Pro/E在Φ6.34m土压平衡盾构机设计中的应用

采用Pro/E软件的实体建模和参数化建模技术设计Φ6.34 m土压平衡盾构机,提出了模型的命名规则、自动生成零件明细和模型参数化的方法,建立了Φ6.34 m土压平衡盾构机的三维实体和参数化模型,得到施工不同断面直径的隧道盾构机,通过设置全局和局部参数控制刀盘上安装不同的刀具,加快了盾构机的系列化参数化设计。为提高盾构机的设计效率、盾构机的系列化提供了强力支持。     

Pro/E在ф6.34 m土压平衡盾构机设计中的应用

采用Pro/E软件的实体建模和参数化建模技术设计ф6.34 m土压平衡盾构机,提出了模型的命名规则、自动生成零件明细和模型参数化的方法,建立了ф6.34 m土压平衡盾构机的三维实体和参数化模型,得到施工不同断面直径的隧道盾构机,通过设置全局和局部参数控制刀盘上安装不同的刀具,加快了盾构机的系列化参数化设计.为提高盾构机的设计效率、盾构机的系列化提供了强力支持.     

Pro/E在Ø6.34 m土压平衡盾构机设计中的应用

采用Pro/E软件的实体建模和参数化建模技术设计ф6.34 m土压平衡盾构机,提出了模型的命名规则、自动生成零件明细和模型参数化的方法,建立了ф6.34 m土压平衡盾构机的三维实体和参数化模型,得到施工不同断面直径的隧道盾构机,通过设置全局和局部参数控制刀盘上安装不同的刀具,加快了盾构机的系列化参数化设计.为提高盾构机的设计效率、盾构机的系列化提供了强力支持.     

Pro/E在ф6.34 m土压平衡盾构机设计中的应用

采用Pro/E软件的实体建模和参数化建模技术设计Ф6．34m土压平衡盾构机，提出了模型的命名规则、自动生成零件明细和模型参数化的方法，建立了Ф6．34m土压平衡盾构机的三维实体和参数化模型，得到施工不同断面直径的隧道盾构机，通过设置全局和局部参数控制刀盘上安装不同的刀具，加快了盾构机的系列化参数学设计。为提高盾构机的设计效率、盾构机的系列化提供了强力支持。     

改进的土石坝GACO-BP渗流监控模型研究

为克服标准BP算法训练效率低、易陷入局部极值等不足,引入遗传蚁群混合算法(GACO),并对其混合时间和信息转换的计算方法进行改进,利用改进后的算法优化标准BP神经网络的权值和阈值,对土石坝的渗流压力进行监控。以某土石坝为例,利用GACO-BP神经网络监控模型以测压管水位为指标对其渗流压力进行预测,将预测结果与同结构的经典BP神经网络预测结果进行对比发现,GACO-BP神经网络模型在训练速度和预测精度上明显更好,在土石坝渗流压力预测和分析方面具有较好的实用性。     

土压力平衡法涵管盾构穿越铁路技术

辽宁省重点输水二期工程新民市供水线路需要穿越沈山铁路下行线(桩号K70+014)。施工期间运行列车限速为45 km/h,根据现场情况,采用TP2000盾构机、土压力平衡法穿越铁路路基顶管施工技术,通过选定、控制施工过程中盾构参数及盾构姿态,顺利实施完成了供水线路穿越铁路的施工方案。     

基于碾轮振动性态分析的土石坝压实质量实时监测与评估

有效控制坝体填筑碾压质量是确保土石坝工程安全的关键。常规采用碾压参数过程控制与事后试坑抽检相结合来控制土石坝压实质量的方法,不能在碾压过程中直接控制坝料压实质量(如压实度、干密度、孔隙率等),且用有限个抽样点不仅难以真实反映整个施工仓面的压实质量,而且由于试坑检测结果不能快速获得,不易及时反馈控制现场施工。本文基于碾轮振动性态及坝料压实机理分析,提出了土石坝料压实质量的实时表征指标——压实监测值CV(Compaction Value),研制开发了相应的车载实时监测装置。基于实时监测的CV,并考虑坝料的级配及含水率,提出了土石坝料压实质量(压实度)的全仓面快速评估方法。实际工程应用表明,CV与坝料压实度之间存在很强的相关性,所建立的压实度回归模型精度较高。本文方法可实现土石坝压实质量全仓面的快速评估,有效避免试坑抽检的片面性及滞后性,为土石坝施工质量控制提供了一条新的途径。     

土石坝观测数据的云神经网络分析

提出了一种基于云理论与神经网络混合集成的模型,该模型能够利用神经网络的自学习自适应能力对云参数进行调整和优化,使得该模型在知识推理过程中更具有说服力。针对某土石坝渗流观测资料建立了云神经网络预报模型,其预报精度优于常规的统计回归模型。     

基于碾轮振动性态分析的土石坝压实质量实时监测与评估

有效控制坝体填筑碾压质量是确保土石坝工程安全的关键。常规采用碾压参数过程控制与事后试坑抽检相结合来控制土石坝压实质量的方法，不能在碾压过程中直接控制坝料压实质量（如压实度、干密度、孔隙率等），且用有限个抽样点不仅难以真实反映整个施工仓面的压实质量，而且由于试坑检测结果不能快速获得，不易及时反馈控制现场施工。本文基于碾轮振动性态及坝料压实机理分析，提出了土石坝料压实质量的实时表征指标—压实监测值CV（Compaction Value），研制开发了相应的车载实时监测装置。基于实时监测的CV，并考虑坝料的级配及含水率，提出了土石坝料压实质量（压实度）的全仓面快速评估方法。实际工程应用表明，CV与坝料压实度之间存在很强的相关性，所建立的压实度回归模型精度较高。本文方法可实现土石坝压实质量全仓面的快速评估，有效避免试坑抽检的片面性及滞后性，为土石坝施工质量控制提供了一条新的途径。     

土压平衡式盾构机刀盘加工技术

土压平衡盾构机刀盘精度加工决定了盾构机刀盘与主轴承连接安装。刀盘整体加工方案决定盾构机的后期整体组装。把钢制反力架吊装在数控镗铣床施工平台上,按照盾构机刀盘尺寸调整好反力架的尺寸,能使刀盘靠在反力架上有足够的距离。镗铣床加工过程中工件平衡稳固,有效提升刀盘加工的效率、产品质量。后期整机装配,刀盘上刀具安装,主轴承安装能有效进行。     

支护力对盾构隧道地表沉降影响的模型与验证

影响盾构隧道施工过程中地表沉降的因素多种多样,不仅有土体性质的影响,还有施工参数的作用.对盾构施工引起的地表沉降规律和支护力对地表沉降的影响问题,首先基于Sagaseta的地层损失模型,在考虑盾构机径向支护力的条件下,改进了土体损失的理论模型;其次,结合土舱压力、土体与盾构机之间的摩擦力的Mindlin位移解,计算了沈...     

基于LMBP神经网络的土石坝渗流压力预测

渗流压力是反映大坝工作状态的重要物理量,对渗流压力进行预测分析可以及时了解大坝渗流状况和趋势。为克服标准BP算法收敛速度慢、泛化能力弱和计算量大等不足,引入LM算法优化标准BP神经网络的权值和阈值,提高BP神经网络对土石坝渗流压力的预测效果。根据渗流分析,给出了渗流压力的统计模型,由统计模型选取上下游水位、降雨和时效作为神经网络输入层因子,以渗流压力作为输出层因子,建立了3层LMBP神经网络大坝渗流压力预测模型。利用MATLAB进行了多组仿真试验,确定了使本次渗流压力预测效果更好的训练样本数据量区间。以渗流压力实测数据及同期库水位和降雨资料作为训练样本,在选取适当数据量的训练样本的基础上,运用LM算法对BP网络进行训练,利用测试样本对训练好的神经网络进行测试。将同结构的LMBP神经网络和标准BP神经网络应用于某土石坝渗流压力的预测中,应用结果表明,LMBP神经网络收敛速度更快、拟合和预测精度更高,在土石坝渗流压力分析和预测应用方面是可行的。     

特定沉降阶段的盾构隧道地表沉降研究

以某电力盾构隧道土压平衡盾构掘进施工为背景,提出了特定阶段的地表沉降预测公式。考虑注浆压力、盾构机与土体摩擦力、开挖面推力等因素,利用数值仿真软件进行模拟盾构开挖数值试验。综合现场实测数据、公式计算结果、数值模拟结果对土体横向变形和纵向变形规律进行了研究。结果表明:土体横向沉降变形呈现“Ｕ”形分布,随着土体深度的增加,向“Ｖ”形分布。土体纵向变形呈现倒“Ｓ”形分布,且盾构机与土体摩擦力相比于开挖面推力是使得开挖面前方土体隆起主要因素,计算结果表明距离开挖面前方０．６ｈ处出现最大隆起值。注浆压力主要影响盾尾脱出后土体沉降变形,增大注浆压力和持续时间可以有效控制土体竖向变形。     

盾构穿越首都机场高速公路沉降控制技术措施

盾构法施工过程中不可避免地对隧道周围的环境造成影响．尤其是地层沉降带来的影响尤为明显。针对南水北调东干渠4标在13＋237．6～13＋270．0位置盾构穿越机场高速公路高标准的沉降控制要求,结合施工地段的经验,对土压平衡盾构机穿越机场高速路进行盾构掘进参数设定．根据深孔监测数据对掘进姿态控制、同步注浆及二次补浆、管片拼装等综合施工技术进行了较系统的总结,可为同类工程施工提供借鉴。     

土压平衡盾构机下穿密集城镇建筑群施工技术

以珠江三角洲水资源配置工程土建施工C1标粤海43号盾构机穿越颜屋村为例，总结土压平衡盾构机穿越上软下硬不均质地层且地面建筑物密集区域施工技术。该区间设计轴线位于东莞大岭山镇颜屋路下方，盾构施工影响范围内周边建（构）筑物密集，隧洞区间处于不均匀地层，施工难度大。通过对施工过程中盾构掘进参数的控制、采取信息化施工等一系列相应措施，顺利通过施工风险地段。     

小浪底引黄工程2号隧洞土洞段施工方案比较

根据目前施工水平,土洞段施工方法有人工开挖法施工和盾构法施工,小浪底引黄工程2号隧洞土洞段有三个施工方案可供选择,即一台可转换模式盾构机施工方案、人工开挖加一台盾构机施工方案、两台盾构机施工方案,通过分析比较选定第一方案。方案比较的结果可为长距离、复杂地质情况土洞施工方案的选取提出一些借鉴思路。     

基于PSO-水量平衡-BP耦合模型的短期水位预测

为降低水电站长期运行过程中频繁的无规律动作对于水头高、库容小、调节性能差的水电站造成的损害，最大限度利用水头优势增发电量，提高水电站运行的效益性和安全性，提出了一种机理与数据混合驱动的水位预测方法。该方法通过PSO(Particle Swarm Optimization)算法优化耦合BP(Back Propagation)神经网络和水量平衡模型，其中，数据驱动模型提供基准值，水量平衡机理模型修正水位趋势的合理性；将该方法应用于沙坪二级水电站的水位预测，对比分析水量平衡模型、BP神经网络模型和耦合模型预测结果。结果表明：提出的耦合模型有效避免了机理模型的累积误差和数据驱动的反常性；相对于水量平衡模型和BP神经网络模型，该耦合模型具有较高的预测精度和实用性，其平均绝对百分比误差MAPE和拟合优度R²分别为0.001 3和0.97,预测幅度更贴近真实水位。研究成果可为水电站面对短期的水位变化提前做出反应提供理论依据。     

实时监控下土石坝碾压质量全仓面评估

采用常规监理旁站方式监控土石坝碾压参数以及事后试坑取样检测的质量管理手段,往往有较大的人工误差。依托土石坝施工质量实时监控技术,获得了施工仓面任意位置处的碾压参数值(碾压速度、激振力、碾压遍数和压实厚度)。在分析碾压参数与压实质量标准(干密度或压实度)之间相关性的基础上,采用三层前向式ANN模型,建立碾压参数和压实质量标准之间的非线性映射关系,并提出了全仓面碾压质量评估的具体流程,获得仓面任意位置处的压实度以及全仓面的碾压质量达标率。该方法可有效避免以有限个试坑检测样本评价整体仓面碾压质量的片面性,为现场施工质量控制提供了新的途径。     

海底泥水盾构最小带压进仓压力计算

最小带压进仓压力值是泥水盾构带压进仓检查与换刀的最重要参数,合理的最小压力值是保证人员安全、施工安全的基础。区别于陆域段泥水盾构施工坏境,海底泥水盾构隧道承受更大水压力,且海水成分与淡水成分差异明显,因此计算海底泥水盾构最小进仓压力值时应针对性选择计算方法和计算参数。提出了两种泥水盾构最小进仓压力值计算方法,依托国内首条海底地铁隧道——厦门轨道交通2号线跨海段工程计算最小带压进仓压力值,并与实际压力值进行了比较。研究结果表明:针对海底泥水盾构,采用经验公式得到的计算结果与实际较为接近,而采用改进楔形体模型的数值法计算结果偏小。     

浅析哈尔滨地铁二号线六标盾构机配置

哈尔滨地铁二号线六标地质条件主要为粉、细、中,砂等多种粒度砂层组成,并含有少量粉质黏土,地层含水量高且透水性强。在此富水砂层条件下实施盾构掘进,盾构机选型尤为重要。本文根据哈尔滨地铁二号线一期工程土建施工六标所采用的辽宁三三工业有限公司土压平衡式盾构机实际使用情况,分析了哈尔滨地铁二号线土建六标盾构机配置的适用性,及哈尔滨地区地质条件下施工的风险与预防。