高堆石壩變形監(jiān)測和變形預測關鍵技術及工程應用

周 偉，馬 剛，安 妮，林明春，常曉林

(1.武漢大學水資源與水電工程科學國家重點實驗室，湖北 武漢 430072；2.武漢大學水工程科學研究院，湖北 武漢 430072)

黨中央制定的“十四五”規(guī)劃和2035年遠景目標的建議中提出加快推動綠色低碳發(fā)展、推動能源清潔低碳安全高效利用。大力發(fā)展水電等清潔能源，對推動能源結構合理配置和高效利用，助力實現“碳達峰”“碳中和”目標，具有重要意義?！笆奈濉币?guī)劃也明確提出“實施雅魯藏布江下游水電開發(fā)”。隨著水電開發(fā)、水資源配置等國家戰(zhàn)略的持續(xù)推進，我國水電開發(fā)建設的主戰(zhàn)場是綜合條件更加復雜的西部地區(qū)。在建和擬建的高壩工程大多位于高海拔地區(qū)，受限于自然環(huán)境和經濟因素，堆石壩成為了高壩建設的主力壩型之一。目前，在建和擬建的壩高超過200m以上的堆石壩有黃河茨哈峽、瑪爾擋，瀾滄江如美、古水，雅礱江兩河口，大渡河雙江口等。這些工程對建成“西電東送”“云電外送”“藏電外送”的重要能源基地目標和實現經濟和社會的可持續(xù)發(fā)展具有重要戰(zhàn)略意義，也對高堆石壩建設技術提出了新的挑戰(zhàn)。

隨著壩高由200m級向300m級跨越，壩體將承受更高的水壓、更大的自重荷載，應力路徑也更加復雜，導致堆石體力學特性的非線性增強，壩體變形呈非線性增長。壩體變形不協調或者變形過大，會導致防滲體破損，嚴重的將危及大壩安全[1- 2]。因此，堆石壩變形控制事關防滲結構安全乃至工程運行安全。同時常規(guī)監(jiān)測技術也難以適應高堆石壩高水壓、高土壓、大變形和監(jiān)測面廣、線長等特點。現有的計算分析理論、設計規(guī)范、安全監(jiān)測技術和工程經驗已不能完全滿足高堆石壩全生命周期變形控制和預測的需求，高堆石壩變形控制與預測關鍵技術亟待突破。

對筑壩顆粒材料復雜力學特性的研究，目前多集中在集合體尺度的應力變形特性，研究手段方面以室內試驗為主，難以觀測微細觀尺度的行為。自上世紀以來，學者們提出了大量的堆石體宏觀本構模型[3- 6]來描述堆石體的非線性、彈塑性、剪脹性和各向異性等。而宏觀本構模型多為唯象的經驗模型，難以描述堆石體在細觀尺度上的結構特征與演化過程。因此，有必要進行細觀尺度上的研究。離散元法[7- 11]已被普遍認為是從細觀尺度研究顆粒材料力學行為的有效方法，但離散元法在處理大尺度邊界值問題時效率很低。多尺度力學方法[12- 14]則提供了一種新的解決方案，能充分結合連續(xù)介質力學方法與離散元法的優(yōu)勢。在深入研究堆石體材料的細觀結構特征、宏觀力學性質和數值模擬方法的基礎上，揭示高堆石壩變形的時空演變規(guī)律及其影響因素，對高堆石壩安全運行和維護以及超高堆石壩的設計和建設十分必要。

安全監(jiān)測是掌握大壩運行性態(tài)、保證大壩安全運行的重要措施，也是檢驗設計成果、檢查施工質量的有效手段[15- 16]。但是，高堆石壩監(jiān)測技術發(fā)展明顯滯后于筑壩技術的發(fā)展，目前國內外通常沿用水管式沉降儀或液壓沉降計測量垂直變形，采用引張線水平位移計或桿式水平位移計測量水平變形。隨著壩高增加到300m級，監(jiān)測儀器管線長度將達900m級，測點數量將達百米級面板堆石壩的3倍。現有監(jiān)測儀器存在以下不足[17]：銦鋼絲可能因強度不足被拉斷；水管式沉降計管路充水和回水困難；擴容后的管線保護結構強度等難以適應300m級壩內荷載要求；因壩體施工及儀器安裝工序等原因，前期沉降無法得到等等?，F有監(jiān)測技術和方法難以滿足300m級高面板堆石壩變形監(jiān)測的需要[18]。

在堆石壩的應力變形和安全穩(wěn)定計算分析中，物理力學參數選取的準確性對數值計算的結果有著重要影響。目前，常用的確定壩體堆石料參數的方法主要有工程類比法、專家經驗法和試驗法(包括室內三軸試驗和原位試驗)等等。類比法和專家經驗法包含了過多主觀因素。室內試驗法因尺寸效應、試樣擾動、取樣的隨機性等因素的影響，試驗結果的代表性難以得到保證。為對大壩的真實運行性態(tài)和實際安全狀態(tài)做出準確評價，需要采用實時動態(tài)的反饋分析對工程各個階段的應力變形進行分析預測，指導高堆石壩的設計優(yōu)化、施工質量控制以及運行調控[19- 23]。

面對現有高堆石壩建設的技術難題，本文總結了課題組在堆石體數值模擬方法、堆石體宏細觀力學模型和力學參數確定方法、堆石壩內外觀一體化的變形監(jiān)測技術、堆石壩變形協調控制等方面取得的突破。研究成果提升了堆石壩的變形監(jiān)測和變形預測水平，為堆石壩變形控制提供了技術支撐，保障了堆石壩的變形安全。

1 堆石體力學參數確定新方法

1.1 筑壩顆粒材料細觀數值試驗平臺和宏細觀力學模型

本研究采用三維掃描技術獲取顆粒點云數據，基于球諧函數對顆粒形貌進行編碼存儲，建立了如圖1所示大規(guī)模的顆粒形狀庫。提出了基于球諧函數的數字顆粒重構算法并研制了軟件，采用高階四面體實體單元離散真實形狀顆粒并模擬顆粒變形，在顆粒實體單元之間插入內聚力界面單元模擬顆粒破碎?；诟咝敯舻慕佑|檢索算法和接觸力模型，模擬顆粒間非彈性接觸和摩擦耗散等復雜接觸行為，開發(fā)了考慮顆粒形狀和顆粒破碎的連續(xù)離散耦合分析方法如圖2所示，基于高性能并行計算技術，研發(fā)了筑壩顆粒材料細觀數值試驗平臺，突破了筑壩顆粒材料力學特性研究只能通過物理試驗的現狀，為宏細觀多尺度力學特性和壩工特性的研究提供了一條新途徑。

圖1 顆粒形狀庫示意圖

圖2 考慮顆粒形狀和顆粒破碎的連續(xù)離散耦合分析方法

基于顆粒力學理論，考慮組構與接觸力的耦合項以及枝向量的各向異性，推導了橋接顆粒材料接觸力、組構與宏觀應力的宏細觀力學模型。驗證了不同顆粒形狀、不同級配特性、不同加載路徑下，宏細觀力學模型的普遍適用性[12]。采用宏細觀力學模型，揭示了各種因素對顆粒材料宏觀力學響應的影響機制并量化影響程度。系統地研究了顆粒材料的宏細觀多尺度力學特性，揭示了其結構特性對顆粒微觀動力學、顆粒體系傳遞荷載和產生變形的影響機制。

1.2 基于X射線斷層掃描成像的顆粒材料宏細觀力學試驗平臺

研發(fā)了具有高精度、高圍壓、加載路徑可控等特點的顆粒材料微型三軸試驗裝置。采用如圖3所示的X射線斷層掃描原位試驗平臺無損、實時地跟蹤測量加載過程中的顆粒材料。對高分辨率的CT圖像進行數字圖像處理，采用球諧函數提取顆粒從整體到局部的形貌特征，提出了基于球諧函數不變量的顆粒匹配和追蹤算法，顯著提高了顆粒匹配的準確率，獲得顆粒位置和動力學信息。

圖3 基于X射線斷層掃描的原位試驗平臺

對顆粒材料進行X-ray CT原位力學三軸試驗和細觀數值試驗示意圖如圖4所示，可見在不進行參數率定的情況下，細觀數值試驗能夠定量地再現顆粒材料的宏觀力學響應和細、微觀尺度的力學行為。

圖4 物理試驗及數值試驗結果對比

1.3 原級配堆石體力學參數確定方法

受試驗條件的限制，目前尚無法對原級配堆石體進行室內三軸試驗，而縮尺試樣的試驗結果具有明顯的縮尺效應。通過大量的顆粒破碎試驗結果，提出了顆粒破碎強度的尺寸效應公式，揭示了堆石體縮尺效應的產生機理。提出了基于細觀數值試驗、現場原位試驗和碾壓試驗的原級配堆石體力學參數確定方法。通過與已建工程的堆石體參數反演結果對比，驗證了原級配堆石體力學參數確定方法的合理性(如圖5所示)。參數確定方法已列入SL 274—2020《碾壓式土石壩設計規(guī)范》和SL 228—201《混凝土面板堆石壩設計規(guī)范》，并已成功應用于如美、古水、茨哈峽、拉哇、猴子巖、江坪河、大石峽、水布埡等高堆石壩工程，將堆石體力學參數的取值精度提高了15%～20%，為堆石壩典型分區(qū)材料參數選取提供依據。

圖5 堆石體EB模型參數的縮尺效應

2 堆石壩變形監(jiān)測新設備和多源數據融合技術

2.1 基于柔性智能位移計的堆石壩內部變形監(jiān)測技術

為解決堆石壩傳統內部監(jiān)測儀器(如水管式沉降儀、引張線式水平位移計)施工難度大、安裝困難、測量不連續(xù)、耐久性差等難題，研發(fā)了如圖6所示的柔性智能位移計。柔性智能位移計采用MEMS慣導作為核心部件，利用慣導中加速度計來進行角度測量，最后通過積分求解整個位移計的累計位移量，具有安裝施工簡單、耐久性好、耐水壓高等特點，能實現從離散到連續(xù)式的測量方式，可獲取堆石壩內部沿斷面的連續(xù)變化規(guī)律。目前團隊已完成柔性智能位移計的研發(fā)和各類技術參數檢定，并將其首次應用于兩河口心墻堆石壩的內部變形監(jiān)測(如圖7所示)。

圖6 柔性智能位移計系統示意圖

圖7 柔性智能位移計的應用

2.2 基于InSAR時序分析的高堆石壩外觀變形監(jiān)測

InSAR是一種新型主動式地表變形監(jiān)測技術，具有全天候、全天時、綜合成本低、覆蓋范圍大、空間分辨率高等優(yōu)勢[24- 26]。針對山區(qū)狹窄河谷SAR影像相干性較差、數據較少的問題，定制精度高且重返周期短的SAR影像數據，采用時間序列InSAR、多孔徑InSAR技術進行堆石壩視線向與方位向變形的二維觀測，彌補了時間序列InSAR技術存在視線向模糊問題的缺陷。如圖8所示，基于時間序列InSAR、多孔徑InSAR技術觀測了水布埡面板堆石壩外觀視線向與方位向的變形速率，InSAR觀測結果和水準測量結果具有高相關性(相關性系數0.92)，觀測誤差也較小(1.86cm/a)，表明InSAR技術觀測壩體外觀變形是可行的。

圖8 基于InSAR技術的堆石壩外觀變形監(jiān)測

2.3 基于集合卡爾曼濾波多源變形監(jiān)測數據融合技術

堆石壩內外觀一體化的變形監(jiān)測體系融合了多視角、多時空尺度的變形監(jiān)測信息，解決“看清”和“看全”的問題。充分考慮不同監(jiān)測技術的差異，采用數據同化算法等進行多源監(jiān)測數據的智能融合，實現新型和常規(guī)監(jiān)測技術的優(yōu)勢互補，達到變形監(jiān)測信息高時空分辨率的有機統一(如圖9所示)。利用多維度的監(jiān)測信息重構堆石壩的真實變形場，采用集合卡爾曼濾波算法將時間序列InSAR技術的觀測結果與傳統水準測量結果進行融合，顯著減小了時間序列InSAR技術的觀測誤差，通過將多維度變形監(jiān)測數據聯合解算，重構堆石壩外觀變形。

圖9 堆石壩內外觀一體化變形監(jiān)測體系和多源數據融合

3 堆石壩變形預測和變形控制技術體系

3.1 基于群體智能算法和多目標優(yōu)化的堆石壩應力變形跟蹤反演分析

在堆石壩施工、蓄水和運行階段進行應力變形跟蹤反演分析，能夠準確掌握大壩的工作性態(tài)，進而饋控大壩運行安全。堆石壩反演分析的核心是尋找最優(yōu)特征參數組合，使計算變形接近實測值，是一個典型的多維多峰的黑箱優(yōu)化問題。提出了如圖10所示的動態(tài)調整群體拓撲結構和自適應調整演化參數的群體智能優(yōu)化算法，有效地避免了早熟收斂，提高了算法的全局搜索能力和尋優(yōu)能力。針對堆石壩多材料分區(qū)的參數反演，提出了改進的NSGA-II多目標優(yōu)化算法。采用先進的群體智能算法和多目標優(yōu)化策略，對江坪河面板堆石壩、兩河口心墻堆石壩等進行了應力變形跟蹤反演分析。

圖10 基于群體智能算法和多目標優(yōu)化的堆石壩參數反演方法

3.2 基于深度學習和多源數據的堆石壩變形智能預測

對多源變形監(jiān)測數據進行異常值剔除和降噪，采用深度學習中的長短期記憶神經網絡(LSTM)，挖掘變形時間序列的潛藏規(guī)律，并預測其未來發(fā)展趨勢?；谪惾~斯優(yōu)化調整LSTM的超參數和網絡結構，提出適宜堆石壩變形預測的深度學習模型。在填筑蓄水階段，將大壩填筑高程、水位等信息輸入LSTM網絡，彌補施工階段數據量較少的缺陷；在運行階段，將變形時間序列分解為趨勢項、周期項和不規(guī)則波動，然后分別進行時序建模和預測，顯著提高了變形預測的精度和時效性。如圖11所示，采用徑向基函數插值獲得壩體各點的變形值，重構了壩體三維變形場，為堆石壩工作性狀評估提供依據。與有限元模擬和統計回歸模型相比，基于深度學習和多源數據的堆石壩變形智能預測具有人工干預少、預測精度高、實時性強等優(yōu)點，可以進行堆石壩全生命周期的變形預測。

圖11 堆石壩全生命周期變形預測

4 結論

高堆石壩變形協調控制事關防滲系統的安全，受筑壩材料力學特性、壩料分區(qū)、碾壓密實度、填筑蓄水過程等因素影響。在設計階段，采用研發(fā)的堆石體宏細觀力學數值試驗平臺，獲得原級配堆石體的力學參數，通過有限元模擬指導壩料分區(qū)優(yōu)化，為預留壩頂沉降超高提供依據。在施工階段，采用柔性智能位移計及基于集合卡爾曼濾波算法的多源異構數據融合方法，獲得多視角、高時空分辨率的變形監(jiān)測數據，并通過應力變形跟蹤反演分析和變形智能預測，優(yōu)化壩體填筑過程、確定面板澆筑時機等。在初期蓄水至運行階段，可通過優(yōu)化蓄水方案、調控水庫的水位變動幅度，確保大壩變形協調在可控范圍內。采用高斯過程計算壩體變形速率過大、壩殼與心墻變形不協調的概率，發(fā)現異常變形數據并量化評價風險，實現隱患早期識別和評估大壩防滲結構破損風險，保障大壩安全。

(1)研發(fā)的堆石體宏細觀力學數值試驗平臺，能考慮堆石料和砂礫石料等任意形狀顆粒，能模擬復雜接觸和受力狀態(tài)下的顆粒破碎，突破了筑壩顆粒材料力學特性研究只能通過物理試驗的限制。同時，該平臺結合X射線掃描原位力學試驗，可以獲得高時空間分辨率的顆粒運動、組構和接觸等信息，為原級配堆石體力學參數取值提供了新途徑。最后，結合現場原位試驗進行驗證，顯著提高了原級配堆石體力學參數的取值精度，并在多個已建和在建工程中得到應用。

(2)研發(fā)了由高精度MEMS慣導作為核心部件的柔性智能位移計，具有自動化和智能化程度高、測量精度高、耐水壓高、布設方便等優(yōu)點。已完成柔性智能位移計的研發(fā)和各類技術參數檢定，并將其首次應用于兩河口心墻堆石壩的內部變形監(jiān)測。提出了基于集合卡爾曼濾波算法的多源異構數據融合方法，獲得了融合多視角、多時空分辨率的變形監(jiān)測信息，實現了新型和常規(guī)監(jiān)測技術的優(yōu)勢互補。

(3)對變形監(jiān)測數據進行時間序列分解，得到堆石壩變形的趨勢性、周期性和不規(guī)則波動分量；然后，提出了基于時空注意力機制和多元時間序列的深度學習算法，可以有效捕捉變形監(jiān)測數據的動態(tài)時空關聯。構建了以多源數據融合、深度學習算法為核心的堆石壩變形預測數字孿生平臺；預測精度顯著高于統計回歸模型和其他時間序列模型，更擅長進行堆石壩長期變形預測。