粘黏結巖石抗浮錨桿抗拔承載力強度性能試驗分析

崔孝禮

(天津市勘察設計集團有限公司，天津 300191)

抗浮錨桿的工程意義為確保建筑物地下結構的穩定性，防止土層流動性帶來的浮力導致建筑物向上位移帶來的建筑物傾斜失穩。而粘結巖石抗浮錨桿通過錨固劑和螺紋鋼錨桿相配合，粘結部分基礎部分巖石加強錨桿錨固力，增加抗浮錨桿的錨固效果。根據《巖土錨桿與噴射混凝土支護工程技術規范》(GB 50086-2015)、《建筑地基基礎設計規范》(GB50007-2011)、《建筑邊坡工程技術規范》(GB50330-2013)等技術規范文件要求，抗浮錨桿應用在建筑物地下結構中時，需要對其進行載荷計算、錨固長度-抗拔承載力特征計算、截面積-抗拉強度計算、錨桿穩定性計算等。該研究重點梳理粘結巖石抗浮錨桿的錨固長度-抗拔承載力特征計算過程，以尋求相關技術體系，尋找技術突破要素。

圖1 錨固長度-抗拔承載力特征數據試驗系統示意圖

1 試驗平臺及數據特征

按照相關規程文件規定，該試驗的試驗平臺試驗環境為：在C30以上強度標準的混凝土筑塊上使用工字鋼構件搭建支撐架，支撐架之上布置液壓千斤頂，支撐架之下布置位移計量裝置，錨桿托盤和預緊螺絲布置在千斤頂之上。啟動千斤頂給出不同液壓壓強以提供不同壓力，計量錨桿的實際位移，從而得到相關特征數據。上述試驗體系架構如圖1所示。

圖1中，實際試驗過程中，為了獲得更為精確的數據，需要預置多根錨桿分別進行試驗，試驗前的混凝土養護期內，應采用PVC套管等保護措施對錨桿外露部分充分保護，且錨桿之間需要保持足夠距離，防止試驗對混凝土筑塊的破壞作用影響其他錨桿的試驗數據。試驗中，采用先中間后兩側的順序進行試驗。試驗后的混凝土砌塊因為受到大拉拔力的破壞作用，無法作為建筑物結構繼續使用，所以該混凝土砌塊不應布局在建筑物基坑內，而需要在基坑之外進行筑塊試驗環境搭建。上述技術要素的現場布置情況如圖2所示。

圖2 錨固長度-抗拔承載力特征數據試驗現場圖

圖2中，實驗員、安全員采用雙人唱票操作，且需要與試驗裝置保持足夠的安全距離，現場需要有足夠的警戒人員，防止無關人員靠近試驗裝置。實驗員按照梯度操作液壓站給出壓力，按照相關規程文件要求，每個壓力上停留足夠長時間，等待位移數據。

該試驗環境中可以獲得兩組數據，分別為拉力數據和位移數據，根據不同試驗錨桿獲得平行數據，從而形成一個二維矩陣，矩陣縱向為不同的壓力值，橫向為不同的錨桿編號，發生值為實測位移值。

2 試驗過程及技術細節要求

混凝土養護期為28天，養護期結束后，切除150×150×150 mm筑塊進行抗壓強度試驗，確保其強度達到C30級別，該研究實測中進行6次試驗，每次試驗6根錨桿，共涉及到36根錨桿，6次試驗中測試得到的混凝土強度級別最低32.6 MPa，最高35.4 MPa，平均33.4±0.3 MPa，經過SPSS使用單變量t校驗比較6次混凝土筑塊強度，發現t=89.247>10.000，P=0.006<0.01，數據顯著統計學相關，無統計學差異。

試驗過程中，測試拉力為0～400 kN，按照20 kN為加載梯度分為20次加載過程進行加載，每次加載等候時間為20 min，總試驗時間為400 min(6.67 h)。6組錨桿中，以錨桿直徑D為基礎單位，D=28 mm，針對該基礎單位，設置6種構型，參照前文圖1，其彎曲半徑均為3D=84 mm，錨固長度分別為15D=420 mm和30D=840 mm，彎折長度分別為15D=420 mm、20D=560 mm、30D=840 mm。該6種試驗用錨桿的技術參數如表1所示。

表1 試驗用錨桿技術參數表

混凝土基礎筑塊根據實驗錨桿的尺寸設計不同的結構尺寸，根據相關規程文件要求，錨桿彎折部分沿混凝土筑塊長度方向布局，錨桿間間距為2 m，彎折背向部分沿錨桿中軸線外擴1 m，彎折部分前端距離混凝土筑塊端面距離保持1 m，彎折部分中軸線距離筑塊底端1 m，錨桿中軸線距離筑塊兩側各1 m。上述布局條件下，該筑塊的實際布局情況如圖3所示。

圖3 混凝土筑塊布局情況示意圖

圖3中，混凝土筑塊的寬度為2 m，厚度為錨固長度、彎曲半徑之和加1 m，筑塊總長度為5個錨桿間隙距離10 m與彎折長度、彎折半徑的和，加上兩端距離共2 m，故不同試驗用錨桿型號的試驗用筑塊的尺寸如表2所示。

3 試驗數據處理算法革新

該試驗數據的處理目標是發現對應型號錨桿的實際承載力特征，即在不同拉拔力的條件下，其表現出的位移量形成特征數據。分析上述試驗環境，發現試驗用錨桿質量影響、試驗用混凝土筑塊質量影響、試驗設備自身誤差等形成的試驗環境影響，可能導致每型號錨桿在6次關聯試驗中表現出一定的數據偏差。理論上，增加每組試驗錨桿數量對每組數據計算幾何平均值可以提升試驗精度，但實際試驗過程中，受到試驗時間成本和試驗環境搭建成本的影響，該試驗中采用的6根錨桿一組的試驗過程已經達到了數據極限，所以需要采用更科學的數據挖掘算法實現數據處理過程。該研究中采用蟻群算法取代集合平均數算法，以獲取試驗結果。

表2 混凝土筑塊尺寸匯總表 mm

參照組幾何平均數算法取每個試驗點數據，就每個點的兩組數據分別計算其幾何平均數，如公式(1)所示：

(1)

式中：Xi為對應數據列的第i個實驗結果數據，分別針對拉力數據列和位移數據列；N為實驗中數據量，該研究中N=6；

實驗組的蟻群算法以最小偏差率σ達到最小值為控制目標，在每個數據控制點產生的6個數據形成的數據坐標中移動目標數據點，最終選擇7個數據中最小偏差率達到最小值的實際試驗結果。最小偏差率計算方法如公式(2)：

(2)

4 測量結果與算法效能仿真比較

4.1 試驗實測結果對比

根據前文設計的參照組采用幾何平均數算法確定最終計算結果，實驗組采用蟻群算法確定最終計算結果，得到6種錨桿的實際破壞應力計算結果如表3所示。

表3 破壞應力計算結果 kN

表3中，兩種算法條件下，彎折長度較大的S-15-30錨桿型號和S-30-30錨桿型號，破壞應力的偏差較大，達到1.5%以上，而其他錨桿型號的破壞應力計算結果偏差較小。分析原始數據可以發現，彎折長度較大的S-15-30錨桿型號和S-30-30錨桿型號數據分布較為分散，采用計算過程較為簡單的幾何平均數算法難以實現有效的數據平差。

4.2 算法效能對比

為了更深入判斷不同錨桿型號獲得的測量數據最終計算效能，該研究中對原始數據、幾何平均數算法和蟻群算法條件下的數據標準偏差率進行比較，計算方法參考前文公式(2)，計算結果如表4。

表4 不同數據處理方式下的標準偏差率分布

表4中，采用幾何平均數對原始數據進行處理后，其數據標準偏差率顯著下降，下降幅度達到9倍以上，而采用蟻群算法對原始數據進行處理后，其數據標準偏差率下降幅度達到340倍以上。因為標準偏差率是在無法獲得標準參照數據的前提下判斷數據誤差的重要手段，且標準偏差率越小，數據的等效精度越高。所以可以認為，蟻群算法對數據處理過程的數據精度控制能力遠超過幾何平均數算法。

5 結語

采用相關技術規定文件要求的試驗系統、對相關技術規定要求的抗浮錨桿型號進行測試，且分別采用不同的數據處理方式處理試驗結果，發現采用蟻群算法構建的人工智能數據挖掘結果超過早期采用幾何平均數數據處理方法得到的精度，且其精度得到大幅度提升。根據前文分析，因為實驗過程中無法得到標準數據，所以提升數據處理精度時只能通過標準偏差率方法驗證數據處理精度。所以，在后續研究中，有必要引入更新的試驗體系，未來相關研究會對相關技術規程在抗浮錨桿的試驗規定進行計數升級修正。