基于地質BIM模型與有限元分析的鐵路高邊坡多源融合健康監測

孫凱強，劉驚灝，蘇 謙，程李娜，牛云彬，李艷東

(1.中鐵第四勘察設計院集團有限公司,武漢 430063; 2.西南交通大學土木工程學院,成都 610031)

引言

隨著交通基礎設施領域重大工程的不斷推進,建設難度極大的高邊坡工程也隨之增多。為保證施工和運營安全,對高邊坡進行自動化健康監測已經成為趨勢,并已在鐵路、公路、水電等領域的邊坡工程中有大量應用[1-5]。針對高邊坡的自動化健康監測,通常需要布設大量傳感器以采集數據。當前對傳感器的布設一般采用基于規范要求與現場實際情況的主觀布置[6-7]。然而,這種布置方式一方面極易忽視邊坡實際最不利區域;另一方面,卻又可能將傳感器集中在邊坡穩定區域,致使耗費大量的人力、物力。為解決上述問題,學者們常以有限元計算作為主要手段,來分析監測對象的最不利位置,為監測系統的精細化布置提供理論依據。程愛平等對成蘭鐵路路塹邊坡在支護后的安全性進行二維有限元分析,分析了特定斷面處的穩定性,并與監測數據進行對比[8]。同樣有更多學者基于二維有限元分析進行了類似工作[9-10],但采用二維計算往往只能對特殊斷面進行驗算,獲取相應斷面處的計算結果,指導同一斷面處的監測傳感器布置,卻無法保證三維計算結果連續性,從而無法找到最危險斷面的確切位置;一般地,準三維檢算是在二維截面基礎上完成拉伸,以實現三維分析模型的創建,其模型在線路縱向并無實質變化,故計算結果無法體現沿線路方向地質變化所導致的穩定性差異,無法體現出研究區段內的不利情況分布[11-13]。綜上所述,由于邊坡失穩為三維空間問題,常用的二維和準三維分析不一定能夠準確獲取其最不利位置,因而考慮從有限元模型創建的角度來進一步優化三維分析模型,以更有效地指導監測體系的布置。

BIM技術憑借強大的幾何造型能力描述結構物幾何形狀,以系統集成化的信息管理手段實現全生命周期的數據流管理,成為了新基建中的數據資產載體[14-15]。但其在三維地質建模方面功能還并不成熟,導致其在邊坡、隧道等同地質情況密切關聯的結構物的穩定性分析應用時存在困難。隨著復雜地質條件下設計、施工的深入推進,傳統二維地質成果已經不能滿足應用需求。GMS、Vulcan、Minexprorer等商業化三維建模軟件雖具有強大的建模功能,且融合了地質專業分析模塊,但它們同BIM模型之間存在幾何模型轉換不精確、非幾何信息無法互通等壁壘,致使高質量的地質模型無法進入BIM工作流程,并造成了數據孤島的出現。因此,部分學者[16-17]基于鉆孔、剖面圖、物探結果等單一數據在BIM環境中嘗試進行建模研究,但其所構建地質模型精確性仍尚有提升空間。

對此,提出一種基于BIM技術集成地質數據融合、Kriging算法數據加密和地質模型實體創建全過程的方法,充分擴展BIM模型對地質信息的表達能力?；凇耙荒６嘤谩崩砟?將高精度邊坡模型導入有限元軟件進行真三維有限元穩定性分析,以指導精細化的健康監測方案布置,提升智能監測的可靠程度與效率。

1 方法概述

針對上述分析,提出基于BIM環境創建精細化三維地質模型,并應用于邊坡穩定性分析中,以更加符合邊坡真實穩定性的計算結果指導健康監測布點。其總體流程如圖1所示,主要包含以下3個步驟。

圖1 基于三維地質BIM模型優化邊坡健康監測流程

(1)多元數據解析與融合

通過開發Python算法及優化Revit軟件,實現鉆孔數據與剖面數據解析,基于空間三維坐標進行數據匹配融合,使用Kriging算法完成數據加密與柵格化處理。

(2)BIM環境內的三維地質模型構建

基于Dynamo可視化編程開發算法,實現“點、線、面、體”漸進式的地質實體模型創建。

(3)邊坡穩定性分析與健康監測優化

基于精細化的BIM邊坡地質實體,進一步優化模型細節;將BIM模型轉換為邊坡穩定性分析模型,快速實現有限元前處理,并通過強度折減法計算邊坡穩定性。

2 基于BIM的多元地質數據解析與融合

2.1 BIM環境下地質數據解析融合流程

經地質勘察,形成懷化西編組站高邊坡工程地質資料,包括但不限于:鉆孔數據庫、地質橫斷面、平縱斷面圖、巖土性能測試等,并基于勘察資料形成了一系列設計資料。本文研究基于Revit提取路基橫斷面設計圖資料中的地層分界線信息,融合地質鉆孔數據進行BIM環境中的三維地質模型創建。

本項目于勘察范圍內鉆孔467處,孔深總計19 191.87 m。鉆孔數據描述了鉆孔編號、鉆孔點位的空間坐標、鉆孔中各地層性質及揭露厚度等信息,由地質鉆孔施工直接采集而來,對采樣鉆孔處的地質情況給予最準確的描述。但是,限于其采樣密度,用于三維地質建模時,鉆孔點之間的地質情況存在不確定性;不同里程處路基橫斷面設計圖中的地層分界線,即剖面數據,是人為對基礎地質數據進行處理,在鉆孔離散數據基礎上實現了各個斷面處的數據擬合。但剖面數據無法表達各斷面之間的地質情況。

兩者數據表現為異構形式數據,但其在空間坐標層面存在明確的關聯性,即剖面數據雖然以圖片形式呈現,其本質上是專業人員在不同斷面上繪制了地層線信息,這些幾何信息在斷面圖內存在相互制約關系。通過確定斷面在三維空間內的位置,即可進一步推算出各地層分界線控制點在三維空間內的具體坐標表達,將圖像信息解析轉換為點云數據,其流程如圖2所示。

圖2 數據融合整體流程

2.2 數據解析與融合實現

Revit作為使用率極高的BIM軟件,其通過項目基點、項目觀測點及草圖局部空間坐標系進行復雜BIM模型的綜合坐標體系搭建,能夠為剖面數據與鉆孔數據解析融合提供統一空間坐標體系。Dynamo是一款用于擴展Revit軟件功能的可視化編程工具,其對Revit API所提供的接口進行了二次封裝,通過可視化代碼塊將不同函數、方法進行自由組合,以實現程序化功能。將原本需要用戶采用人機交互進行模型構建的方式轉化為了使用可視化代碼自動建模,真正實現BIM模型生成的參數化、自動化。

采用“點、線、面、體”逐層構建的模式生成三維地質模型,將剖面數據統一轉換為空間點數據,可為后續建模工作打下基礎,以實例數據分析剖面解析與融合的步驟如下。

(1)剖面空間配準

將地質建模區域附近某一點的空間坐標設置為Revit觀測點坐標,根據實際線路中線控制點三維坐標在Revit中繪制線路中線。路基邊坡橫斷面設計圖中包含了地質分層線,同時其標注了線路中線位置,將其導入Revit中,使其與Revit中的線路中線位置對齊,并垂直于對應中線處的法線方向,即可實現剖面上各個位置與實際三維空間定位坐標相匹配,如圖3所示,在Revit中基于線路中線導入了懷化西編組站高邊坡GDK1+810～GDK1+890間5個斷面的路基斷面設計CAD圖,其比例尺均為1∶1。

圖3 基于線路中心線的圖層配準

(2)CAD圖紙解析為BIM內線條對象

使用Dynamo中CurvesFromCADLayers節點,此節點可通過輸入一個已導入Revit中的CAD圖紙的圖層名進行圖紙線段篩選,進而將CAD圖紙中的地層分界線轉換為Dynamo中可以操作的Curve線。

(3)剖面線關鍵控制點數據提取并導出

使用Curve.PointAtParameter(t)節點,其中t為起點到所獲取點的距離占曲線總長度的百分比,每間隔一定數值輸入t,間隔值越小則控制點越密集。獲取剖面上各控制點的三維空間坐標及其包含的地質信息,即完成剖面數據解析,可將解析結果以.csv格式進行存儲。線型解析及控制點解析過程與解析效果如圖4所示。

圖4 剖面線與控制點提取

剖面數據經上述處理后,即完成了圖片信息向空間三維控制點信息的轉換。為實現空間三維控制點數據與地質鉆孔csv數據的格式統一,將其導出為包含經距X、緯距Y、高程Z及控制點所在地層名信息的csv文件。上述兩csv文件進行合并,形成由剖面數據及鉆孔數據聯合控制的地質建?；旌蠑祿?部分數據如表1所示。其中,地質鉆孔數據為地質勘察鉆孔采樣后,按照建模需要進行整理所得。

表1 融合剖面及鉆孔數據的部分控制點

3 BIM環境中三維地質模型創建

3.1 地質融合數據增強

剖面與地質鉆孔數據融合之后,已經在數據源的層次上實現了地質建模數據的增強,但是上述數據在各剖面之間的控制點仍較稀疏,具有進一步優化空間。因此,需要使用空間插值算法對既有數據進行插值補充,以提升數據點密度。

克里金插值法基于變異函數和結構分析,可以實現對一定空間范圍內未采樣點的取值進行無偏最優估計,其關鍵公式如下[18]

(1)

其中,通過變異函數在無偏性和最小方差等條件約束下計算得到權重系數λi,使得計算結果更加符合真實環境。

研究者們基于各種假設條件發展了不同的克里金算法[19]。在地質統計學中,認為區域化變量隨機二階平穩,即變量的均值是常量,且變量間的協方差僅與距離有關。因此,基于Python語言,使用Pykrige庫的OrdinaryKriging模塊搭建普通Kriging插值增強算法,將前文生成的地質混合數據導入算法之中,以估計出建模范圍內各個柵格點處高程值,實現建模數據加密與柵格化處理。

3.2 地質模型創建

基于Dynamo的地質實體創建,總體流程如圖5所示。

圖5 基于Dynamo的地質實體創建流程

地質融合數據經前文Kriging算法處理后,形成柵格化的空間點陣,采用“點、線、面、體”逐步處理建模數據,使用Dynamo可視化編程生成地質模型實體,主要有以下幾個步驟:(1)NurbsCurve對每一列點進行擬合生成曲線;(2)將同一層面所有曲線輸入Surface.Byloft節點中,生成地質層面,將表層地層面與某一高程處的投影面進行Solid.Byloft處理,即可生成符合地質表面形狀但不包含地質內部分層信息的地質實體;(3)最后使用地質體內部每一層地質層面對地質實體進行切割,實現地質實體的劃分。

3.3 精細化邊坡模型創建與分析模型傳遞

在生成地質模型基礎上,完成邊坡開挖,并根據設計方案在Revit中利用預置族庫創建邊坡支護設施等模型,具體建模過程不再贅述,如圖6所示。

圖6 精細化三維地質邊坡BIM模型

基于“一模多用”理念,可將BIM模型直接用于邊坡有限元分析[20]。邊坡本體、框架梁、樁板墻等結構可導出為*.sat格式文件,錨桿等受力特性在有限元分析模型可作簡化的模型可提取為起終點坐標,進而在Abaqus中快速實現模型重建與前處理工作,快速轉換為有限元分析模型,模型轉換流程如圖7所示。在Revit中,選中實體單元后,可直接導出相關模型為*.sat文件;基于Revit API中的模型操作接口,開發特征點提取算法,提取所選中模型的兩端點截面中心坐標,并通過代碼操作Excel表,按格式生成*.csv文件。

圖7 BIM模型與有限元分析模型轉換流程

生成中間文件后,在ABAQUS中通過導入實體部件方式,導入*.sat文件;編寫python script腳本,讀取起、終點坐標方式創建桿單元,實現批量生成。模型導入后,可按照有限元分析步驟進行部件裝配、材質賦予、網格劃分等操作,形成與BIM模型相對應的有限元分析模型,如圖8所示。

校長憑借什么領導學校？對這個問題，很多校長包括我自己在內，都很難準確回答出來，我們雖然每天都在管理學校，但很少去認真思考，具備哪些能力，校長才是合格的。

圖8 ABAQUS處理的邊坡有限元分析模型

區別于傳統準三維有限元模型,上述模型可真實體現實際地質情況,為計算出符合工程實際穩定性分布狀態的結果與指導健康監測方案布置打下基礎。

4 精細化模型在高邊坡監測中的應用

4.1 工程背景

渝懷鐵路梅江至懷化段增建第二線引入懷化樞紐工程,其中超高邊坡里程為GDK1+125～GDK2+362,邊坡共14級,垂直最大高度124 m,此邊坡因其建設在地質條件復雜地區,存在高度大、級數多、支護措施復雜等特點,建設區段于2020年12月建成投入運營。為保障邊坡運營期整體穩定性,并驗證其支護效果,需對其進行系統性的健康監測,以掌控其穩定性變化情況。

4.2 監測方案優化

高邊坡區段巖土性質本身較為穩定,邊坡坡面以粉質黏土為主,下臥砂巖和灰巖,表層的硬塑狀粉質黏土相對軟弱,但承載力較高。根據設計資料可知,為了保證巖土體開挖的施工安全,高邊坡全段采用坡面框架梁錨桿、分級設置寬平臺、重點區域設抗滑樁、坡腳樁板墻等多種防護措施相結合的方案進行加固,經二維傳統極限平衡法和有限元極限平衡法檢算,建設完成后所有斷面邊坡穩定性系數為1.422～5.813,整體穩定性較佳。

然而,二維斷面的檢算結果沿線路縱向不具備連續性,并不能準確判斷出整體最危險斷面,為保證自動化監測系統可采集最不利位置信息,同時保證方案經濟性,需針對不利工點建立精細化BIM模型,進行三維有限元計算,為監測方案優化提供初步指導。區段內主要包括如下2種不利工況。

(1)超高邊坡

GDK1+810～GDK1+890區段高邊坡達到14級,總高度達124 m,需重點監測其運營期狀態。

(2)斷層復雜地質

在GDK2+150附近受盈口斷層影響,區段內地層巖性局部發生倒轉,灰巖地層在上,砂巖地層在下部,巖體較破碎,地質條件極為復雜,故是高邊坡中需重點監測的區段。

4.3 有限元分析與監測方案布置

按照前文所述精細化BIM模型構建流程,分別構建2個重點區段BIM模型,并轉為有限元分析模型,超高邊坡段模型見圖6、圖8,斷層復雜地質段BIM模型及有限元轉換后模型如圖9所示。

圖9 斷層復雜地質BIM模型與有限元分析模型

三維有限元分析可得到邊坡整體安全系數和潛在滑動面。為判斷出最危險的斷面,將位移云圖進行切片,如圖10所示。14級高邊坡區段穩定性系數為1.604,由于區段內的巖層較平整,各斷面的邊坡破壞形式相近,故可在最高處即GDK1+850處斷面附近增加監測點;斷層區間邊坡失穩主體為開挖揭露的泥質砂巖,穩定性較高(安全系數為2.048),但弱風化的泥質砂巖與灰巖的接觸面很不規則,邊坡易沿著砂巖與灰巖的交界面發生滑動,可在砂巖較厚的GDK2+110和GDK2+200斷面處加強監測。

對高邊坡全段進行自動化監測系統布置,其典型監測設備布置斷面如圖11所示。高邊坡段(6級)里程編號為GDK1+325～GDK2+225,里程長度總計900 m,邊坡共14級,垂直最大高度124 m,普通區段每80 m布置1個斷面,重點關注區域斷面設置在有限元分析結果所確定的最不利斷面處,即GDK1+850、GDK2+110和GDK2+200。

圖11 監測方案布設典型斷面(單位:m)

4.4 監測數據分析

上述高邊坡于2020年12月竣工投入運營使用,同時按照前文所提出的自動化健康監測方案進行監測實施。監測至2022年2月,邊坡累計位移及位移速率均未超過預警閥值,邊坡安全狀況良好。下文選取超高邊坡區段及復雜斷層地質區段,重點分析區段內各最不利斷面監測最大累計位移數據,如圖12所示。

圖12 最不利區段現場監測數據

從整體上看,最不利區段在X方向及Y方向的位移均在±5 mm以內,最大位移一般發生在土體淺層位置。邊坡絕大多數監測點處于穩定蠕變、減速蠕變甚至是穩定波動階段,截止至數據分析日期,最不利區段邊坡處于穩定狀態。重點區域以外監測點位,表現形式均與此區段類似。

其中,GDK2+110斷面一級邊坡深度0 m處的Y方向累計位移從監測開始至今一直處于增加狀況,X方向累計位移處于波動上升階段,其位移增加緩慢,但暫未呈現出穩定狀態,需在后期持續進行監測,確保結構物安全。綜合全部監測數據,邊坡累計位移及單日位移速率均未超過GB50330—2013《建筑邊坡工程技術規范》中所設限值,邊坡處于穩定狀態。經有限元計算確定的最不利監測斷面累計位移數據,大于同區段內其他監測斷面?；诰毣刭|BIM模型及強度折減法的真三維穩定性分析,可以有效地對邊坡監測布置進行優化。

4.5 基于BIM模型的監測可視化管理

通過重點區段監測數據圖表達方式可以看出,圖表模式對海量監測數據進行可視化表達效果不佳,難以展示監測體系整體狀態。因此,基于Cesium引擎,開發可供監測預警信息可視化的云平臺。將各監測設備的BIM模型放置在邊坡中對應位置,并實現監測傳感器模型與監測數據庫之間的數據連接,以數據驅動模型色彩屬性發生變化。展示監測情況,如圖13所示,所有傳感器均處于綠色(穩定)狀態。若監測指標超過預警值,則表現為黃色與紅色。在平臺中對眾多監測傳感器數據進行可視化管理,提升了監測數據的使用效率。

圖13 監測BIM模型在云平臺中可視化效果

5 結語

(1)提出一套在BIM環境中實現地質鉆孔數據與剖面數據的融合方法,在Revit內完成剖面數據向三維空間控制點數據的解析,并基于三維空間坐標系配準實現剖面與鉆孔數據的融合,為多元地質數據融合提供了新思路。在BIM環境中引入多元地質數據,為基于BIM技術的三維地質建模提供數據基礎。

(2)基于Nurbs曲線及曲面建模方法,運用“點、線、面、體”模式,漸進式流程,實現在BIM環境內創建三維地質模型,所創建的模型分層準確、過渡均勻。將精細化的BIM地質模型轉換為相關有限元分析模型,有效提高分析模型精度,為邊坡健康監測中最不利位置的判釋提供新方法。

(3)基于精細化BIM地質模型,采用強度折減法對懷化西編組站高邊坡2處特殊工況的穩定性進行分析,成功提取出邊坡最不利位置,并指導健康監測點位布置。經現場監測驗證,該邊坡總體處于穩定狀態,且其最不利位置的累積位移普遍大于同區段一般測點,該優化監測方案布設合理,拓寬了BIM技術在指導邊坡健康監測方面的應用。