液压锤击成桩收锤标准的模式识别研究

陈景忠，甘 轶，万远收

（佛山市顺德区建设工程质量安全监督检测中心有限公司 广东佛山528300）

0 引言

液压锤具有环保、低噪声、可控制程度高的特点［1］，近几年来，为适应环保的要求，液压打桩锤已逐步取代柴油打桩锤，成为主流的打桩机具。在我国，柴油打桩锤应用时间较长，有一套相对成熟的施工工法，以及与其相适应的经验性收锤标准或收锤做法。由于液压锤与柴油锤均用于锤击成桩，实际使用中，无论是设计、监理，还是桩基工程施工方，习惯性地套用柴油锤的经验工法，简单以贯入度来控制收锤。这无疑没有发挥出液压锤的特有性能。如何结合液压锤的性能，研究设定相应的打桩收锤标准，并在贯入度控制的基础上丰富收锤标准指标组合，多维度反映锤击成桩的过程状态，是液压锤击成桩质量控制中亟待解决的问题。

1 收锤标准研究现状、困难与问题

1.1 研究综述

收锤标准主要是基于柴油打桩锤的应用。陈久照［2］根据地质条件的变化和桩的承载机理的不同，选择1～2个施工参数作为停打收锤标准，同时参考其他指标联合控制，取得了较好的实际效果。韩亮［3］依据一维波动理论，模拟实际打桩过程中桩-锤-土之间的相互作用，对选择的桩型和打桩锤进行可打性分析，初步确定打桩方案，通过试打桩监控优化方案。谢永健［4］针对桩锤、桩帽、锤垫、桩垫组成的锤击系统，提出新的解析模型，研究参数的组合对锤击性能的影响。王仕方等人［5］在桩-锤-土相互作用模型基础上，进一步分析明确桩锤质量、落高、桩垫刚度、桩身材料阻抗等参数对锤击力大小、持续时间和贯入度的影响。《锤击式预应力混凝土管桩基础技术规程：广东省标准DBJ/T 15-22-2008》［6］则总结了收锤标准研究成果，明确提出收锤标准原则上应结合工程地质条件、桩的承载性状、单桩承载力特征值、桩规格及入土深度、打桩锤性能规格及冲击能量、桩端持力层及桩尖进入持力层深度等因素综合考虑确定。

收锤标准研究主要沿着2条技术路径：①试打桩监控，即在分析工程场地地质条件，选择有代表性的地质单元，布置工程试打桩。通过打桩监测，预判桩端进入持力层情况和桩承载力是否满足设计要求。土的休止期满后，再通过单桩静载或高应变法验证监测预判结果的准确性，提取包括桩长、最后几米的每米锤击数、最后三阵锤的贯入度等数据来确定收锤要求；②通过模型模拟，即建立锤、桩、土模型，应用波动理论分析得出锤重配置、落距和在此基础上的桩垫、贯入度要求，制定打桩方案。再通过试打桩调整优化方案。

1.2 困难与问题

存在的困难主要有2点：①无论是基于试打桩监测数据分析，还是在理论模型模拟的基础上制定方案，其理论基础都是基于一维波动理论和不同材料动力作用下的变化响应模型，核心参数是速度和力。但受限于装备水平、成本以及便利程度，要在锤击施工过程中通过测量这两个参数来量化控制收锤，几乎是不可能的；②收锤标准适用的具体场地边界难以确定。2条技术路径都有个假定前提，即试打桩代表的场地地质条件在局部范围内基本是均质的。在工程实际中，很少有这种情况存在。

造成困难的原因是工程地质条件和桩土相互动力作用的复杂性，这种复杂性包括未知、变化和不确定。可以说，收锤标准研究的最大问题就是如何解决不确定性问题。用确定性的方法预测不确定性问题，用静态的收锤标准面对变化的因素与过程，必然带来偏差甚至错误。因此，有必要从方法上对收锤标准研究做新的探索。

2 模式识别研究方法

2.1 理论基础

模式是供模仿用的理想样本，模式识别就是指从待识别对象中识别出哪个对象与样本相同或相近［7］。任何事物都有一个理想或目标状态，这个状态称之为模式，这个模式在质量控制上可以理解为标准，当事物的状态和模式相同或相近时，可以判断该事物已经满足或趋于满足标准要求。

要准确描述模式，需要寻找模式特征，通过特征的分类数字化，这些数字组合的特征向量即可以代表模式本身。模式识别因此转换为向量分析，这是模式识别的数学基础（见图1）。

图1 模式识别框Fig.1 Pattern Recognition Block

2.2 应用前提

模式识别的应用前提：①需要寻找到描述模式的特征维度，这些维度相互独立，从不同的侧面反映模式的特征，特征的组合能够准确全面描画模式；②大量有代表性的模式数据，这些数据是生成模式特征维度，构建并完善模式识别模型的基础。这就要求对模式本身需要有透彻的理解，同时需要有生成大量数据的硬件条件；③需要有足够的数据处理能力。

2.3 液压锤硬件性能

液压锤锤击系统已经具备稳定的输出控制和准确的参数数据采集功能。除了基本的锤击数记录外，还有锤击频率、每次锤击输出能量、入土深度和贯入度，以及这些参数数据的总累加和分段累加统计功能。此外，液压锤锤垫与钢锤粘合成一个整体，在桩垫材质厚度相近的情况下，锤体与桩之间有稳定的能量传递比，即桩土系统有基本可预知的能量输入值。

这些参数数据构成了成桩过程中桩的特征维度。

3 锤击成桩过程与收锤标准讨论

3.1 锤击成桩过程

锤击成桩过程是锤击系统能量输出转换成桩土系统能量输入的过程，输入能量必须大于桩土系统的弹性势能，才可以使桩向下运动而不是在原位置上的往复振动。因此对锤击系统的能量输出和能量传递有相应的要求，这即是桩的可打性分析。分析结果指导选择包括锤重、锤垫、桩垫等锤击系统配置要求［8］。这些要求是有效成桩的前提。

锤击成桩过程也是锤击力克服土阻力做功的过程，锤击系统主要通过锤的落距来调节锤击力大小，土阻力大需要的落距也大。桩的运动位移除与外力作用的大小有关外，还与力的作用时间有关，即与锤桩冲击碰撞冲量有关。设置锤垫、桩垫的目的，除了降低锤、桩损伤外，还有增加锤击力脉宽延长力的作用时间的作用，但冲击力就相应小了。如何通过锤垫、桩垫的设置获得大的冲量，需要做系列的对比研究。

每次锤击都是能量的脉冲周期性转换过程，过程可以通过锤击数和锤击能量加以表征，两者的累计可以局部或整体性反映土的抗力变化过程，具有相同的指示作用，但能量有着更为清晰的物理意义。锤击数作为直观的过程指标，也不失其用处。

锤击数和贯入度监测，需要能量达到相应的阈值才有意义。因此监测时需要明确是在什么能量水平下的数值。这样监测得到的锤击数和贯入度才可以用于判断收锤。

3.2 收锤标准讨论

传统意义上，收锤标准可以理解为锤击成桩收锤的统一规定，是一套用于判断确定基桩是否满足设计要求的组合指标。

从模式方面理解，收锤标准可以认为是基桩达到设计要求的一种模式，这种模式代表了基桩满足设计要求时应具有的状态，由多维参数描述表征。

收锤标准首先需要明确设计要求，这些要求可以称之为目标性要求，包括单桩承载力特征值、入土桩长。其次是锤重、桩规格、桩垫配置等条件性要求。第三是能量、锤击数、贯入深度等过程监测性要求。最后是最后1 m锤击数、贯入度的验证性要求。这些要求形成收锤标准组合指标。目标、条件、过程监测、验证等不同特征组形成了完整描述模式的特征向量。

由此，收锤标准组合指标转换为模式特征维度，收锤标准转换为模式识别。通过维度数字化处理，选择合适的算法模型实现模式识别，并反馈至现场指导施工。收锤过程由量的比较转为状态判别过程。

4 初步试验设计

4.1 试验流程

试验流程大体分为沉桩过程数字化、数据算法运算以及模式识别反馈。试验载体分为液压锤和沉桩云平台，云平台融合人工智能算法。

打桩前先向云平台提出申请并提交工程基本信息资料，包括勘察报告、设计承载力、设计桩型、设计持力层等。后台针对基本信息提供打桩预案，并进行算法设置。打桩时分时采集沉桩过程参量形成特征向量组，并自动上传云平台，数据处理后经算法分析得出成桩状态模式，反馈至打桩现场从而完成收锤控制。试验流程如下：打桩申请（提供设计、勘察信息）➝提供打桩预案（锤型、锤高控制）➝打桩开始（数据实时采集、传输）➝打桩控制（数据实时分析、反馈）➝打桩结束（模式识别、收锤控制）。

4.2 数字化设计

人工神经网络具有极强的非线性大规模并处理能力，很早就应用于桩基工程［9］。人工神经网络算法模型的形成基于大量的标准样本数据，即标准模式，故需要对沉桩过程中的各参量进行数字化设计。

成桩状态模式判别意味着桩端是否进入了设计持力层，以及进入持力层的深度是否大概率满足了设计承载力的要求。而特征向量由多维度参量组成，选取对成桩状态模式判别有用的参量，有利于算法的效率和准确性的提升。

地质勘察报告的土层信息和设计信息作为初始参量在打桩前已融入算法设置。而沉桩过程参量作为算法的输入端应具备实时性、有效性、特征性。不同维度的参量组成向量组，分时输入算法运算。过程向量组各参量为液压锤型、桩径、壁厚、入土深度、单位深度耗能、累计锤击数、累计锤击能量。其中，单位深度耗能指某时段对应入土深度所消耗锤击能量的每米换算值，该参量相当于同时兼顾了贯入度、锤击能量和锤击数，对于成桩状态模式识别更加有效。

所有的桩、锤数据在工地现场即应完成数字化处理，工地现场液压锤击系统采集器样机如图2所示。图2上部分为液压锤控制器，用于实时采集沉桩过程锤击数据；下部分为人机交互机，用于输入工程、基桩信息，并存储、显示重要参量。

图2 桩、锤数据采集试验样机Fig.2 Pile and Hammer Data Collection Test Prototype

4.3 模式识别及学习

打桩过程中沉桩阻力主要来源于桩端动阻力及桩端附近的动摩阻力，与桩端附近土层性质密切相关［10］。因此，沉桩阻力对应的锤击耗能可较明显地揭示出桩端土层类别，结合地质勘察孔便能较易识别沉桩进程，特别是桩端进入设计持力层。

至于收锤的判别，则依托于算法。第一步是判断是否进入设计持力层，第二步判断是否较大概率满足设计承载力要求，第三步判断是否极大概率满足设计承载力要求，对应输出指标如表1所示，指标输出为3即可收锤。

表1 收锤指标输出值Tab.1 Output Value of the Conditions for Stopping Hammering

在算法学习阶段，收锤指标的输出需要结合沉桩过程高应变监测数据及收锤后承载力数据综合判定。本文目前收集了44根管桩液压锤击沉桩全过程数据，选取BP神经网络进行计算学习，对收锤输出指标的准确率可达到89.6%，随着试验数据样本不断扩大丰富，算法模型仍在进一步优化中。

4.4 实例

某工地液压锤锤重16 t，管桩桩径500 mm、壁厚125 mm，8#桩的锤击入土过程如图3所示，图3中曲线为单位深度锤击耗能，土层分布根据勘察资料及算法识别综合得出，收锤指标为算法计算结果，入土深度超过32.3 m时指标值为3，实际收锤时入土深度为32.5 m，按现有收锤标准操作习惯记录最后三阵贯入度为4 cm、4 cm、4 cm，未达到设计要求的2 cm标准。收锤时高应变监测信号承载力拟合分析结果为4 358 kN，恢复13 d后的静载试验结果为5 876 kN，满足设计承载要求。可见，现有的收锤标准经验偏于保守，本文提出的模式识别收锤标准可行且具有一定准确性。今后需增大算法学习样本及提高算法模型精度，进一步完善收锤标准的模式识别研究。

图3 8#桩入土过程及收锤指标示意图Fig.3 Schematic Diagram of 8#Pile Penetration and Stopping Hammering Index

5 结语

锤击成桩收锤标准不可能通过预设加以规定，而应该随条件因素的变化适时调整。因此，收锤标准具有很大的不确定性，即模糊性。模式识别是解决模糊问题的有效方法。液压锤的数据采集和传输功能，以及现代计算机和人工智能技术的发展，为收锤标准的研究提供了另外一种可能的途径。相比于桩土力学和波动理论的传统途径，它可以实现收锤标准随施工情况变化而变化的要求，实时反馈指导沉桩施工，为解决收锤标准的适用性和有效性提供了一种可能。