para representar la precisión del modelo. El número de parámetros se utilizó para representar la complejidad del cálculo. La matriz de evaluación difusa de seis modelos de fluencia comúnmente utilizados bajo tres condiciones de estrés se expresa como

donde A, B y C son matrices de evaluación en condiciones de estrés bajo, medio y alto, respectivamente. El vector de la primera fila de cada matriz representa la complejidad del algoritmo del modelo de fluencia bajo la tensión correspondiente. El vector de la segunda fila representa el coeficiente medido del modelo bajo la tensión correspondiente. Los vectores columna de la matriz representan los índices correspondientes de los seis modelos.

De acuerdo con la teoría de las matemáticas borrosas, es necesario normalizar los elementos de diferentes dimensiones de cada índice en la matriz.

Procesamiento de la complejidad:

Tratamiento del coeficiente de medida:

La matriz de evaluación difusa normalizada se expresa como

En primer lugar, se calcularon las desviaciones media y estándar de cada vector fila de las tres matrices de evaluación mediante la siguiente ecuación:

Posteriormente, se calculó el coeficiente de variación mediante la siguiente ecuación:

Finalmente, los coeficientes de peso difuso bajo tres tipos de esfuerzos se obtuvieron de la siguiente manera:

Peso del índice de bajo estrés: \(\tilde{\omega }_{1} = 0,274\), \(\tilde{\omega }_{2} = 0,661\).

Peso del índice de tensión media: \(\tilde{\omega }_{1} = 0,274\), \(\tilde{\omega }_{2} = 0,617\).

Peso del índice de estrés alto:\(\tilde{\omega }_{1} = 0,305\), \(\tilde{\omega }_{2} = 0,623\).

El vector de fila D de la matriz de evaluación aleatoria difusa se puede obtener multiplicando la matriz de evaluación difusa estandarizada por el peso difuso correspondiente del índice de evaluación.

La matriz final de evaluación aleatoria difusa D se obtuvo utilizando la función objetivo mejorada.

El vector de fila de la matriz de evaluación aleatoria difusa D representa el índice de evaluación integral aleatorio difuso del modelo de fluencia en condiciones de tensión baja, media y alta. Los vectores de columna representan seis modelos de fluencia comúnmente utilizados. De acuerdo con el principio del grado de pertenencia máximo difuso, los resultados muestran que los modelos de Kelvin, Jeffreys y Nishihara fueron óptimos bajo tensiones bajas, medias y altas, respectivamente. El resultado de la evaluación es diferente al de un solo índice.

A través de simulaciones, se utilizaron el algoritmo de colonia de hormigas difusa, el algoritmo de colonia de hormigas tradicional y el método de mínimos cuadrados para invertir los parámetros de flexibilidad del modelo de Kelvin. Se compararon las eficiencias de inversión de los tres algoritmos. La configuración del host de la plataforma experimental fue la siguiente: procesador Intel Xeon E-2224G, memoria 32G, disco duro 2TG y tarjeta de red 1000 M, plataforma de software Red Hat Linux 9.0 y software de depuración MATLAB 2021A. La figura 12 muestra los resultados de la prueba.

Cuadro comparativo de eficiencia de algoritmos.

Los resultados muestran que el algoritmo de colonia difusa de hormigas convergió más rápido con un aumento en el número de iteraciones, reduciendo el error. El algoritmo de colonia de hormigas difusas es más robusto, convergente y eficiente que otros algoritmos.

Para verificar la conclusión de la evaluación aleatoria difusa del modelo de fluencia, se seleccionaron capas de suelo blando con condiciones de trabajo similares en el proyecto de construcción de la Línea 2 del metro de Nantong como materiales de prueba de verificación. La prueba de fluencia del suelo congelado se realizó de acuerdo con los métodos de prueba y las especificaciones mencionadas anteriormente. Los valores del modelo constitutivo de fluencia a diferentes temperaturas y niveles de tensión se compararon con los valores de las pruebas de ingeniería. La Figura 13 muestra los resultados.

Comparación de varios valores de modelos constitutivos de fluencia con valores de pruebas de ingeniería.

Los resultados de la comparación muestran que los valores del modelo de fluencia después de la optimización de parámetros están cerca de los valores de prueba bajo diferentes condiciones de temperatura y tensión. Entre ellos, los valores de los modelos de Kelvin, Jeffreys y Nishihara se ajustan mejor a los valores de prueba en condiciones de tensión baja, media y alta, respectivamente. Estos resultados son consistentes con la conclusión obtenida de la evaluación integral aleatoria difusa en la Secc. 3.4.3. Esto demuestra que el método de evaluación aleatoria difusa del modelo de fluencia de suelo blando congelado optimizado en este estudio es razonable.

Se realizaron una serie de pruebas uniaxiales en suelo blando congelado artificialmente durante el período de construcción del método de congelación del túnel subterráneo. La resistencia a la compresión uniaxial y la ley de fluencia se obtuvieron a diferentes temperaturas y niveles de tensión. Basado en la aleatoriedad difusa de la ingeniería geotécnica subterránea, se utilizó el algoritmo mejorado de colonia de hormigas difusas para la inversión de parámetros y la evaluación del modelo. Se extrajeron las siguientes conclusiones:

En condiciones de compresión uniaxial, la resistencia a la compresión del suelo blando congelado tiene una relación lineal con la temperatura. La resistencia a la compresión uniaxial aumentó con la disminución de la temperatura. La falla del suelo blando congelado exhibió principalmente características de falla por dilatación. En condiciones de fluencia uniaxial, el valor de fluencia del suelo blando congelado disminuyó con una disminución de la temperatura cuando alcanzó la estabilidad. Bajo estrés bajo y medio, la fluencia se clasificó como una fluencia estable. Bajo estrés elevado, la fluencia se clasificó como fluencia acelerada.

El coeficiente de fuzzificación de feromonas optimizado se utilizó para mejorar el algoritmo tradicional de colonias de hormigas. El algoritmo mejorado de colonia de hormigas difusas se utilizó para realizar una inversión aleatoria difusa de los parámetros de flexibilidad del modelo de fluencia del suelo blando congelado. El algoritmo mejorado es más razonable, robusto y eficiente que el algoritmo tradicional de inversión de parámetros.

La función objetivo ponderada difusa con índices duales se estableció para realizar una evaluación aleatoria difusa en modelos de fluencia estándar. La evaluación integral con índices duales muestra que los modelos de Kelvin, Jeffreys y Nishihara fueron óptimos en condiciones de estrés bajo, medio y alto, respectivamente.

Los conjuntos de datos generados y analizados durante el estudio actual están disponibles del autor correspondiente a pedido razonable.

Wang, X., Li, M., Chen, J. & Zhu, Y. Rendimiento de una excavación profunda con el muro de contención compuesto utilizando el método de congelación artificial del suelo. Registro frío. ciencia Tecnología 204, 103676 (2022).

Artículo Google Académico

Zhou, J., Zhao, W. & Tang, Y. Método práctico de predicción sobre la deformación por descongelación de arcilla blanda sujeta a congelación artificial del suelo basado en elaborados experimentos de modelado de centrífugas. Tunn. Licenciatura Tecnología espacial. 122, 104352 (2022).

Artículo Google Académico

Fu, Y., Hu, J. & Wu, Y. Estudio de elementos finitos sobre el campo de temperatura de la construcción del pasillo de conexión del metro a través del método de congelación artificial del suelo. Registro frío. ciencia Tecnología 189, 103327 (2021).

Artículo Google Académico

Zhang, K. & Li, N. Un nuevo método para replicar rocas débiles de alta porosidad sujetas a congelación-descongelación cíclica: impresión 3D de arena y exploraciones de correlación de imágenes digitales. En t. J. roca mecánica. mín. ciencia 157, 105174 (2022).

Artículo Google Académico

Fan, W. y Yang, P. Características de la temperatura del suelo durante la congelación artificial alrededor de un pasaje transversal del metro. transporte Geotecnología. 20, 100250 (2019).

Artículo Google Académico

Zhou, J. & Tang, Y. Modelo práctico de predicción de deformación en arcilla blanda después de la congelación artificial del suelo bajo carga cíclica de bajo nivel del metro. Tunn. Licenciatura Tecnología espacial. 76, 30–42 (2018).

Artículo Google Académico

Li, S., Lai, Y., Zhang, M. y Zhang, S. Tiempo mínimo de precongelación del suelo antes de la excavación del túnel subterráneo de Guangzhou. Registro frío. ciencia Tecnología 46(3), 181–191 (2006).

Artículo Google Académico

Cong, S. et al. Predicción de comportamientos de fluencia compresiva de suelos expansivos expuestos al ciclo de congelación-descongelación utilizando un modelo basado en conceptos de estado perturbado. Registro frío. ciencia Tecnología 204, 103664 (2022).

Artículo Google Académico

He, Q., Wu, F. & Gao, R. Modelo constitutivo de daño por fluencia no lineal de la roca circundante en un reservorio de caverna de sal. J. Almacenamiento de energía 55, 105520 (2022).

Artículo Google Académico

Zhou, J., Zhang, J., Wang, J., Li, F. & Zhou, Y. Investigación sobre el modelo de fluencia de endurecimiento por daño no lineal de la roca blanda circundante bajo el estrés de la minería de recursos de carbón profundo. Informe de energía 8, 1493–1507 (2022).

Artículo Google Académico

Zhu, W.-B., Dai, G.-L., Gong, W.-M. & Zhao, X.-L. Estudio de las características de fluencia de descarga del suelo y aplicación del modelo de fluencia dependiente de tensiones en la cimentación de cajones de succión. Ing. del océano de China 36(1), 123–132 (2022).

Artículo ANUNCIOS Google Académico

Guo, W.-Y. et al. Características de la fluencia por compresión y establecimiento del modelo de fluencia de la ganga. Geotecnología. Geol. Ing. 34(4), 1193–1198 (2016).

Artículo Google Académico

Yang, L. y Li, Z.-D. Parámetros de variación no lineal Modelo de fluencia de roca e inversión paramétrica. Geotecnología. Geol. Ing. 36(5), 2985–2993 (2018).

Artículo Google Académico

Yao, X., Qi, J., Liu, M. y Yu, F. Un modelo de fluencia del suelo congelado con atenuación de la fuerza. Acta Geotech. 12(6), 1385–1393 (2017).

Artículo Google Académico

Ji, F., Li, R., Feng, W. y Wang, D. Modelado e identificación del comportamiento constitutivo de juntas no persistentes incrustadas mediante experimentos de fluencia triaxial. En t. J. roca mecánica. mín. ciencia 133, 104434 (2020).

Artículo Google Académico

Liu, Y., Shan, J. & Qi, N. Modelado e identificación de fluencia para actuadores piezoeléctricos basados ​​en un sistema de orden fraccional. Mecatrónica 23(7), 840–847 (2013).

Artículo Google Académico

Yin, Z., Zhang, X., Li, X., Zhang, J. y Zhang, Q. Modelo de Burgers modificado del comportamiento de fluencia del cuerpo reforzado con lechada y su efecto a largo plazo en la operación del túnel. Tunn. Licenciatura Tecnología espacial. 127, 104537 (2022).

Artículo Google Académico

Liu, W., Zhou, H., Zhang, S. y Jiang, S. Modelo constitutivo del daño por fluencia del concreto considerando el deterioro de los parámetros de fluencia. Constr. Construir. Mate. 308, 125047 (2021).

Artículo Google Académico

Wei, Y., Chen, Q., Huang, H. y Xue, X. Estudio sobre modelos de fluencia e inversión de parámetros de masas rocosas de basalto con articulaciones columnares. Ing. Geol. 290, 106206 (2021).

Artículo Google Académico

Li, M., Zhang, J., Meng, G., Gao, Y. y Li, A. Pruebas y modelado de la compresión por fluencia de rocas estériles para relleno con diferentes litologías. En t. J. roca mecánica. mín. ciencia 125, 104170 (2020).

Artículo Google Académico

Zhu, Q. et al. Prueba modelo sobre deformación por fluencia y características de falla de caminos de roca blanda. Ing. Fallar. Anal. 141, 106670 (2022).

Artículo Google Académico

Xiao, X. & Yu, L. Efecto de la fluencia primaria en la relación entre la sangría y la fluencia uniaxial: un modelo teórico. En t. J. Estructura de sólidos. 206, 114–123 (2020).

Artículo CAS Google Académico

Longhin, ME, Shelleman, DL & Hellmann, JR Una metodología para la medición precisa de la fluencia por compresión uniaxial de cerámicas refractarias. Medida 111, 69–83 (2017).

Artículo ANUNCIOS Google Académico

Cui, J., Guo, X., Zhan, Y. & Pang, R. Un método de análisis inverso para identificar la temperatura máxima de sobrecalentamiento basado en un algoritmo de colonia de hormigas mejorado. J. Construir. Ing. 59, 105104 (2022).

Artículo Google Académico

Hou, W., Xiong, Z., Wang, C. y Chen, H. Algoritmo de colonia de hormigas mejorado con mecanismo de comunicación para la planificación de rutas de robots móviles. Robot. Auton. sist. 148, 103949 (2022).

Artículo Google Académico

Li, QQ y Peng, Y. Un protocolo de enrutamiento de rutas múltiples de malla inalámbrica basado en el algoritmo de clasificación de colonias de hormigas. Cómputo de procedimientos. ciencia 166, 570–575 (2020).

Artículo Google Académico

Zhao, X., Xuan, D., Zhao, K. & Li, Z. Elman red neuronal que utiliza el algoritmo de optimización de colonias de hormigas para estimar el estado de carga de la batería de iones de litio. J. Almacenamiento de energía 32, 101789 (2020).

Artículo Google Académico

Lyridis, DV Un algoritmo mejorado de optimización de colonias de hormigas para la planificación de rutas locales de vehículos de superficie no tripulados con restricciones multimodales. Ing. del océano. 241, 109890 (2021).

Artículo Google Académico

Zhang, B., Qi, H., Ren, YT, Sun, SC y Ruan, LM Análisis de radiación transitoria inversa en losa participante unidimensional utilizando algoritmos mejorados de optimización de colonias de hormigas. J. Cuant. Espectrosc. radiar Transferencia 133, 351–363 (2014).

Artículo ADS CAS Google Académico

Jovanovic, R. & Tuba, M. Un algoritmo de optimización de colonias de hormigas con una estrategia mejorada de corrección de feromonas para el problema de cobertura de vértices de peso mínimo. aplicación Cómputo suave. 11(8), 5360–5366 (2011).

Artículo Google Académico

Esfandiarpour, S. & Shalaby, A. Calibración local de modelos de cumplimiento de fluencia del hormigón asfáltico. Constr. Construir. Mate. 132, 313–322 (2017).

Artículo CAS Google Académico

Esfandiarpour, S. & Shalaby, A. Efecto de la calibración local del módulo dinámico y los modelos de cumplimiento de fluencia sobre el rendimiento previsto de las mezclas asfálticas que contienen RAP. En t. J. Pavimento Res. Tecnología 11(5), 517–529 (2018).

Artículo Google Académico

Baxevanis, T. & Plexousakis, M. Sobre el efecto del cumplimiento de la fluencia de fibra en la deformación a alta temperatura de compuestos de matriz cerámica reforzados con fibra continua. En t. J. Estructura de sólidos. 47(18), 2487–2497 (2010).

Artículo MATEMÁTICAS Google Académico

Okuka, AS & Zorica, D. Modelos de hamburguesas fraccionarias en pruebas de relajación de tensión y fluencia. aplicación Matemáticas. Modelo. 77, 1894-1935 (2020).

Artículo MathSciNet MATEMÁTICAS Google Académico

Harikrishnan, R. y le Graverend, J.-B. Un modelo de campo de fase de daño por fluencia: predicción de la inversión topológica en superaleaciones monocristalinas basadas en Ni. Mate. Des. 160, 405–416 (2018).

Artículo CAS Google Académico

Frech-Baronet, J., Sorelli, L. & Chen, Z. Efecto de la plasticidad en la caracterización experimental de la propiedad de fluencia de una pasta de cemento: Microindentación esférica vs cónica. Cemento Concr. Res. 141, 10629 (2021).

Artículo Google Académico

Wang, J., Zhang, Q., Song, Z., Feng, S. y Zhang, Y. Modelo de fluencia no lineal de roca salina utilizado para la predicción del desplazamiento del almacenamiento de gas en cavernas de sal. J. Almacenamiento de energía 48, 103951 (2022).

Artículo Google Académico

Li, C. et al. Análisis de la deformación de la convergencia de la corona de la roca circundante para el túnel TBM de doble escudo basado en el monitoreo avanzado del pozo y el análisis de inversión. Tunn. Licenciatura Tecnología espacial. 103, 103513 (2020).

Artículo Google Académico

Chabane, A., Belebchouche, C., Bensebti, S.-E., Czarnecki, S. y Boukezzoula, A. Comparación de la precisión de los modelos de regulación para la evaluación de la fluencia del hormigón autocompactante. J. Construir. Ing. 59, 105069 (2022).

Artículo Google Académico

Meacci, M. et al. Un modelo de adhesión degradada local para la evaluación de las fuerzas de fluencia: un enfoque aproximado al problema del contacto tangencial. Use 440–441, 203084 (2019).

Artículo Google Académico

Wen, J.-F., Tu, S.-T., Xuan, F.-Z., Zhang, X.-W. y Gao, X.-L. Efectos del nivel de tensión y del estado de tensión sobre la ductilidad a la fluencia: Evaluación de diferentes modelos. J.Mater. ciencia Tecnología 32(8), 695–704 (2016).

Artículo Google Académico

Lee, Y., Yi, S.-T., Kim, M.-S. y Kim, J.-K. Evaluación de un modelo básico de fluencia con respecto a la retracción autógena. cem. concr. Res. 36(7), 1268–1278 (2006).

Artículo CAS Google Académico

Descargar referencias

Expresamos nuestro más sincero agradecimiento a los Ingenieros Jefes JIANG Lin, GU Wenhua y al Dr. LIN Jian por su apoyo entusiasta al brindar información relacionada.

Este trabajo fue apoyado por la Fundación Nacional de Ciencias Naturales de China [Números de concesión 51874005, 51374010, 51474004], el Programa Municipal de Ciencia y Tecnología de Nantong de China [Número de concesión MS12021028, MS12021031, JCZ2022110], Profesor de colegio vocacional líder profesional en investigación de alto nivel y proyecto de formación en la provincia china de Jiangsu [Número de subvención 2022GRGDYX030], el "Proyecto Qinglan" para la formación de profesores universitarios en la provincia china de Jiangsu; y el Proyecto de Investigación Clave de la Universidad Vocacional de Nantong [Número de Subvención 22ZK01].

Escuela de Ingeniería Civil, Universidad Vocacional de Nantong, Nantong, 226001, China

Yafeng Yao, Yan Zhu y Wei Wang

Escuela de Ingeniería Civil y de Tránsito, Universidad de Hohai, Nanjing, 210098, China

Yafeng Yao, Yan Zhu y Dejian Shen

Laboratorio clave de estructura de edificios e ingeniería subterránea de Anhui, Universidad de Anhui Jianzhu, Hefei, 210037, China

Yafeng Yao

Facultad de Ingeniería Civil, Escuela Secundaria de Formación Profesional de Tongzhou, Nantong, 226399, China

Zhemei Zhang

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

YY y ZY escribieron el texto principal del manuscrito. SD, ZZ y WW prepararon todas las figuras y tablas. Todos los autores revisaron el manuscrito.

Correspondencia a Yafeng Yao.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Yao, Y., Zhu, Y., Shen, D. et al. Evaluación aleatoria difusa del modelo de fluencia de suelo blando congelado en la construcción de túneles de metro utilizando la técnica de congelación artificial del suelo. Informe científico 13, 9468 (2023). https://doi.org/10.1038/s41598-023-36322-x

Descargar cita

Recibido: 22 de marzo de 2023

Aceptado: 01 junio 2023

Publicado: 10 junio 2023

DOI: https://doi.org/10.1038/s41598-023-36322-x

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.