基于有限元分析和热学参数反演的大坝温度预测方法

本发明属于水利水电混凝土大坝温度调控领域，具体涉及一种基于有限元分析和热学参数反演的大坝温度预测方法。

背景技术：

1、在混凝土大坝的建设过程中，由于自身水化热和外界气温等因素的影响，坝体中容易产生较大的温度应力，当混凝土的抗拉强度不足以抵抗该温度应力时，极易产生温度裂缝。为了实时准确地了解大坝的温度性态，仅靠现有仪器得到当前的温度数据是不够的，还需要通过软件仿真对大坝温度未来变化趋势进行预测，获得准确的混凝土温度场来分析大坝应力状态。然而，混凝土温度场仿真计算过程中易受多种不确定因素影响，如外部温度、内部水管冷却以及混凝土的热学参数等。外部温度、冷却水管流量可现场监测得到，而热学参数取值则需要通过室内试验获得。但由于室内试验的局限性，热学参数的室内实验值与实际值存在较大误差。因此，有必要基于大坝施工现场实测数据和智能优化分析方法，综合考虑现场外界气温与冷却通水因素的影响，通过反演计算获得大坝施工过程中真实热学参数值。

2、大坝热学参数反演计算过程实质上是利用优化算法调用温度场仿真计算程序进行多次迭代的过程。现有技术的优化算法调用温度场的方法局部搜索能力差、对初始值依懒性强，在复杂问题上，容易陷入局部最优、无法保证能够搜索到全局最优解，并且还存在计算量大、迭代时间长等问题。

3、人工蜂群算法(artificial bee colony algorithm，abc)是一种模拟蜜蜂群体寻找优质蜜源的仿生智能计算方法，由土耳其学者karaboga在2005年提出。它是通过对自然界蜂群的长期观察，将蜂群的群体智能用于求解优化问题并与人工智技术相结合而产生的。该算法属于集群思想的范畴，类似的还有鱼群算法、蚁群算法等。人工蜂群算法本质是一种广义的邻域搜索算法，它将蜂群分为引领蜂、跟随蜂、侦察蜂3种蜜蜂类型以及分享蜜源和放弃蜜源2种基本行为。每个蜜源的位置代表优化问题的可行解，蜜源的花蜜量代表对应解的质量，蜜蜂寻找蜜源的速度代表求解对应的优化问题的速度，通过引领蜂、跟随蜂、侦察蜂在不同情况下的转换，借助启发式策略，不仅能有效进行局部搜索，还具有全局寻优的能力。

4、与其它智能算法相比，abc算法具有控制参数少，计算简单易于实现，搜索速度较快，以适应度函数作为主要进化依据等优良特点，但是abc依然存在收敛速度后期放慢以及易陷入局部最优解等问题。

5、因此，研究改进的人工蜂群算法，并将其应用到对大坝热学参数的反演计算以实现对大坝温度的精准预测。

技术实现思路

1、本发明的目的是针对上述问题，提供一种基于有限元分析和热学参数反演的大坝温度预测方法，在abc算法解空间的搜寻过程中增加当前全局最优值的引导作用以加快abc算法的收敛速度，并在引领蜂领域搜索过程中增加交叉操作以提高全局寻优能力；利用改进abc算法对热学参数进行反演计算，减小计算的热学参数值与真实值的误差；再根据计算得到的热学参数值预测大坝温度，以便于对大坝实施精细化温度调控。

2、本发明的技术方案是基于有限元分析和热学参数反演的大坝温度预测方法，包括以下步骤：

3、步骤1：建立各个混凝土浇筑仓的有限元模型，并设定初始条件和边界条件；

4、步骤1-1：在有限元软件中，建立浇筑仓的有限元模型，并对该有限元模型进行网格划分；同时对混凝土材料、单元属性进行分配赋值；

5、步骤1-2：有限元模型的初始条件包含混凝土的初始温度，混凝土的初始温度根据现场的实测数据获得；

6、步骤1-3：边界条件主要包括外界环境温度和混凝土的通水冷却；

7、步骤2：确定用于大坝温度预测的热学参数及其取值范围，并建立热学参数的目标函数；

8、步骤2-1：确定反演的热学参数及取值范围，反演的热学参数包括混凝土表面放热系数，混凝土温升规律参数、混凝土最终绝热温升；

9、步骤2-2：建立热学参数反演的目标函数，将混凝土热学参数反演问题转变为最优化问题；

10、步骤3：在热学参数的取值范围内随机产生一组初始热学参数值，并代入有限元模型进行温度仿真模拟计算，得到混凝土浇筑仓内节点处的温度值，与节点处混凝土的实际温度一并代入目标函数中，计算得到目标函数值；

11、步骤3-1：对混凝土的浇筑次序、大气温度、浇筑温度、水化热仿真模拟；

12、步骤3-2：利用有限元软件的“单元生成”和“单元杀死”功能实现分仓浇筑混凝土的模拟仿真；分仓浇筑的模拟仿真前，将坝体单元全部“杀死”；仿真时，根据浇筑进度依次激活坝体单元；

13、步骤3-3：通过有限元软件中参数化程序设计语言将不同时间段的混凝土生热率施加到浇筑仓的温度场上，再对浇筑仓混凝土进行温度场计算，得到混凝土的计算温度；

14、步骤4：利用全局人工蜂群算法对热学参数进行迭代反演，并利用目标函数判断得到的热学参数值的优劣；

15、步骤5：重复步骤4，得到满足目标函数值要求的热学参数的取值，并将计算得到的温度值与混凝土实际温度值相比较，达到预期目标后停止迭代反演；

16、步骤6：根据得到的热学参数值，预测大坝混凝土的温度。

17、优选地，所述步骤1-2中，将浇筑仓底面和横缝侧面作为绝热边界，浇筑仓顶面和上下游表面为第三类温度边界条件；

18、混凝土与空气接触时，假定经过混凝土表面的热流量q与混凝土表面温度t和气温ta之差成正比，第三类传热边界条件的表达式如下：

19、

20、式中q为热流量；λ为导热系数；ta*为综合等效气温；β为混凝土表面放热系数；ts为混凝土表面日平均温度；n为法向方向单位矢量。

21、优选地，所述步骤1-3中，考虑冷却通水时混凝土温度的计算式如下：

22、t(t)＝tωi+(ti-tωi)fi(t)+θ0ψi(t)  (2)

23、

24、式中t(t)表示混凝土平均温度；e为自然常数；tωi为第i档冷却通水水温；ti为i-1档通水结束且第i档通水开始时的混凝土温度；φi(t)为第i档通水时的水冷函数；θ0为最终绝热温升；ψi(t)为第i档通水时的水冷温升函数；pi为第i档通水时的水冷参数；ti为流量或水温改变时刻；t为冷却时间；s、m1、m2均为待定的系数；

25、水冷参数的计算式如下：

26、

27、k＝2.09-1.35ξ+0.320ξ2  (7)

28、ξ＝λl/cwρwqw  (8)

29、非金属冷却水管的等效导温系数计算式为：

30、

31、式中d为等效冷却柱体直径；b为等效冷却柱体半径；s1、s2分别为水管布置的水平、铅直间距；ρw为水的密度，qw为通水流量，l为水管长度，cw为水的比热，λ为混凝土导热系数；a'为等效导温系数，c为水管外半径，r0为水管内半径，λ1为水管导热系数；ξ表示与水比热、水的密度、通水流量、水管长度有关的中间变量。

32、优选地，所述步骤2-2中，目标函数f(x)的表达式为：

33、

34、min f(x)x＝(x1,x2,x3,…,xd)∈[ld,ud]  (14)

35、式中x表示该优化问题的可行解，x*表示该优化问题的最优解，x为d维向量，d表示优化问题的参数数量；tij'、tij分别表示第j个位置i时刻的混凝土温度计算值、实测值；p表示测点位置总数量，q为总时长；ld、ud分别表示解空间的下界、上界。

36、优选地，步骤4中，采用基于交叉运算的全局人工蜂群算法对热学参数进行迭代反演。

37、所述基于交叉运算的全局人工蜂群算法针对人工蜂群算法收敛速度慢的问题，对解空间的搜索方程式进行如下改进，

38、

39、式中vid表示第i个粒子的速度；xid表示第i个粒子在搜索空间中的位置；表示全局最优解向量中的第d个分量；α为[-1,1]中的随机数；β为[0,c]中的随机数，其中c为非负常数；

40、通过项可平衡人工蜂群算法的探索与开发能力，但降低了全局寻优能力，针对这个问题，引入遗传算法中的交叉运算操作，对人工蜂群算法进一步改进，

41、

42、式中vid'表示引入交叉运算后第i个粒子的速度；cr表示交叉算子；rand为[0,1]的随机数；当cr取较小值时，改进的人工蜂群算法的开发能力加强，反之，当cr取较大值时，改进的人工蜂群算法算法的探索能力加强；对应不同的优化问题，cr可取不同的值来使算法达到最好的寻优能力，提高了算法对不同优化问题的适应性。

43、相比现有技术，本发明的有益效果包括：

44、1)本发明在考虑冷却通水和外部环境气温影响的基础上，根据混凝土仓中已埋设光纤的测温数据，将abc算法应用到混凝土热学参数反演计算，减小了计算的热学参数值与施工期混凝土真实热学参数值的误差。

45、2)反演结果对于阐明温度变化与热学参数之间的关系具有重要意义，再根据计算得到的热学参数值预测大坝温度，提高了大坝温度预测的精度，有利于对大坝实施精细化的实时温度调控。

46、3)本发明针对abc算法开发能力弱的特点，通过在abc算法解空间的搜寻过程中增加当前全局最优值的引导作用以及在引领蜂领域搜索过程中增加交叉操作，增加了abc算法的收敛速度，提高了abc算法的全局寻优能力。