列车荷载下软土路基长期沉降预测研究进展

2021-09-15徐长节丁海滨童立红

华东交通大学学报 2021年4期

徐长节，丁海滨，童立红

（1. 华东交通大学江西省岩土工程基础设施安全与控制重点实验室，江西南昌 330013；2. 华东交通大学江西省地下空间技术开发工程研究中心，江西南昌 330013）

近二十年来，我国铁路、公路及机场等基础设施的建设取得了突飞猛进的发展，尤其是近年来，我国高速铁路发展迅速，截止2020 年底，我国高速铁路的总里程已经突破3.8 万km，居世界首位，且该数字还将继续攀升。我国幅员辽阔，各地区地质条件复杂多样，很多基础设施不得不修建在软土地基上，而列车荷载的长期作用会使得软土路基产生累积沉降，由此给行车安全带来隐患。如：由兰州至新疆的“兰新高铁”，于2014 年12 月开通运营，截止2016 年6 月，该路段路基最大累计沉降达67.2 mm，严重超出《高速铁路设计规范》中规定的工后沉降不大于15 mm 的要求[1]；上海地铁一号线，未通车期间沉降基本处于稳定状态，而通车后，全线年度差异沉降达30 mm[2]。此外，有诸多研究表明，路基在建设完成时沉降已基本趋于稳定，而投入运营后沉降会显著增加，由此说明了列车荷载对路基沉降的影响显著。为此，国内外学者对长期列车荷载下路基的累积沉降问题展开了研究。软土地基产生工后沉降的原因是软土地基由于渗透性低，短时间内可视为不排水，在列车循环荷载作用下，软土地基塑性应变及孔隙水压力累积，从而造成土体软化，随着时间的推移，孔隙水压力将逐渐消散，从而产生固结沉降[3-4]。

目前，国内外对于列车荷载作用下地基长期沉降研究的主要方法可归纳为本构模型法、经验模型法及机器学习法。本文也将从以上3 个方面对路基沉降的国内外研究现状展开综述。

1 本构模型法

长期列车荷载作用下，软土路基沉降的合理预测需要明确2 个基本问题，即列车荷载下软土地基内动应力分布规律及软土地基在长期动荷载下的变形特性。针对上述问题，学者们通过构建软土理论本构模型并与数值分析方法结合研究交通荷载下软土地基的长期沉降问题。如Mroz 等[5]提出了各项异性硬化模型，研究了循环荷载作用下土体动力特性。胡存等[6-7]建立了能合理反映饱和软黏土循环稳定和循环退化动力特性的无弹性域边界面模型，同时提出广义各向同性硬化准则，并应用该模型对饱和黏土在长期低应力水平下的循环动力特性进行了预测。 Abdelkrim 等[8]和葛世平等[9]采用弹塑性本构模型，研究了循环列车荷载下地基沉降变形规律。长期循环荷载下，构建能反应土体动力特性的本构模型的最常用方法是通过实验确定循环荷载下土体变形特性，而后根据试验结果构建其本构模型。如Li 等[10]通过室内试验得到了冻土累积应变的经验公式，将经验公式与经典弹塑性理论相结合，构建了长期低水平反复荷载作用下的冻土本构模型，模拟了冻土在长期低水平反复荷载下的动力特性。Chen 等[11]考虑了循环荷载幅值、次数、循环静偏应力及强度的影响，基于室内试验，构建了长期循环荷载下有机土的本构模型，并结合有限元法，分析了长期循环荷载下地基的动力特性。本构模型法可以很好地反映列车循环荷载下路基的变形机制，但是对于长达数万次甚至数百万次的交通荷载引起的变形，采用本构模型法，存在计算过程复杂、计算耗时长且计算精度难以控制等问题，并不利于在实际工程中使用。此外，影响路基长期沉降的因素很多，而土体本构模型所能考虑到的因素有限，这也一定程度上制约了本构模型法在预测路基长期沉降中的应用。

2 经验模型法

为研究列车长期循环荷载所引起的地基长期沉降，学者们普遍采用的研究方法为经验模型法，即通过对地基土进行室内大周次循环动三轴试验，用以模拟列车循环荷载对地基的长期作用，而后根据试验结果提出长期沉降预测经验模型。迄今为止，国内外学者所建立的循环荷载下饱和软黏土的塑性累积计算模型多达几十种，其中，Monismith 等[12]所提出的指数模型应用的最为广泛，其指出，软黏土的塑性累积应变与循环次数的关系为

式中：εp为累积塑性应变；N 为循环次数；A0，b 均为拟合参数。

Parr 等[13]也提出循环荷载下黏土变形特性的计算模型

Monismith 等所提出的模型展现了循环次数对累积塑性应变的影响，而其它因素的影响仅采用拟合参数A0，b 来体现，拟合参数取值不确定性较大，计算结果误差相对较大。 Li 等[14-15]将动偏应力和土体静强度引入至Monismith 等所提出的模型中，通过室内试验的结果对指数模型进行了改进，得出

式中：a 和m 为材料参数；σd为动偏应力幅值；σs为土体静强度。

Chai 等[16]在Li 等模型的基础上，考虑了土体初始剪应力的影响，提了一种新的指数预测模型，用以预测交通荷载下软土地基的沉降，即

式中：σf为静破坏剪应力；a0，m0，n0和b0均为试验拟合参数。

瞿帅等[17]和刘维正等[18]对重塑土进行了动三轴试验，讨论了固结围压σ3、动应力比ηd（ηd=σd/ σ3）对土体累计应变的影响，并基于试验结果建立了土体稳定型及破坏型累积应变预测模型。

1）稳定型，即随着循环荷载加载次数的增加，土体累积应变逐渐趋于稳定值，其预测模型为

Deng 等[19]开展了一系列的三轴试验，并结合简单的能量方法研究了软黏土累积变形特性。Shen等[20]利用室内模型试验构建了荷载频率对累积塑性应变的影响，即

式中： f0=1 Hz；f 为荷载激励频率；m，n，k 及l 为拟合参数。

以上学者基于试验构建了长期循环荷载下软黏土的累积塑性应变模型，此外国内外还有大量学者通过实验对软土的沉降展开了研究[21-34]，并构建了各种长期沉降经验预测模型，如黄茂松等对上海软黏土进行了不排水循环三轴试验，分析了循环荷载次数、初始偏应力和循环加载动偏应力对软黏土塑性累积的影响，并给出了软黏土塑性累积应变的指数修正模型。Ren 等通过与Hardin-Drnevich 和Monismith 模型类比，提出一种具有3 参数的经验模型，通过与试验对比发现，该模型比Monismith 模型更适合用于模拟长期循环荷载所引起软黏土的累积塑性应变。王军等[35]建立了饱和软黏土的累积塑性应变模型，考虑了循环应力比、超固结比及荷载振动频率等因素的影响，并结合修正的Iwan 模型，得到了循环荷载下饱和软黏土的累积塑性应变经验计算式。随着岩土设备的发展，为反映列车荷载所引起地基内主应力轴旋转对地基累积塑性应变的影响，学者们采用了GDS 空心扭剪仪进行了考虑主应力轴旋转的试验[36-38]，如Wu 等[39]采用空心扭剪仪进行了不同应力路径试验，模拟了交通荷载对温州软土变形的影响，并提出了考虑主应力轴旋转的塑性累积应变经验模型。

通过室内动三轴试验可以模拟大周次循环荷载对土体动力特性的影响，进而根据试验结果得出长期循环荷载下软黏土塑性累积应变的经验公式。然而，室内动三轴试验仍然是比较理想的情况，难以反映真实列车荷载的复杂工况，所建立的经验模型用于预测实际工程路基的长期沉降存在一定的误差。

3 机器学习法

前面所述的本构模型法是在大量假设基础上而提出，而经验模型法是在进行大量室内动三轴基础上，根据试验结果得到，此两种方法所得到的模型均为理想模型。在实际工程中，列车荷载为间歇性动荷载，且实际土层复杂多样，采用上述两种方法难以准确地预测列车循环荷载下软土路基的长期沉降。近年来，随着计算机的快速发展，机器学习法在土木工程中得到广泛应用。机器学习法通常是根据现场的实测数据对模型进行训练，从而使其能够预测后期路基沉降发展情况。目前，在路基长期沉降预测中，常用的机器学习方法有：人工神经网络[40-41]，灰度预测理论[42-43]及蚁群算法[44-45]等。Bi 等[46]基于人工神经网络和后传播算法，提出了预测路基沉降的算法，并利用实测数据对其进行训练，确定了模型中的参数，结果表明该方法对预测地基沉降具有较高的精度。Li 等[47]利用已有的沉降监测数据，提出了基于BP 人工神经网络的软土地基沉降预测方法。 Luo 等[48]建立了模糊神经网络法，并将其应用于广西桂河路软土地基沉降预测中，结果表明，该模型对短期沉降的预测较为准确。此外，还有很多学者采用人工神经网络及其改进算法对路基沉降进行了研究[49-53]。相比于神经网络算法，目前灰色预测在高速公路路基沉降的预测中有较多的应用[54-56]，而蚁群算法则在隧道沉降中有较多的应用[57-60]。

相比本构模型法和经验模型法，机器学习法是在大量的现场实测数据基础上，对后期的路基沉降进行预测，能够较为准确地反映实际工程的情况，预测结果精度也较高。但该方法仅能对短期沉降进行预测，需要不断利用现场实测数据来修正后期的预测结果，保证预测精度。即便如此，该方法仍然由于其预测精度较高，而在工程中得到了广泛的应用。