凌同華,吳聯(lián)迎,劉浩然,曹 峰,張 勝,李 潔
在新奧法施工中,隧道周邊位移為隧道監(jiān)控量測的必測項(xiàng)目[1]。對周邊位移進(jìn)行準(zhǔn)確、及時(shí)的監(jiān)測,同時(shí)據(jù)此進(jìn)行可靠性的預(yù)測,以了解未來位移的變化發(fā)展趨勢,為隧道穩(wěn)定性控制和安全施工提供了動(dòng)態(tài)參考。
由于隧道周邊位移受多種因素的影響,而有些因素的影響難以進(jìn)行定量和定性分析,使得周邊位移具有非線性特性,因此,一般的數(shù)學(xué)方法難以恰當(dāng)?shù)貙ζ溥M(jìn)行描述和預(yù)測。目前,用于監(jiān)控量測預(yù)測的方法很多,如:支持向量機(jī)[2]、灰色模型[3]、人工神經(jīng)網(wǎng)絡(luò)[4]、自適應(yīng)模糊推理系統(tǒng)[5]及遺傳算法[6]等,這些方法各有優(yōu)劣。
卡爾曼濾波是當(dāng)前應(yīng)用最廣的一種動(dòng)態(tài)數(shù)據(jù)處理方法,具有最小無偏方差特性[7-10]。其濾波過程實(shí)質(zhì)為一種遞推算法,對所需估計(jì)的動(dòng)態(tài)過程進(jìn)行了線性估計(jì)。對于隧道周邊位移這樣的非線性過程,擴(kuò)展卡爾曼濾波通過對其進(jìn)行線性泰勒處理,使其得以實(shí)現(xiàn)濾波,該方法簡單、有效。因此,擴(kuò)展卡爾曼濾波為隧道周邊位移預(yù)測提供了可靠的理論基礎(chǔ)。在使用濾波算法時(shí),需要精確的模型參數(shù)和噪聲方差統(tǒng)計(jì),否則,易致濾波發(fā)散,使得實(shí)際應(yīng)用中存在一定的障礙。據(jù)此人們提出各式各樣的自適應(yīng)方法,以減弱模型誤差和噪聲方差統(tǒng)計(jì)不足的影響。在這些自適應(yīng)方法中,人們更多地探討了方差自適應(yīng)方法,而未予討論參數(shù)自適應(yīng)法。作者擬采用參數(shù)自適應(yīng)擴(kuò)展卡爾曼濾波,對周邊位移進(jìn)行濾波預(yù)測處理,并探討其適用性。
對于線性隨機(jī)系統(tǒng),有
式中:xk,xk+1分別為k,k+1時(shí)刻系統(tǒng)狀態(tài)向量;Ak為狀態(tài)轉(zhuǎn)移矩陣;Γk為系數(shù)矩陣;vk為觀測向量,Ck為觀測矩陣;ξk為系統(tǒng)噪聲序列;ηk為觀測噪聲序列。
系統(tǒng)噪聲序列和觀測噪聲序列相互獨(dú)立,時(shí)變 噪 聲 統(tǒng) 計(jì) 為:E (ξkξlT)=Qkδkl,E (ηkηlT)=Rkδkl,E(ξkηlT)=0,E(ξkx0T)=0,E(ηkx0T)=0,其中:δkl為克羅蒂亞系數(shù)(k=l時(shí),δkl=1;其余情形,δkl=0)??柭鼮V波算法[11]可描述為:
式中:p0,0為初始誤差估計(jì)矩陣;pk,k-1為一步預(yù)測誤差矩陣;Gk為濾波增益矩陣;pk,k為估計(jì)誤差矩陣;I 為單 位矩陣;x0,0為狀態(tài) 估 計(jì) 初 始 值,x^k,k-1為一步預(yù)測值,x^k,k為狀態(tài)估計(jì)值,Qk為過程噪聲誤差矩陣;Rk為觀測噪聲誤差矩陣。
對于非線性系統(tǒng),有
式中:fk為系統(tǒng)k至k+1時(shí)刻的轉(zhuǎn)移矩陣;Hk∈Rn×q為矩陣函數(shù);gk為k時(shí)刻系統(tǒng)觀測矩陣。
對于每個(gè)k,fk(xk)和gk(xk)對xk所有分量的一階偏導(dǎo)都是連續(xù)的。以卡爾曼濾波算法為基礎(chǔ),進(jìn)行泰勒線性處理,可得擴(kuò)展卡爾曼濾波算法[11]。
擴(kuò)展卡爾曼濾波的正常應(yīng)用需要精確已知的模型參數(shù)和噪聲方差統(tǒng)計(jì),實(shí)際應(yīng)用中往往難以得知,因此需要采取恰當(dāng)?shù)淖赃m應(yīng)方法進(jìn)行彌補(bǔ)。目前較多的自適應(yīng)方法集中于方差自適應(yīng)方法,即通過方差的調(diào)整達(dá)到減小或增大增益Gk,從而實(shí)現(xiàn)一定程度的發(fā)散抑制。然而,濾波的發(fā)散受模型參數(shù)和噪聲方差統(tǒng)計(jì)的雙重影響。當(dāng)模型參數(shù)已不適用于濾波計(jì)算時(shí),方差自適應(yīng)法也就約束不了濾波的發(fā)散了。因此,進(jìn)行相關(guān)參數(shù)自適應(yīng)方法的研究,彌補(bǔ)其在隧道變形預(yù)測分析應(yīng)用中的空白,具有一定的意義。
欲對濾波模型參數(shù)進(jìn)行實(shí)時(shí)的修正,首先需判斷模型的斂散趨勢,可通過當(dāng)前濾波預(yù)測殘差絕對值與往期預(yù)測殘差絕對值的均值的比值來加以判斷,殘差特性因子θ的定義表達(dá)式為:
式中:Lk為預(yù)測殘差,Lk=vk-gk(x^k,k-1)。
①當(dāng)θ≤1時(shí),即當(dāng)前預(yù)測殘差絕對值小于往期預(yù)測殘差絕對值的均值,濾波正常。②當(dāng)θ>1時(shí),即當(dāng)前預(yù)測殘差絕對值大于往期預(yù)測殘差絕對值的均值,濾波出現(xiàn)偏離,可能發(fā)散,為預(yù)防濾波失效,可為θ設(shè)立閾值θ0(θ0可根據(jù)預(yù)測精度要求設(shè)立,如:取θ0為2或3);當(dāng)θ>θ0時(shí),判斷為濾波發(fā)散。
對擴(kuò)展卡爾曼濾波進(jìn)行一步預(yù)測,有
一步預(yù)測誤差矩陣計(jì)算式為:
受模型參數(shù)的影響,需引入模型參數(shù)調(diào)節(jié)系數(shù)s(θ≤1時(shí),濾波正常,取s=1;θ>1且θ>θ0時(shí),濾波發(fā)散,取s=1+α,α=, 為經(jīng)驗(yàn)參β數(shù),可取為0.7~1.0)。根據(jù)殘差特性因子,判斷濾波的斂散性。利用模型參數(shù)調(diào)節(jié)系數(shù),對濾波模型進(jìn)行相應(yīng)的縮放調(diào)節(jié)。進(jìn)而抑制濾波發(fā)散,實(shí)現(xiàn)擴(kuò)展卡爾曼濾波的參數(shù)自適應(yīng),則有
故對于k=1,2,…,參數(shù)自適應(yīng)擴(kuò)展卡爾曼濾波算法可歸結(jié)為:
葵壩路一標(biāo)2號(hào)隧道,樁號(hào)YK3+565~YK3+600段洞頂埋深275~290m,凈寬10.72m,內(nèi)凈高7.14m,巖質(zhì)堅(jiān)硬,解理裂隙不發(fā)育,圍巖的完整性及穩(wěn)定性均較好,自穩(wěn)能力較強(qiáng),設(shè)計(jì)圍巖等級(jí)為Ⅱ級(jí),采用新奧法原理進(jìn)行設(shè)計(jì)與施工,全斷面開挖。以YK3+590斷面周邊位移為例,進(jìn)行理論驗(yàn)證,測線布置如圖1所示。(文獻(xiàn)[1]中說明:一般地段全斷面開挖時(shí),布置一條水平測線即滿足要求)
圖1 斷面測線布置Fig.1 Measuring line layout chart of section
由于無法得知確切的周邊收斂變化的轉(zhuǎn)移方程,因此,采用前6期觀測值進(jìn)行曲線擬合,作為其轉(zhuǎn)移方程,即:f(xk)=5.398 5×exp(0.063 9xk),初始值可根據(jù)具體情況人為設(shè)置[12],取p0,0=0.025,Q0=0.01,R0=0.01,x^0=16.59。 依據(jù)標(biāo)準(zhǔn)型和參數(shù)自適應(yīng)型擴(kuò)展卡爾曼濾波算法,分別進(jìn)行濾波預(yù)測處理,將兩種濾波計(jì)算結(jié)果進(jìn)行整理,見表1。
表1 標(biāo)準(zhǔn)型和參數(shù)自適應(yīng)型擴(kuò)展卡爾濾波計(jì)算的結(jié)果Table 1 Standard EKF and parameter adaptive EKF calculation
表1第7期中濾波預(yù)測的殘差特性因子θ=3.21大于預(yù)設(shè)的閾值(θ0=2),濾波有發(fā)散的趨勢,采用模型參數(shù)調(diào)節(jié)系數(shù)s進(jìn)行修正。從表1中可以看出,修正后的參數(shù)自適應(yīng)型預(yù)測殘差(表1中標(biāo)★處,其最大預(yù)測誤差為0.06mm,平均預(yù)測誤差為0.048mm)要明顯小于未經(jīng)修正的標(biāo)準(zhǔn)型預(yù)測殘差(表1中標(biāo)☆處,其最大預(yù)測誤差為0.26mm,平均預(yù)測誤差為0.24mm)。這說明參數(shù)自適應(yīng)擴(kuò)展卡爾曼濾波模型的預(yù)測值與觀測值更為接近,其預(yù)測性能更優(yōu)。
1)參數(shù)自適應(yīng)擴(kuò)展卡爾曼濾波能有效抑制濾波發(fā)散,其預(yù)測值更接近于觀測值,其預(yù)測效果優(yōu)于標(biāo)準(zhǔn)型的。
2)用參數(shù)自適應(yīng)擴(kuò)展卡爾曼濾波模型進(jìn)行隧道周邊位移預(yù)測是可靠和精確的。通過該模型得知該斷面AB預(yù)測平均誤差為0.048mm,其最大誤差為0.06mm,濾波預(yù)測精度較高,為隧道周邊位移預(yù)測提供了一種新的方法。
(
):
[1] 吳從師,陽軍生.隧道施工監(jiān)控量測與超前地質(zhì)預(yù)報(bào)[M].北京:人民交通出版社,2012.(WU Cong-shi,YANG Jun-sheng.Construction monitoring and advance geological forecast in tunnel[M].Beijing:China Communications Press,2012.(in Chinese))
[2] 趙洪波.支持向量機(jī)在隧道圍巖變形預(yù)測中的應(yīng)用[J].巖石力學(xué)與工程學(xué)報(bào),2005,24(4):649-652.(ZHAO Hong-bo.Predicting the surrounding deformations of tunnel using support vectormachine[J].Chinese Journal of Rock Mechanics and Engineering,2005,24(4):649-652.(in Chinese))
[3] 徐昌茂,吳立,吳雙蘭,等.超大斷面高速鐵路隧道圍巖變形預(yù)測分析[J].現(xiàn)代隧道技術(shù),2013,50(6):80-84.(XU Chang-mao,WU Li,WU Shuang-lan,et al.Rock deformation prediction and analysis in highspeed railway tunnel with larger sections[J].Modern Tunneling Technology,2013,50(6):80-84.(in Chinese))
[4] 王輝,陳劍平,邱道宏,等.洞室圍巖壓力預(yù)測的研究[J].地下空間與工程學(xué)報(bào),2009,5(2):272-276.(WANG Hui,CHEN Jian-ping,QIU Dao-h(huán)ong,et al.Study of prediction in surrounding rock pressure[J].Chinese Journal of Underground Space and Engineering,2009,5(2):272-276.(in Chinese))
[5] 凌同華,易志強(qiáng).基于自適應(yīng)模糊推理系統(tǒng)的隧道周邊位移預(yù)測[J].中外公路,2011,31(1):174-177.(LING Tong-h(huán)ua,YI Zhi-qiang.Tunnel peripheral displacement prediction applying adaptive neuralfuzzy inference system[J].Journal of China & Foreign Highway,2011,31(1):174-177.(in Chinese))
[6] 馬家超,朱珍德,朱姝,等.基于小波分析以及ESVR的隧道圍巖位移時(shí)序預(yù)測[J].水利與建筑工程學(xué)報(bào),2013,11(2):90-94.(MA Jia-chao,ZHU Zhen-de,ZHU Shu,et al.Prediction for tunnel surrounding rocks displacement time series based on wavelet analysis and E-SVR[J].Journal of Water Resources and Architectural Engineering,2013,11(2):90-94.(in Chinese))
[7] 鄭智忠,李亮,楊財(cái),等.基于擴(kuò)展卡爾曼濾波的汽車質(zhì)心側(cè)向速度觀測器[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2008,39(5):1-9.(ZHENG Zhi-zhong,LI Liang,YANG Cai,et al.Vehicle lateral velocity observer using extended Kalman filter[J].Transactions of the Chinese Society for Agricultural Machinery,2008,39(5):1-9.(in Chinese))
[8] 周偉靜,沈懷榮.抗時(shí)值抑制發(fā)散濾波算法在無人機(jī)測風(fēng)數(shù)據(jù)處理中的應(yīng)用[J].裝備指揮技術(shù)學(xué)院學(xué)報(bào),2009,20(5):122-126.(ZHOU Wei-jing,SHEN Huai-rong.Filter algorithm with restraining outliers and divergence and its application in wind measurement data process with UAV[J].Journal of the Academy of Equipment Command & Technology,2009,20(5):122-126.(in Chinese))
[9] 劉偉,趙偉,劉建業(yè).抗時(shí)值自適應(yīng)Kalman濾波在無人機(jī)測風(fēng)數(shù)據(jù)處理中的應(yīng)用[J].彈箭與制導(dǎo)學(xué)報(bào),2011,31(3):237-240.(LIU Wei,ZHAO Wei,LIU Jian-ye.Adaptive Kalman filter with restraining outliers in wind measurement data process with UAV[J].Journal of Projectiles,Rockets,Missiles and Guidance,2011,31(3):237-240.(in Chinese))
[10] 趙攀,戴義平,夏俊榮,等.卡爾曼濾波修正的風(fēng)電場短期功率預(yù)測模型[J].西安交通大學(xué)學(xué)報(bào),2011,45(5):47-51.(ZHAO Pan,DAI Yi-ping,XIA Junrong,et al.A Kalman filter based correction model for short-term wind power prediction[J].Journal of Xi’an Jiaotong University,2011,45(5):47-51.(in Chinese))
[11] Chui C K,Guanrong C.卡爾曼濾波及其實(shí)時(shí)應(yīng)用(第4版)[M].北京:清華大學(xué)出版社,2013.(Chui C K,Guanrong C.Kalman filtering with real-time applications(fourth edition)[M].Beijing:Tsinghua University Press,2013.(in Chinese))
[12] 趙建三,胡啟亮,唐利民,等.基于簡化Sage-Husa自適應(yīng)濾波算法的橋梁施工預(yù)拱度分析[J].工程勘察,2012(11):64-67.(ZHAO Jian-san,HU Qi-liang,TANG Li-min,et al.Application of simplified Sage-Husa adaptive filtering algorithm in bridge construction pte-camber analysis[J].Geotechnical Investigation & Surveying,2012(11):64-67.(in Chinese))