代理辅助多域物理信息神经网络用于差异沉降下埋地接头管道的机理识别

《Tunnelling and Underground Space Technology》：Surrogate-Assisted Multi-Domain PINN for Mechanism Identification of Buried Jointed Pipelines under Differential Settlement

　　

摘要

钟形-承插式球墨铸铁管道可以通过管身弯曲和接头局部转动来适应地基差异沉降，但这些不连续的力学行为难以用传统连续模型解决。本研究提出了一种多域物理信息神经网络（Multi-domain PINN），用于快速预测这些管道的响应并进行响应区分类识别。通过根据接头位置将管道分解为子域，所提出的模型捕捉了管身的连续变形和柔性接头处的局部转动不连续性。模型基于经全尺寸现场试验验证的高保真三维有限元仿真进行训练，对垂直位移和接头转动的R²值分别为0.9842和0.9307。引入了接头主导分数作为统一的角变形指标，将接头转动和管身弯曲转换为可比较的变形参与度度量。有限元观察首先识别出两种基本响应模式：管弯主导型和接头转动主导型响应。训练好的多域PINN随后被用作物理可解释的替代模型进行密集参数分析，在研究参数空间内得出统计推导的响应模式阈值为β_Jc = 0.542，接近力学中性值0.5。在研究的参数空间内，两种沉降中心条件在接头主导分数上表现出最清晰的系统分离，而其他研究参数主要调节接头参与程度和向过渡边界的接近程度。所提出的框架为承受差异沉降的埋地承插式球墨铸铁管道系统的快速预测和定量机理评估提供了高效且物理可解释的替代方案。

引言

地下管网构成关键城市基础设施，用于分配基本资源（Li和Li，2023）。在这些系统中，钟形-承插式球墨铸铁管道广泛应用于供水网络（Wham等，2017）。如图1a所示，密封通过在插入的承插端和套接之间压缩预安装垫片来实现。与通常被理想化为连续系统的焊接或刚性连接管道不同，钟形-承插式管道在接头处表现出不连续的刚度，相邻管段之间可以发生有限的相对位移和转动。这种局部柔性提高了其适应地基变形的能力（Shi等，2025；Chen和Ni，2026）。然而，地质和人为活动可能沿管道轴线引起差异沉降。这种沉降通常表现为几种代表性剖面：(1) 由开挖引起的正态剖面（Peck，1969；Mair和Taylor，1997），(2) 与局部地质灾害相关的V形剖面（Bell等，2000），以及(3) 由大面积超载引起的局部均匀沉降模式（Mesri和Choi，1985）。如图1b所示，差异沉降通过管身弯曲和柔性接头处相对转动的共同作用来适应。这两种变形分量可以共存。因此，准确解析连续的管身变形和不连续的接头力学行为对于评估钟形-承插式球墨铸铁管道的结构响应至关重要。

过去几十年，埋地管道在遭受地基变形时的响应已通过解析、实验和数值方法进行了研究。基于弹性连续体或Pasternak地基模型的解析方法为管道-土壤相互作用机制提供了宝贵的见解（Kouretzis等，2015；Lin等，2021；Fu等，2023；Lin等，2024；Pejman等，2025）。使用大型测试平台进行的实验研究阐明了管道在沉降和坍塌下的行为（Zhang等，2023；Zhang等，2025；Chen和Ni，2026），而数值仿真揭示了复杂的失效机制，如断层运动下的接头自锁（Fadaee等，2020；Chen等，2023；Hou等，2025）。因此，这些方法对于基于物理的埋地管道评估仍然必不可少。然而，对于大规模参数调查，精细的三维FEM仿真变得计算昂贵，因为几何、岩土或沉降条件的每次变化都需要额外的非线性分析。因此，通常只能评估有限数量的FEM案例，这限制了参数空间的密集探索以及不同变形适应模式之间过渡的定量识别。因此，本研究开发了一种计算高效的替代方案，能够保留高保真FEM仿真信息，同时支持在更密集的参数空间内进行快速响应评估。

物理信息神经网络（PINNs）提供了一种替代建模框架，其中可用数据可以通过基于控制方程的约束在训练过程中进行补充。在本研究背景下，控制方程提供基于物理的正则化，在采用管道-土壤相互作用模型的假设内引导替代方案趋向力学一致的响应模式。与纯粹数据驱动的替代方案相比，这些额外的物理信息可以减少对密集标记FEM数据的依赖，并改善在训练数据有限时的预测鲁棒性。最近的研究已将PINNs或物理信息机器学习应用于埋地管道问题，包括永久性地基位移下的响应预测、失效压力估计、空洞识别和迁移学习增强的变形分析（Taraghi等，2023；Taraghi等，2025；Taraghi等，2026；Tang等，2025；Bai等，2025；Wang等，2026）。对于钟形-承插式接头管道，额外的困难在于管身表现连续弯曲变形，而柔性接头引入了局部转动不连续性。单域连续替代方案可能过度平滑这些局部斜率变化，从而降低接头转动预测的准确性。基于接头的域分解通过为单独的管段表示使用独立子网络并通过特定接口的界面和转动约束将它们耦合来解决这一问题。主要的方法学贡献是一种接头感知的多域PINN公式，在统一的替代框架内结合FEM推导的监督、降阶力学正则化和基于结构界面的域分解。

据此，本研究开发了一种多域PINN作为辅助替代框架，用于预测和解释钟形-承插式球墨铸铁管道在差异地基沉降下的响应。三维FEM被保留为高保真结构响应数据源，同时引入降阶管道-土壤相互作用方程作为基于物理的正则化。管道域根据接头位置分解，以表示连续的管身变形和局部转动不连续性。具体目标为：(1) 评估所提出的多域PINN在重现FEM推导的位移和接头转动响应方面的预测精度；(2) 使用接头主导分数（β_J）量化管身弯曲和接头转动的相对贡献；(3) 采用训练好的替代方案高效探索研究参数空间并识别变形适应模式的趋势。

章节摘要

三维有限元模型配置

本研究特别关注周围由摩擦性、近无黏性回填土包围的埋地钟形-承插式球墨铸铁管道。管身由球墨铸铁制成，通过允许相邻管段之间局部相对转动的垫片式柔性接头连接。所研究的岩土条件由莫尔-库仑土模型表示，具有可忽略的黏聚力和变化的土体刚度。有限元模型由五个

数据集

本研究使用的数据集是使用在ABAQUS中开发的精细三维有限元模型生成的，如第2节所述。在不同的参数场景和沉降量下，提取了管道网格节点的空间坐标及其相应位移。仿真案例涵盖了六个关键参数的变化：管道直径、沉降中心位置、埋深、沉降区长度、土体模量和沉降模式，

多域PINN的预测精度

子网络架构和损失函数权重是基于附录B中提供的补充网格搜索和敏感性分析选择的。最终配置包括四个隐藏层，每层32个神经元，旨在平衡预测精度、模型鲁棒性和计算效率。所提出的PINN模型的超参数，包括复合损失函数的推荐损失权重，在表4中进行了总结。

为了评估

基于替代方案的响应模式识别

本节建立了识别差异沉降如何被承插式管道适应的定量和力学可解释准则。训练好的多域PINN被用作替代模型，以快速评估钟形-承插式管道在密集采样参数空间内的结构响应。用于替代辅助响应机制分析的参数空间在表5中进行了总结。埋深、沉降宽度和土体模量

结论

本研究建立了一种多域PINN框架，用于预测和解释埋地钟形-承插式球墨铸铁管道在差异地基沉降下的响应。主要结论如下：

• (1)
  在接头位置分割管道域使多域PINN能够表示管身的分段光滑变形和柔性接头处的局部转动不连续性。所提出的模型对两者都达到了高预测精度

CRediT作者贡献声明

赵子腾：撰写-初稿、方法论、形式化分析。张梓昕：撰写-审阅与编辑、监督。徐明泽：资源、数据管理。吴源浩：资源、方法论。孙宇辰：资源、方法论。Daniel Dias：撰写-审阅与编辑、监督。尹同：撰写-审阅与编辑、方法论、概念化。

利益冲突声明

作者声明没有已知的竞争性经济利益或个人关系，这些可能影响本论文报告的工作。

致谢

作者感谢上海建科工程咨询有限公司和中国建筑第八工程局有限公司提供重要数据。

Ziteng Zhao|Zixin Zhang|Mingze Xu|Yuanhao Wu|Yuchen Sun|Daniel Dias|Tong Yin