基于可拓理论的围岩稳定分类方法的研究

在双护盾TBM（tunnel boring machine）的隧洞施工中,将可拓理论与洞室围岩稳定评价相结合。基于碴料和掘进参数的地质编录所提供的地质信息,选取了能够反映围岩稳定综合特性的评价指标,确定围岩稳定类型和预测前方岩体情 况。在物元理论、可拓集合论和关联函数运算的基础上,建立了隧洞围岩稳定分类的可拓评价方法,其中引进了隶属度的概念和一种定量的指标权重的确定方法,并在山西引黄工程的双护盾TBM隧洞施工中用此分类方法对某两段围岩进行了稳定分 类,得到的稳定分类结果与实际情况吻合。     

关于用岩体分类预测TBM掘进速率AR的讨论

以Maen、Pieve、Cogolo和Varzo 4条隧道为例,本文分析说明了岩体质量分类系统不能预测TBM净掘进速率PR的原因:由于影响岩体可掘进性的因素与影响岩体质量的因素不一样,且岩体质量分类系统多采用半定性半定量的评分形式描述岩体条件,故岩体的质量分数值与TBM的净掘进速率PR很难有一一对应的关系。因此,岩体质量分类系统和基于此的预测模型不能够用来预测TBM的净掘进速率PR。根据TBM施工隧道岩体分类的目的及TBM施工的特点,提出预测TBM净掘进速率PR的岩体分类系统应与评价岩体稳定的岩体分类系统分开进行。用岩体可掘进性分类系统预测净掘进速率PR,用岩体质量分类系统预测TBM利用率U,从而计算出TBM的掘进速率AR。     

利用PLSR-DNN耦合模型预测TBM净掘进速率

科学预测隧道掘进机(TBM)净掘进速率,对于隧道(洞)工程施工方法选择、施工进度安排以及成本估计具有重要意义。鉴于TBM施工过程具有高度非线性、模糊性和复杂性等特征,为提高TBM净掘进速率的预测精度和计算效率,采用偏最小二乘回归(PLSR)提取影响参数主成分,再利用深度神经网络(DNN)进行训练预测,提出了一种基于PLSR-DNN耦合方法的TBM净掘进速率预测模型。基于兰州水源地建设工程输水隧洞双护盾TBM施工实测数据,选择岩石单轴抗压强度、单轴抗拉强度、刀盘推力、刀盘转速、岩体完整性系数和岩石耐磨性指数,共6个影响参数,验证了模型预测的合理性,并对不同预测方法的拟合精度和预测精度进行了对比分析。研究结果表明:(1)偏最小二乘回归可有效克服自变量之间的多重共线性问题,将提取的主成分作为深度神经网络的输入层进行训练,简化了神经网络结构;(2)PLSR-DNN耦合预测模型避免了过拟合与拟合不足问题,具有收敛速度快,求解稳定和拟合精度高等特点;(3)PLSR-DNN耦合预测模型平均相对拟合误差2.96%,平均相对预测误差3.27%,其拟合精度和预测精度均明显高于偏最小二乘回归模型、BP神经网络模型以及支持向量回归(SVR)模型。     

基于TBM掘进性能和适应性分析的围岩分级方法及应用

煤矿巷道变化的围岩地质条件影响着全断面岩石掘进机(Tunnel Boring Machine,TBM)的推广应用,准确评估煤矿岩体可掘性和岩层TBM适应性对TBM高效施工至关重要。基于对岩体参数和岩体可掘性指标的评价,采用优劣解距离法(TOPSIS)建立了岩体可掘性分级模型,并结合不同地质条件的[BQ]值和TBM利用率的相关性分析,提出了岩层适应性分级模型。以日掘进速度为判断指标,进行岩体可掘性和岩层适应性评估,建立了一套基于TBM施工性能的围岩综合分级方法,采用河南平顶山首山一矿底板瓦斯抽采巷道TBM掘进过程中的工程数据,对TBM围岩综合分级方法进行了现场应用。结果表明：在岩体可掘性等级为Ⅰ级,地层TBM适应性等级为3级的条件下,TBM施工巷道平均月进尺可达到400 m;当TBM利用率不足20%时,极有可能会出现卡机、出渣困难等现场问题。围岩综合分级方法通过利用自动采集的TBM掘进数据和围岩性质的综合分析,能够动态评估TBM在不同围岩地质条件下的施工性能,并为TBM掘进控制参数设计提供了理论依据。     

基于Monte Carlo-BP神经网络TBM掘进速度预测

预测隧道工程中TBM掘进速度,主要有完全经验的、半理论半经验的模型和人工智能等方法,所用参数均为确定性的,未考虑参数存在的随机性,故导致预测结果的不准确性。基于此,提出了Monte Carlo-BP神经网络TBM掘进速度预测模型,着重考虑了一些重要输入参数的随机性, 其中输入参数重要性的大小通过粗糙集进行计算排序。采用Monte Carlo产生随机数时,由于参量的样本数据的有限,分布函数均采用阶梯形经验分布函数。如果采用的数据是来自不同类型的 TBM,则应当考虑机器性能参数,并重新对参数重要性进行排序。实例计算表明,Monte Carlo-BP神经网络模型预测结果和实测值总体趋势和均值比较一致。     

关于TBM施工隧洞围岩分类方法的研究

本文针对TBM施工隧洞中的围岩分类问题，通过分析研究国内外大量TBM施工实例和一些现场及室内岩石力学试验结果，指出TBM施工条件下的隧洞围岩分类应针对围岩的可钻掘性，充分考虑影响TBM掘进效率的主要工程地质因素，提出了在《工程岩体分级标准》围岩稳定性基本分级的基础上，依据岩石的单轴抗压强度、岩石的耐磨性和岩体的完整性将TBM施工条件下的隧洞围岩分为A（好）、B（一般）、C（差）3个级别的围岩分类新方法，并将该方法应用于掌鸠河引水供水工程TBM施工段工程实践，取得了良好的效果。     

卵石土等效弹性模量理论预测模型初探

卵石土是由卵石和土组成的、处于土和岩体之间的天然地质体,但其宏观力学特性完全不同于土和岩体。通过对成都地铁1号线隧道掘进机（TBM）施工现场调查可知,卵石地层可导致TBM刀具过量磨损、刀盘堵塞等非正常损坏,极大地影响了TBM施工效率,是TBM掘进极其不利的一种典型混合工作面。主要研究卵石土变形性能,建立在均匀应变基础上,假设卵石为理想圆形或椭圆形,从理论上得到卵石土等效弹性模量的解析预测公式。并通过数值试验验证了理论预测模型的有效性。结果表明,此模型预测结果与试验数据比较接近,可用来初步判断卵石地层等效弹性模量,有助于理解并提高该地层中的TBM掘进效率。     

基于模糊综合评判的护盾式TBM施工围岩稳定性分类

针对传统分类方法难以对围岩稳定性进行评价的问题,以护盾式全断面隧掘进机（TBM）施工隧洞的围岩稳定性评价为目标,在研究护盾式TBM施工特点的基础上,参照国内、外常用的围岩分类方法,选择了岩石的回弹值、刀盘推力、刀盘扭矩、片状岩渣含量、地下水渗流量和最大主应力与洞轴线的夹角作为围岩稳定性评判因素。采用模糊综合评判方法,建立围岩稳定性多因素评判模型,通过确定评判因素的权重向量选取隶属函数,进而对围岩稳定性进行定量评判,并将之应用到某工程双护盾TBM施工的围岩稳定性评判中。结果表明：序号1、2、3和4洞段对应的较稳定、较稳定、局部稳定性差和不稳定的最大隶属度分别为0.494、0.403、0.388、0.442,分别对应Ⅱ、Ⅱ、Ⅲ和Ⅳ类围岩;模糊综合评判方法合理,评判结果较为可靠。研究成果对护盾式TBM施工的围岩稳定性评价、围岩分类及支护方式选择等具有参考价值。     

TBM在不良地质洞条件下的施工技术

TBM掘进机以其快速、高效、安全、优质等优点越来越广泛地被应用于隧洞开挖施工中,尤其更适用于深埋超长隧洞,然而在不良地质洞段中TBM掘进缓慢,甚至有卡刀可能,反而不如钻爆法灵活,这就需要根据围岩性状采取特殊技术处理措施,辅以监控量测手段对支护方案进行验证、调整支护措施、修正设计参数等。结合辽宁大伙房输水隧洞工程,总结了在不良地质洞条件下的超前地质预报方法、不良地质段处理措施以及围岩变形监测方法。     

TBM滚刀磨损研究现状及展望

机械制造技术和经济的发展,促使越来越多的水利、交通和矿山采用全断面隧道掘进机(TBM)进行隧(巷)洞(道)的开挖。TBM刀具的磨损对掘进效率和成本有很大影响,刀具磨损研究对提高刀具耐磨性、提高刀具磨损监测和更换的及时性以及合理预测并控制掘进工期和成本都具有重要意义。从TBM刀具磨损的形式、影响因素、监测方法和滚刀磨损定量预测模型几个方面,综述了国内外TBM掘进过程中滚刀磨损检测与预测相关的研究进展,提出了TBM刀具耐磨性提升、刀具磨损检测和磨损定量预测的研究方向。     

南水北调西线工程岩石中石英含量变化及其对TBM施工的影响

石英是各类岩石中广泛存在的一种矿物成分,石英颗粒的大小和含量不仅决定了岩石的强度、硬度和耐磨性,而且直接影响TBM施工的掘进效率。在南水北调西线工程区采集124块岩石样品进行了岩石薄片鉴定,在岩石碎屑粒度分析的基础上,得到了不同采样区域岩石中的石英含量分布特征。基于TBM施工特点,根据不同岩石中的石英含量统计结果,分析了石英含量分布规律对南水北调西线工程TBM施工围岩分类和掘进效率的影响。研究结果表明:(1)砂岩(含杂砂岩)、粉砂岩和板岩中的石英含量具有较明显的差异,砂岩(含杂砂岩)、粉砂岩的石英含量较高,其平均值分别为74.21%和80.41%; 板岩中的石英含量较低,平均值为9.36%。(2)砂岩(含杂砂岩)及粉砂岩中的石英含量一般大于60%,对TBM施工围岩分类的影响属于严重等级; 板岩中的石英含量一般小于30%,对TBM施工围岩分类的影响属于轻微-明显等级。(3)岩石中的石英含量越高,岩石硬度和耐磨性越高,刀具损耗越大,TBM施工掘进速度PR和施工速度AR越低。研究成果可为南水北调西线工程TBM优化选型、施工围岩分类以及施工进度预测提供参考依据。     

隧道掘进机施工条件下的隧洞围岩分类方法探讨

针对隧道掘进机(Tunnel Boring Machine--TBM)施工隧洞中的围岩分类问题,指出TBM施工条件下的隧洞围岩分类应针对围岩的可钻掘性,充分考虑影响TBM掘进效率的主要工程地质因素,提出了在《工程岩体分级标准》围岩稳定性基本分级的基础上,依据岩石的单轴抗压强度、岩石的耐磨性和岩体的完整性将TBM施工条件下的隧洞围岩分为A(好)、B(一般)、C(差)3个级别的围岩分类新方法。     

全断面隧道掘进机护盾受力监测及卡机预警

全断面隧道掘进机(简称TBM)在穿越深部软弱地层时围岩收敛变形较大,围岩容易挤压护盾,导致TBM卡机,影响TBM正常掘进。通过分析TBM卡机灾害孕育过程,得到了预测TBM卡机的重要条件：一是围岩变形量大于预留的空间,二是额定推力不能克服摩擦阻力。为了监测实际工程TBM卡机状态,提出了一种监测护盾变形的方案以及护盾受力的计算方法,可通过监测得到的变形估算护盾的受力,进而计算出护盾受到的摩擦阻力,得到TBM卡机的状态。根据TBM受到的摩擦阻力、TBM正常掘进时所需推力和TBM额定推力之间的关系,将TBM卡机状态分为4个等级,即无卡机、轻微卡机、卡机和严重卡机,并提出了对应的处理措施。结合TBM卡机条件以及护盾受力监测方案,提出了TBM卡机灾害预警流程。在兰州水源地输水隧洞工程中应用了该监测方案和卡机灾害预警流程,应用结果表明,预测的卡机状态与TBM实际状态基本一致,说明该方法具有一定的可靠性,对指导TBM隧道施工具有重要意义。     

基于网格搜索法优化支持向量机的围岩稳定性分类模型

为科学评价围岩稳定性,本次研究借助支持向量机(SVM)处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法(GSM)寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。     

双连拱隧道围岩变形有限元与BP神经网络耦合分析

以浙江金(华)-丽(水)-温(州)高速公路永嘉鹿城段的红枫双连拱隧道为工程背景,建立了基于神经网络的连拱隧道围岩变形预测模型.利用施工过程中左洞量测的围岩变形进行反分析,确定出围岩的力学特性参数,再通过数值分析方法对隧道右洞围岩变形和稳定性做出合理的评价和符合实际的预测,从而更有效地对支护参数和施工方法进行反馈设计.通过预测值与实际监测值的比较可以看出,其预测精度满足岩土工程的要求,具有一定的工程意义.     

深埋隧洞极强岩爆段隧道掘进机半导洞掘进岩爆风险研究

深埋隧洞TBM（隧道掘进机）全断面掘进时,在局部超高应力集中的完整硬脆性岩体洞段将直面极强岩爆的风险,设备和人员的安全将遭受极大的威胁。在锦屏II水电站3#引水隧洞极强岩爆段实施了“先半导洞+TBM联合掘进”实验,结合微震实时监测信息对TBM半导洞掘进的岩爆风险开展了研究。监测结果表明,（1）TBM半导洞掘进期间,日平均微震事件数、日平均辐射微震能、微震大事件数及实际岩爆发生次数和强度均远远低于TBM全断面掘进;（2）能量指数对数值和累积视体积的时域演化表明,TBM半导洞掘进强烈岩爆发生的风险远低于TBM全断面掘进,现场实际开挖也证明了这一点;（3）半导洞洞段微震事件的空间集结程度、总数、震级大小与能量辐射均远小于全断面洞段。因此,TBM半导洞掘进的岩爆风险远远低于TBM全断面掘进,在具有施工条件的情况下采用先半导洞预处理,然后TBM半断面掘进极强岩爆段,以期控制岩爆风险的方案是可行的。     

基于PSO-SVM非线性时序模型的隧洞围岩变形预报

现场量测获得的围岩变形信息,从宏观上反映了地下洞室围岩-支护系统力学性态变化。为克服人工神经元网络方法过学习问题,提出了一种新的预测地下洞室围岩变形的粒子群支持向量机方法,用粒子群算法优化最小二乘支持向量机的参数,避免了人为选择参数的盲目性,提高了预测模型的训练速度和预测推广能力。利用这种非线性智能预测方法,基于监测数据滚动预测围岩变形,可以及时优化和调整施工步序,保证洞室的稳定性。将该方法用于清江水布垭电站地下厂房的围岩收敛变形预测,获得了令人满意的预测效果。     

复杂线路条件下盾构下穿民房掘进参数优化研究

以天津地铁三号线水上北路站～吴家窑站盾构区间左线线路为研究背景,以盾构施工控制技术为研究方向,通过试验段掘进、现场数据监测分析、计算模拟分析、盾构施工参数选取、实际监测数据分析等,研究了在复杂线路条件下（变坡度,小曲线半径等）,盾构机掘进的参数优化。以试验段的跟踪监测调整数据为分析依据,着力主要控制参数,对掘进参数的选取采用理论计算结合实际监测的方法,论证参数的可适用性。研究结果表明：采用合理的掘进参数,能有效控制盾构机在复杂线路条件下下穿建筑物时的沉降。     

TBM岩体可掘性预测及其分级研究

全断面硬岩隧道掘进机（tunnel boring machine, TBM）对岩体条件极其敏感,且其前期投入较大,准确地评估岩体可掘性、预测TBM掘进性能对TBM隧道施工至关重要。基于来自中国、伊朗两国涵盖3种不同岩性的5条TBM施工引水隧洞约300组现场数据,以现场贯入度指数FPI为岩体可掘性评价指标,分析了岩石单轴抗压强度UCS、岩体完整性指数 、岩体主要结构面与洞轴线的夹角?、隧洞直径D等与岩体可掘性之间的关系;探讨了适用于岩体可掘性研究的岩体参数统一方法,进一步建立了精度较高的（相关系数为0.768）岩体可掘性经验预测方法。基于该预测方法,运用K中心聚类分析方法,将岩体可掘性分为6类,探讨了不同岩体可掘性条件下TBM平均单刀推力、刀盘转速分布规律,相应成果可为实际工程中TBM施工隧洞岩体可掘性评估、掘进参数的选择、施工进度的安排提供一定的指导。     

基于TBM掘进参数的岩石强度估算方法探讨

隧道盾构掘进机(TBM)掘进时难以及时地、有效地评估掌子面岩石强度,导致现场施工过程中很难客观地判别岩爆、卡机等施工风险。在前人研究成果和工程实践的基础上,提出一种基于TBM掘进参数的现场岩石强度快速估算方法,对掌子面岩石强度进行实时评价。通过TBM规格、掘进参数与岩石强度的力学分析,建立了现场岩石强度快速估算公式。基于对国内外多条隧道TBM数据的统计拟合分析,确定了估算公式中系数常量与TBM参数(开挖直径、刀具尺寸)的相关性,以多个典型TBM工程实例进一步验证了所提经验公式的普适性与可靠性。研究结果可为TBM工程岩石强度的快速现场估算提供新的切实可行的思路。