Prosjektering av lukkede stålrørspeler i morenemateriale - Med bruk av maskinlæring på totalsonderinger fra Åstfjorden
Master thesis
Permanent lenke
http://hdl.handle.net/11250/2624712Utgivelsesdato
2019Metadata
Vis full innførselSamlinger
Sammendrag
I forbindelse med prosjekteringen av Åstfjordbrua i Snillfjord kommune, ville Statens vegvesenundersøke om det var mulig å etablere en bedre praksis for prosjektering og dimensjoneringav lukkede stålrørspeler i morenemasser. Dette innebar å tolke totalsonderingerfor kartlegging av laginndeling i morenemasser og hvordan dette videre kunne benyttes til åplanlegge ramming av lukkede stålrørspeler.
For kartlegging av laginndelingen i morenen ble det programmert et tolkningsverktøy basertpå maskinlæringsalgoritmen Hidden Markov Models i Python. Ved å trene maskinlæringsalgoritmenpå datagrunnlaget fra to forskjellige rigger, ble hardheten i en totalsondering tolketbasert på verdier for bortid, spyletrykk og matekraft. Maskintolkede sonderingsprofiler samsvartegodt med borloggene og muliggjorde en enklere visualisering av totalsonderingene.Ved å tolke totalsonderingsdata med maskinlæring ble forskjeller i sonderingene kartlagt.
For å gi de kartlagte hardhetsvariasjonene fra maskinlæring forskjellige styrkeparametere,ble GRLWEAP benyttet. Spissmotstanden og sidefriksjonen ble etterregnet ved å kombinererammeformelen, rammeprotokoller og PDA-resultater. Hensikten med dette var å gi maskintolkedelag fra totalsonderinger verdier for Nq og beta, som videre kunne benyttes som input iGRLWEAP til prosjektering av peler.
Sammenhengen mellom totalsonderinger og peleramming har blitt undersøkt. Dette blegjort ved å sammenligne tolket totalsondering fra maskinlæring med nærliggende rammeprotokollerog PDA-resultater.
Relasjonen mellom det å rotere, spyle og hamre en borstang ned i bakken burde til en vissgrad kunne relateres til rammemotstand når de gjøres i samme grunnforhold. Variasjoneri grunnforhold og grad av påhengskrefter kan derimot påvirke prosessene forskjellig. Valgtmetodikk for etterregning av jordmotstanden ble derfor lite anvendbar for detaljprosjekteringav pelene i morenen.
Maskintolkede totalsonderinger gir relative målinger, gitt at de gjennomføres likt. For de tolkedesonderingene som viste markante overganger i hardhet, så det også ut til at det fantesen relasjon mellom sonderingene, rammemotstanden og sidefriksjonen fra PDA. Dataenefra Åstfjordbrua gir grunnlag for å hevde at maskinlæring kan brukes til å detektere muligeharde lag i morenen på en bedre måte enn tidligere.
For fremtidige bruprosjekt i morenemasser bør det gjennomføres prøvepelinger ved hverbruakse, med tilhørende PDA-tester. Relatert til metoden totalsonderinger, bør det benytteslik borerigg for samtlige sonderinger. På denne måten vil man ha et sammenligningsgrunnlagsom kan benyttes til å sjekke relative likheter mellom ulike sonderinger. Ved å bruke maskinlæringsalgoritmerkan man utnytte totalsonderingsdata bedre, samtidig som at det erenklere å analysere likheter mellom sonderingene.
For videre arbeid anbefales det å implementere flere parametere i maskinlæringen. Registreringav hammeregenskaper, spylemengde, belastning og vridningsmoment kan føre til etbedre tolkningsgrunnlag. Dette innebærer å modifisere og standardisere metoden for totalsondering. In relation to the design of Åstfjordbrua in Snillfjord municipality, the Norwegian PublicRoads Administration wanted to investigate the possibility of establishing a better practicefor design and dimensioning of closed-ended steel piles in moraine ground. This meant interpretingtotal soundings for mapping different layers in the moraine, and how this couldbe used to predict pile-driving of closed-ended steel piles.
For mapping of different layers in the moraine, an interpretation tool based on the machinelearning algorithm, Hidden Markov Models, was programmed using Python. The hardnessof a total sounding was interpreted based on values for rate of advance, flushing and feedforce. This was done by training the machine learning algorithm on the data basis from twodifferent drillrigs. Machine-interpreted sounding profiles corresponded well with the drilllogsand made it easier to visualize the total soundings. By interpreting total sounding-datawith machine learning, differences of hardness in the soundings were mapped.
GRLWEAP was used to assign different strength parameters to the mapped hardness variations,detected from machine learning. The tip resistance and side friction were found bycombining Janbu driveability formula, the driving-log and PDA results. The purpose of thiswas to give machine-interpreted layers from total soundings values for Nq and beta as couldfurther be used as input in GRLWEAP to design piles.
The relationship between total soundings and pile-driving has been investigated. This wasdone by comparing the interpreted total soundings from machine learning with nearby drivinglogsand PDA results.
The relationship between rotating, flushing andhammering a drill rod into the ground shouldto some extent be related to the soil resistance to driving when done in the same ground conditions.Variations in ground conditions and degree of side friction, on the other hand, canaffect the processes differently. The chosen method for calculating the soil resistance wastherefore not very useful for detailed design of the piles in the moraine.
Total soundings nevertheless provide relative measurements, given that they are carried outequally. It appeared that there was a relationship between the total soundings, the soil resistanceto driving and the side friction from the PDA.
The data from Åstfjordbrua provide the basis for claiming that machine learning can be usedto detect possible hard layers in the moraine in a better way than before.
For future pile projects in moraine ground it is recommended that it should be carried outtest-piles with PDA-tests for each bridge axis. Related to the method of total soundings, thesame drillrig should be used for all soundings.
For further work it is recommended to implement more parameters in the machine learningprocess. Better knowledge of hammer properties, implementation of flowmeter and measuringof the rotation torque can lead to a better interpretation basis. This involves modifyingand standardizing the method of total soundings.