(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210596280.1 (22)申请日 2022.05.30 (65)同一申请的已公布的文献号 申请公布号 CN 114676646 A (43)申请公布日 2022.06.28 (73)专利权人 西南交通大 学 地址 610031 四川省成 都市二环路北一段 111号 (72)发明人 冯君　张俊云　向波　邹凯　杨涛　 江南　 (74)专利代理 机构 北京集智东方知识产权代理 有限公司 1 1578 专利代理师 刘林　陈攀 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/23(2020.01) G06F 111/10(2020.01) G06F 119/14(2020.01)(56)对比文件 CN 113111595 A,2021.07.13 CN 114297767 A,202 2.04.08 CN 112095596 A,2020.12.18 CN 112396936 A,2021.02.23 CN 113034855 A,2021.0 6.25 US 20212 94939 A1,2021.09.23 US 2012206258 A1,2012.08.16 CN 1098725 08 A,2019.0 6.11 CN 113408184 A,2021.09.17 CN 112487545 A,2021.0 3.12 郭永建等.应力监测在公路岩质边坡中的应 用研究. 《岩土力学》 .2013,(第0 5期), 沙勇华等.基于变量筛选的岩质高边坡 锚杆 轴力预测. 《河南科 学》 .2016,(第0 6期), 晏长根等.基于锚杆监测的单滑动面 边坡动 态预警分析及安全分级. 《中国公路学报》 .2018, (第06期), 审查员 刘褚燚 (54)发明名称 用于边坡的智能预警方法、 装置、 设备及可 读存储介质 (57)摘要 本发明提供了用于边坡的智能预警方法、 装 置、 设备及可读存储介质， 所述方法包括： 获取第 一数据和第二数据， 所述第一数据包括边坡的地 勘数据和设计数据， 所述第二数据包括实时采集 的安装在边坡中的每根锚 杆的轴力数据； 根据所 述地勘数据和所述设计数据得到第三数据； 根据 所述第三数据构建样本集， 利用所述样本集对神 经网络模型进行训练， 得到神经网络预警模型； 利用所述神经网络预警模型和实时采集的每根 锚杆的轴力数据对所述边坡进行预 警。 本发明通 过引入轴力测试锚杆群实现坡体内部应力状态 的监测， 借助力学计算和神经网络技术实现顺层 岩质边坡整体稳定性和局部稳定性的预测， 减少 对历史现场监测数据的依赖， 提高预警精度。 权利要求书3页 说明书8页 附图3页 CN 114676646 B 2022.08.02 CN 114676646 B 1.用于边坡的智能预警方法， 其特 征在于， 包括： 获取第一数据和第二数据， 所述第一数据包括边坡的地勘数据和设计数据， 所述第二 数据包括实时采集的安装在边坡中的每根锚杆的轴力数据； 根据所述地勘数据和所述设计数据得到第 三数据， 所述第 三数据包括边坡岩体模量的 取值范围、 主控结构面粘聚力的取值范围、 内摩擦角的取值范围和滑面位置信息的取值范 围； 根据所述第三数据构建样本集， 利用所述样本集对神经网络模型进行训练， 得到神经 网络预警模型； 利用所述神经网络预警模型和实时采集的每根锚杆的轴力数据对所述 边坡进行 预警。 2.根据权利要求1所述的用于边坡的智能预警方法， 其特征在于， 所述第 二数据的获取 方法， 包括： 发送控制命令， 所述控制命令包括在边坡中安装锚杆的命令， 其中， 在边坡主轴断面上 沿坡面等间距布置预设根数 的所述锚杆， 所述锚杆与岩层层面夹角小于预设度数， 所述锚 杆穿过推测滑面长度不小于预设数值， 每根所述锚杆 上每隔预设间距 布置一个轴力测点； 获取工作人员输入的确认信息， 所述确认信息包括所述锚杆已安装好的确认信息； 对每一个所述锚杆进行监测， 获取每一 根所述锚杆的所述轴力数据。 3.根据权利要求1所述的用于边坡的智能预警方法， 其特征在于， 根据 所述第三数据构 建样本集， 包括： 获取取值个数； 在所述边坡岩体模量的取值范围中按照所述取值个数进行取值， 在所述内摩擦角的取 值范围中按照所述取值个数进 行取值， 在所述主控结构面粘聚力的取值范围中按照所述取 值个数进行 取值， 在所述滑面 位置信息的取值范围中按照所述取值个数进行 取值； 将取得的数值按照应用正交设计方法构建不同的排列组合， 并基于所有所述排列组合 构建样本集。 4.根据权利要求3所述的用于边坡的智能预警方法， 其特征在于， 基于所述排列组合构 建样本集， 包括： 应用ABAQUS建立实际监测边坡的数值分析模型； 针对每个所述排列组合， 在所述实际监测边坡的数值分析模型中应用强度折减法开展 边坡的渐进破坏过程分析， 直至所述边坡沿任意一个滑面发生滑移破坏， 将此时所对应的 强度折减系数记为所述 边坡的整体安全系数； 基于所述边坡的整体安全系数和强度折减法计算得到每一时刻下边坡的整体安全系 数、 沿滑面各点的点 安全系数和滑面 位置信息； 将每一时刻下所述数值分析模型中所有所述锚杆的轴力值、 边坡的整体安全系数、 沿 滑面各点的点安全系 数和滑面位置信息作为一个样本， 将所有的所述样本进行集合， 得到 样本集； 利用所述样本集对所述神经网络模型进行训练， 得到所述神经网络预警模型， 其中， 在 对模型进行训练时， 将每一时刻下所述数值分析模型中所有所述锚杆 的轴力值作为输入， 将每一时刻下边坡的整体安全系数、 沿滑面各点的点 安全系数和滑面 位置信息作为输出。 5.用于边坡的智能预警装置， 其特 征在于， 包括：权　利　要　求　书 1/3 页 2 CN 114676646 B 2第一获取模块， 用于获取第一数据和第二数据， 所述第一数据包括边坡的地勘数据和 设计数据， 所述第二数据包括实时采集的安装在边坡中的每根锚杆的轴力数据； 计算模块， 用于根据所述地勘数据和所述设计数据得到第三数据， 所述第三数据包括 边坡岩体模量的取值范围、 主控结构面粘聚力的取值范围、 内摩擦角的取值范围和滑面位 置信息的取值范围； 训练模块， 用于根据所述第三数据构建样本集， 利用所述样本集对神经网络模型进行 训练， 得到神经网络预警模型； 预警模块， 用于利用所述神经网络预警模型和实时采集的每根锚杆的轴力数据对所述 边坡进行 预警。 6.根据权利要求5所述的用于边坡的智能预警装置， 其特 征在于， 所述装置， 包括： 发送模块， 用于发送控制命令， 所述控制命令包括在边坡中安装锚杆的命令， 其中， 在 边坡主轴断面上沿坡面等间距布置预设根数的所述锚杆， 所述锚杆与岩层层面夹角小于预 设度数， 所述锚杆穿过推测滑面长度不小于预设数值， 每根所述锚杆上每隔预设间距布置 一个轴力测点； 第二获取模块， 用于获取工作人员输入的确认信息， 所述确认信息包括所述锚杆已安 装好的确认信息； 监测模块， 用于对每一个所述锚杆进行监测， 获取每一 根所述锚杆的所述轴力数据。 7.根据权利要求5所述的用于边坡的智能预警装置， 其特 征在于， 训练模块， 包括： 第一获取 单元， 用于获取 取值个数； 取值单元， 用于在所述边坡岩体模量的取值范围中按照所述取值个数进行取值， 在所 述内摩擦角的取值范围中按照所述取值个数进行取值， 在所述主控结构面粘聚力的取值范 围中按照所述取值个数进 行取值， 在所述滑面位置信息的取值范围中按照所述取值个数进 行取值； 构建单元， 用于将取得的数值按照应用正交设计方法构建不同的排列组合， 并基于所 有所述排列组合构建样本集。 8.根据权利要求7 所述的用于边坡的智能预警装置， 其特 征在于， 构建单 元， 包括： 建立子单 元， 用于应用ABAQUS建立实际监测边坡的数值分析模型； 分析子单元， 用于针对每个所述排列组合， 在所述实 际监测边坡的数值分析模型中应 用强度折减法开展边坡的渐进破坏过程分析， 直至所述边坡沿任意一个滑面发生滑移破 坏， 将此时所对应的强度折减系数记为所述 边坡的整体安全系数； 第一计算子单元， 用于基于所述边坡的整体安全系数和强度折减法计算得到每一 时刻 下边坡的整体安全系数、 沿滑面各点的点 安全系数和滑面 位置信息； 集合子单元， 用于将每一时刻下所述数值分析模型中所有所述锚杆的轴力值、 边坡的 整体安全系 数、 沿滑面各点的点安全系 数和滑面位置信息作为一个样本， 将所有的所述样 本进行集 合， 得到样本集； 划分子单元， 用于利用所述样本集对所述神经网络模型进行训练， 得到所述神经网络 预警模型， 其中， 在 对模型进 行训练时， 将每一时刻下所述数值分析模型中所有 所述锚杆的 轴力值作为输入， 将每一时刻下边坡的整体安全系 数、 沿滑面各点的点安全系数和滑面位 置信息作为输出。权　利　要　求　书 2/3 页 3 CN 114676646 B 3