试析土坡稳定分析中临界滑动面搜索的遗传与蚂蚁算法研究

《试析土坡稳定分析中临界滑动面搜索的遗传与蚂蚁算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、天津大学硕士学位论文土坡稳定分析中临界滑动面搜索的遗传与蚂蚁算法研究姓名：夏绪勇申请学位级别：硕士专业：结构工程指导教师：王成华20020501摘要土坡问题广泛存在于实际工程中：基坑开挖、路基填筑、土石大坝的修筑等，因而土坡稳定问题一直受到人们的广泛关注。土坡稳定分析通常分为两步来进行：第一步，对某一可能滑动面，分析其抗滑稳定安全系数；第二步，对许多可能的滑动面，搜索出相应最小安全系数的临界滑动面。对于第一步，绝大多数已有的分析方法都是基于极限平衡分析的，本文在传统的极限平衡分析的基础上，采用了有限元

2、分析方法，把有限元分析的应力场作为临界滑动面搜索的基础。有限元方法的采用克服了极限平衡方法不能考虑土的本构关系和初始应力的影响，免去了许多不必要的假设，更真实的反映了土坡土体的受力状态，是搜索出的临界滑动面更贴近实际潜在滑动面的位置。临界滑动面的确定，尤其是对于非圆弧任意形状的滑动面的确定是一个非常复杂的问题。现已有很多不同的优化搜索方法提出来，然而有关这些方法的可行性、实用性方面的研究还不是很充分，难以在工程实践中应用。而且现有的大多数优化搜索方法的一个最主要的缺点就是对于复杂的非均质的成层土坡情况

3、难以保证搜索出的安全系数就是全局最小的安全系数而不是局部极值。本文在探讨已有方法的基础上，引进了两种启发式的人工智能优化搜索方法：遗传算法和蚂蚁算法。在研究和广泛领域应用中表明，这两种优化算法的全局搜索能力是强大的，而且不会陷入局部极值。本文经过大量的算例表明，这两种方法在土坡稳定l临界滑动面的优化搜索方面的应用是可行的，对于任意复杂土坡任意形状的滑动面的全局搜索能力是强大的。关键词：土坡稳定分析，临界滑动面，极限平衡法，非线性有限元法，优化搜索方法，遗传算法，蚂蚁算法ABSTRACTThestabi

4、lityofslopeshasreceivedwideattentionduetoitspracticalimportanceinthedesignofexcavations，embankments，earthandrockfilldams，andetc．Twostepsareinvolvedintheslopestabilityanalysis．Thefirstisthecalculationofthefactorofsafetyforaspecifiedslipsurfaces．Andthesec

5、ondstepistofind，amongmanypotentialslipsurfaces，thecriticalslipsurfaceassociatedwiththeminimumfactorofsafety．Generally,limitequilibriumtechniquesarecommonlyusedbytheexistingmethodsasthefirststep．Inthispage，basedonthetraditionallimitequilibriummethods，fin

6、iteelementmethods(FEM)areused．mFEstressfieldsareusedtoindicatetheprobablelocationofthecriticalslipsurface．TheFEMhastheadvantageoverthelimitequilibriummethodsthatitCanaccountfortheconstitutiverelationshipsofthesoilsandtheeffectofinitialstresses．Also，FEMt

7、akesfewassumptions，anditwillmoreactuallyreflectthestressstateoftheslope．ThesearchingresultofthecriticalslipsurfacebasedontheFEMwillbemoreclosetotherealpotentialslipsurface．Theproblemoflocatingthecriticalslipsurface，especiallytothenoncircularsurface，isve

8、rycomplex．Thoughmanynumericaloptimizationroutineshavebeendeveloped，theresearchofthefeasibilityandpracticabilityintheseroutinesinengineeringpractice．Also，themainshortcomingofthesepresentlyusedoptimizationtechniquesistheiruncertain