大坝应力应变监测的多因素时变分析模拟

王立强

(河北禹诚水利工程有限公司，河北 沧州 061000)

0 引 言

拦河土石坝是小规模梯级水利发电项目兼具灌溉功能的重要水利设施，因为土石坝的工程力学特征，对运行中土石坝进行实时监测，是确保其运行安全性和可靠性的重要保障措施。当前技术条件下，使用激光点云法对土石坝坝顶曲线进行实时测量，从而获得坝体应变，进一步推测坝体应力，是一种低成本坝体监测方法。而通过预埋式应力测试系统测试坝体应力，也是一种常见的应力监测方法。

本文研究中，拟使用上述两种监测方法并行，通过分析数据相关性，在时域数据变化特征的分析模型下，对坝体结构稳定性进行更细致、更可靠的监测。

1 监测方法与数据来源

1.1 坝体应变监测方案

最初应用无人机机载平台的激光点云设备，利用多角度的激光点云数据，在Smart3D大数据引擎的支持下，实时构建监测对象的DEM模型。在坝体监测过程中，利用固定在坝体两侧山体的高位激光点云探头，对个案坝体进行监测，也可以达到无人机激光点云监测的效果。而且因为固定激光点云设备可以持续对坝体进行照射监测，有效避免以往无人机监测过程中需要等无人机落地后再进行数据处理的数据实时性不足的问题。固定探头因为拍摄角度有限，拍摄距离偏远，所以也需要使用无人机进行补充测量，以提升坝体DEM模型的精度。详见图1。

图1 基于激光点云DEM模型的应变-应力分析数据流图

图1中，使用上述方法获得DEM模型后，一定周期的DEM模型会被存储到数据库中，新生成的DEM模型会与数据库中的以往各周期DEM模型进行比较分析，最终获得坝体的应变特征，进一步通过应变-应力传导函数，推测坝体应力。该传导函数见式(1)：

(1)

式中：F为坝体的总受力；L为坝体长度；H为坝体高度；Si为坝体位置i处的形变；ηi为坝体位置i处的应变-应力传导系数；y(x)为坝体高度与坝体位置之间的逼近函数；ρ为水体密度；γx为坝体位置x处的水压传导系数。

1.2 坝体应力监测方案

通过在坝体内直接埋入应力探头的方式，获得坝体应力检测结果。式(1)获得的坝体受力情况除以坝体淹水面面积获得的坝体应力(MPa)与坝体应力探头获得的坝体应力检测结果(MPa)之间会形成曲线对应关系。

个案中，坝体长度为935 m，坝体最大高度42 m，最大库容量12.7×104m3，最大设计蓄水深度39.5 m，此时可以获得坝体的最大根部应力约为0.405 MPa。但因为水流环境、动压环境、渗流环境等影响，该应力会发生较显著变化。而且因为坝体蠕性形变和弹性形变的对应关系，该应力-应变分布曲线也有变化。所以，通过式(1)双向推导坝体的应力应变特征，会获得坝体的时域数据特征，对坝体稳定性作出评价。

2 实测数据的时域空间分析

在935 m的坝体总长度中，应力探头的埋设距离设定为60 m，则整个坝体埋设探头数量为15个。考察截面数据，其应力及应变分布情况见表1。

表1 坝体应力及应变分布情况表

表1中，经过应力探头反推应变与应变实测结果，以及应变探头反推应力结果与应变实测结果，数据两两之间的评价区间存在一定的差异性，但其均值关系基本一致。表明在一般状态下，该两套系统基本可以独立完成应力及应变的监测过程。

对上述数据进行可视化，以实测结果为标准值，分析两套数据的反推误差，其分布情况见图2。

图2 数据反推误差分布情况图

由图2中发现，靠近坝体中央位置的反推数据中，二者均出现了正向误差；靠近坝体两端位置的反推数据中，二者均出现了逆向误差。且盈利反推应变的过程误差率高于应变反推盈利过程。

因为该误差产生机理较为稳定，可以认定该误差为系统误差。所以，在进行坝体稳定性评价的过程中，应利用基于激光点云监测数据的应变监测结果和基于预埋式应力监测系统的应力监测结果给出坝体稳定性评价系数，该系数为100倍应力(MPa)与应变(mm)的熵值，单位MPa/mm。

考察该稳定性在全年数据中的时域表现，其分布曲线见图3。

图3 坝体稳定性时域变化规律

由图3中可知，每年3月份开始，稳定性系数出现较陡的上升沿；至6-7月份，该值上升到峰值；而至10月份之后，该值在低位拉平且低位保持至次年的2-3月份。该趋势与当地的降水分布情况基本保持一致，即可认为当稳定性系数增大时，坝体稳定性受到挑战；反之，坝体稳定性增加。鉴于该稳定性系数分布规律，考察水库水位与稳定性系数之间的关系，详见图4。

图4 水库水位与坝体稳定性系数之间的对应关系图

由图4中可知，随着水库最大蓄水位升高，稳定性系数几乎呈线性关系升高，且曲线略有下弯。即坝体稳定性系数随着水库水位升高而线性升高的同时，其升速也随之加快。但当库容量为40 m，其稳定性系数升高速率没有出现收敛和失稳状态，可以认为该土石坝当前状态，支持水库的最大蓄水条件下的坝体稳定性，即该土石坝在水库达到最大蓄水量时，其稳定性仍具备工程学意义。该土石坝面临的覆坝风险远大于溃坝风险。

3 结 论

通过对坝体应力应变特征进行基于物联网大数据的时域分析，可以得出以下结论：

1) 坝体中部署的基于固定激光点云探头结合无人机激光点云探头的坝体应变监测系统、坝体中部署的预埋式坝体应力监测系统，均可提供高可靠、高可用的应力、应变时域数据，二者进行应力-应变双向反推的监测结果，最大误差率小于±1.0%，符合工程大数据需求。

2) 基于应力应变整合数据进行的坝体稳定性系数监测结果，证实在时域空间上坝体的低稳定性状态集中在每年夏秋季，该峰值分布情况与当地降水量峰值分布情况基本一致。

3) 通过将坝体稳定性系数与库容量之间进行关联分析，坝体稳定性在时域空间上表现出的分布特征，其本质是坝体库容量与坝体稳定性系数之间的统计学关系。该关系符合工程力学特征。