桩基检测技术在神华厂房基础工程中的应用研究

周水林 朱桂春

(1.江西省建筑设计研究总院，江西南昌 330046;2.扬州工业职业技术学院，江苏扬州 225000)

桩基础是一种历史悠久的基础形式之一，在漫长的历史发展过程中，人们逐渐认识到桩基础具有承载力高、沉降量小及抗震性好等特点，而广泛使用桩作为基础形式，桩基础得到快速的推广应用并取得飞跃式发展。但是有关桩基失稳而导致的工程事故也屡见报端，已经引起人们的普遍重视。由于在各种成桩工艺中，许多机械成孔的灌注桩常出现缩径、扩径、断裂、离析等缺陷，预制打入桩则容易出现断裂等缺陷，影响桩基承载力及上部结构的安全，严重者甚至使桩失去承载力，如果不能准确的判断出缺陷的类型，测出缺陷的位置及程度，不能采取补救措施来对桩进行加固处理，必然会给建筑物造成安全隐患，威胁着人民生命财产的安全。

1 工程概况

神华厂房基础工程位于包头市九原区哈林格尔镇西南，该场区位于河套断陷盆地内。附近存在的主要断裂有乌拉山山前断裂、大青山山前断裂、鄂尔多斯北缘断裂、乌拉山北缘断裂、达拉特隐伏断裂及包头北东向断裂。自白垩纪以来，大青山不断上升，断陷一直下沉，形成巨厚的中、新生界沉积层，厚度达7 400 m。

神华厂房基础工程位于山前冲洪积平原与黄河上积平原的复合地带，现为荒草地。场区地势开阔，其地形标高为1 013.7 m～1 019.0 m，北高南低。由于本工程地层地质多为粉土、粉砂、粉质粘土及含有机制较高的粉质粘土地层，属于软弱地层地质带，该地层具有较高的透水性，由于距黄河较近，受河流水位影响，在成孔时，极易产生塌孔等事故，在汛期地下水位升高时，对钻孔施工更为不利，桩基质量极易受到影响。

2 桩基检测方案及结果评价

本工程共有6种类型的桩，总桩数为318根，根据上部结构的不同，其桩身参数各不相同，桩基类型数量见表1。

表1 桩基类型数量表

本工程进行的低应变检测，检测比例不小于该类型桩总桩数的20%，每根承台下桩的检测数不少于1根;高应变检测比例不低于该类型桩总桩数的10%，且不少于5根，静载荷测试，不小于该类型桩总桩数的1%，且不少于1根，声波检测适用于B01-B012桩，由监理单位指定对B5桩进行检测。下面选取声波法与低应变法进行介绍。1)声波透射法检测。本工程采用岩海公司RSST01D(P)测试分析仪进行数据采集，对于指定进行声波透射法检测的桩，灌注混凝土前预埋声测管，该桩计桩长59 m，混凝土强度C25，桩径1 200 mm，布置3根声测管，声测管应高出桩头3 cm～5 cm左右，结果如表2所示。结合声速与波幅曲线，可以看出在1-2，1-3，2-3剖面波幅较低，无异常点出现，不低于临界值。2-3剖面在17 m附近声速测值明显异常，低于临界值，波幅明显减小，属于异常值，但影响范围不大。1-3，1-2剖面声速变化幅度较大，无低于异常值。经综合分析认为，该桩仅在2-3剖面17 m位置处存在轻微缺陷，认为该桩完整性满足设计要求，桩身完整性等级判定为Ⅱ类。2)低应变检测。低应变反射波法通常只对中小直径桩及中短桩适用，本项目所用的低应变检测仪器为美国PDI公司生产的PIT(Pile Integrity Test)仪器，本文主要将低应变检测数据分为两类，一是桩身完整性较好的桩，二是存在缩径类的缺陷的桩，本章以其中的完整桩P1就低应变反射波法的分析解译方法进行研究。P1桩:设计桩长11.3 m，混凝土强度为 C35，桩径800 mm，对利用低应变反射波法测得的完整桩如图1所示。

表2 声波透射法检测结果

图1 低应变反射波法测得的波形图

对图1进行波形分析，通过图中波形曲线可以比较直观的判断出，该桩在2 m～3 m附近有扩径反射，在11.5 m附近有缩径反射。根据JGJ 106-2003规定，该桩桩底反射明显，在2.93 m存在扩径现象，不存在缩径，属于完整性较好的桩，在工程上判为Ⅰ类桩。

3 BP神经网络数据分析

由于声波透射法、低应变检测法和高应变检测法理论及现有仪器的缺陷，在检测过程中往往依靠工程人员经验对检测波形进行分析，这就决定了在检测分析过程中人为因素会影响检测结果的可靠性。若利用BP神经网络(Artificial Neural Network，简称ANN)算法对检测数据进行分析，使用BP神经网络对测试结果进行分析，可以消除人为因素对检测结果的影响。鉴于本文的篇幅，选取BP神经网络算法对低应变检测数据进行分析。

用神华厂房基础工程中A701-A1040桩进行低应变检测的共68根桩进行学习与预测，将专家分析过的68根桩分为两组，一组60根用来学习，包括正常桩和各种缺陷桩，另一组8根用来校验，同样也包括正常桩和各种缺陷桩。将桩的完整性分为完整、断裂、缩径和离析四类，归一化以后分别设其编码为(0，0，0，1)，(0，0，1，0)，(0，1，0，0)和(1，0，0，0)，即对于每一种情况，BP 神经网络对应有一个代码输出。在MATLAB7.1中运行BP神经网络程序，当训练到175步时，网络已经收敛，误差也基本稳定，程序自动停止训练，此时网络训练的总误差为9.214 92×10－4(目标误差为0.001)，其网络训练收敛结果如图2所示。通过计算发现，所建立的神经网络对本工程60根桩进行训练的适应性良好。可以应用于桩基完整性的预测，所以下一步利用MATLAB工具箱训练好的神经网络对其中的8根桩进行预测分析，并将预测分析结果与专家分析结果进行对比如表3所示。

图2 神经网络训练收敛结果示意图

表3 试验样本与预测结果

由表3可以看出，该BP神经网络算法对桩基低应变检测数据的预测分析基本稳定，运用BP神经网络算法进行桩基低应变反射波法预测分析的可靠性较好，达到预期效果，可以用来对桩基检测数据进行分析预测。对于声波透射法和高应变检测法，同样可以采用BP神经网络算法对其进行检测结果预测，尤其是对高应变检测，可以降低因人为参数选取的不同而带来的分析误差。

4 结语

在规范指导下，考虑神华厂房基础工程的成桩工艺，按照随机抽取，重点构筑物下重点检测的原则确定工区内的桩基检测方案，各检测方法均有其适用范围，考虑神华厂房基础工程地质条件、成桩工艺等因素，采取检测方法相互配合、相互验证综合运用的方法，对桩基进行检测，实现了结果准确可靠的目标，达到理想检测效果。同时在桩基检测数据分析中，引入BP人工神经网络算法，降低了因检测人员经验不足以及对渐变类型桩因无反射信号而给数据分析带来的误判几率。

［1］ 张树鹂.桩基检测技术的现状与发展［J］.铁道标准设计，2000(6):79-80.

［2］ 李大展.桩基检测工作中存在的若干问题及建议［J］.施工技术，2000(10):34-36.

［3］ 刘金砺.桩基础设计施工与检测［M］.北京:中国建材工业出版社，2001.

［4］ 吴慧敏.结构混凝土现场检测技术［M］.长沙:湖南大学出版社，1988:1-10.

［5］ 鄢泰宁，王 生，李邵军.人工神经网络方法在桩基检测中的应用［J］.地质科技情报，1999(18):17-21.