土压平衡式盾构掘进试验及掘进数学模型研究

应用正交试验设计技术，进行盾构掘进参数组合试验，采用多元统计分析方法，对土仓压力、推力、刀盘转速等主要掘进参数对掘进速度、刀盘扭矩的影响进行了研究，得到了土压平衡式盾构在软土中的掘进速度数学模型和刀盘扭矩数学模型，模型平均误差约为10％。研究结果表明：对掘进速度和刀盘扭矩影响最大的3个操作参数依次为：千斤顶推力、土舱压力和刀盘转速。掘进速度、刀盘扭矩与千斤顶推力成正比，与土舱压力成反比，刀盘转速对刀盘扭矩和掘进速度影响不大。     

基于机器学习的围岩无侧限抗压强度预测困境

使用随机森林,神经网络,支持向量机算法构建隧道围岩无侧限抗压强度实时感知模型.模型利用掘进阶段100s内总推进力,刀盘转速,刀盘扭矩,推进速度,撑靴压力TBM运行参数数据实时预测掌子面围岩强度,并系统研究模型的跨线路应用和模型跨区间应用问题.这些认识与成果对使用掘进参数预测围岩性质预测模型提出了新的要求.     

土压平衡盾构在砂卵石地层长距离穿越河流施工关键技术

从盾构机的改造,浆液配比试验,渣土改良等几个方面论述了土压平衡盾构隧道长距离穿越砂卵石地层并穿越河流的施工技术。在试掘进阶段对盾构掘进主要控制参数包括推进速度、刀盘推力、土仓压力、刀盘扭矩、刀盘转速、注浆参数等进行了调整。在掘进过程中严格按照试掘进阶段的参数执行。实施效果表明,完全达到了刀盘刀具的耐磨性要求,保证了盾构机在砂卵石地层中长距离穿越河流的安全。     

基于集成CART算法的TBM掘进参数与围岩等级预测

全断面隧道掘进机(TBM)运行过程中将会产生大量可以反映当时地质状况的数据,旨在充分利用TBM运行数据,使用基于集成CART算法的随机森林和AdaCost,实现岩体信息实时感知与掘进参数智能优化。为建立快速、准确的TBM掘进参数与围岩等级预测模型,提出了一种掘进模式识别方法,将TBM掘进循环分为空推段、上升段与稳定段;并使用随机森林模型和上升段前30 s数据,实时预测稳定掘进时掘进推力与刀盘扭矩的取值,预测精度分别达到0.90和0.87;继而使用代价敏感的AdaCost算法预测围岩等级,解决了传统机器学习算法不适用于岩体级别数据不均衡的场景,相较于随机森林模型,对于IV级和V级岩体的预测正确率分别提升了16%与50%。此外,总推进力、刀盘功率、刀盘扭矩、推进速度等TBM运行参数被证明与TBM掘进情况密切相关;刀盘转速、撑靴压力、撑靴俯仰角、推进速度和撑靴滚动角等参数被证明能更好地反映围岩状况。这些认识与成果对TBM掘进参数优化和风险预警有着重要意义,并将为建立基于数据挖掘的TBM智能决策控制平台提供参考。     

基于IPSO-BP混合模型的TBM掘进参数预测

通过TBM上升段数据预测稳定段的掘进参数,可以在每个掘进循环的起始阶段预测出各掘进参数的建议值,辅助进行TBM掘进参数的设置和优化调整。提出一种基于改进粒子群算法优化BP神经网络(Improvedparticle swarm optimization-back propagation,IPSO-BP)的TBM掘进参数预测模型,采用自适应惯性权重对标准PSO算法进行改进,并基于改进PSO算法对BP网络的连接权值和偏置进行优化。基于吉林引松工程TBM3标段802 d的TBM运行数据对训练集和测试集进行划分。选取TBM掘进上升段前30 s的刀盘扭矩、贯入度、刀盘功率、推进速度、总推进力5个掘进参数变化特征(均值和线性拟合斜率),以及岩性、围岩分级和地下水活动情况3个地质参数作为模型的输入,并通过试验法确定模型的3个关键超参数(隐含层节点数、学习率和粒子群种群规模),预测稳定掘进时的推进速度v、总推进力F和刀盘扭矩T。结果表明,所提出的模型对TBM稳定掘进段参数的预测拟合优度均达0.85以上,平均绝对百分误差均小于12.68%,相比于BP模型和PSO-BP模型具有更高的预测精度。     

大直径土压平衡盾构掘进参数对比试验研究

本文以深圳地铁11号线南山站~前海湾站区间、车公庙~红树湾区间的盾构施工为工程背景,简要介绍由中铁装备公司生产的国内首创7m大直径土压盾构的设计技术参数,并针对两个区间的盾构掘进中遇到的砾质黏性土、全风化花岗石两种地层,对比分析在相同地层下,不同掘进参数的实际应用效果。在砾质黏性土地层中,推进压力较大,刀盘转速波动较大,盾构刀盘的扭矩会显著增大,螺机转速要及时调整,保持土仓压力基本稳定。在全风化花岗石地层中,盾构推进压力基本相同,刀盘转速较大,刀盘扭矩也较大,注浆压力、螺机转速基本相同,车红区间的土仓压力控制的较好。车红区间的地表沉降基本控制在40mm,车红区间的掘进效率在砾质黏性土地层中与南前区间相差不多,在全风化花岗石地层中要高很多,掘进和管片拼装时间的合理分配,有效提高了掘进效率。     

基于深度神经网络的围岩无侧限抗压强度预测

实时的围岩抗压强度预测能对TBM安全高效掘进有重要意义.针对现有技术难以实时获取隧道掘进机掌子面岩体参数的问题,基于青岛地铁1号线掘进过程产生的掘进参数数据,分别使用深度神经网络构建隧道围岩无侧限抗压强度实时感知模型.模型利用掘进阶段100s内总推进力、刀盘转速、刀盘扭矩、推进速度和撑靴压力等TBM运行参数数据实时预测掌子面围岩强度,平均预测精度达到72％,并系统研究模型的跨线路应用和模型跨区间应用问题.这些认识与成果对TBM掘进参数优化和风险预警有着重要意义,并将为建立基于数据挖掘的TBM智能决策控制平台提供参考.     

盾构穿越大规模锚索区掘进参数及刀具磨损情况探析

深圳地铁13号线后海站—科苑站区间盾构隧道工程,盾构掘进过程中需穿越大规模锚索区。阐述了盾构穿越锚索区采取的"旋挖桩拔除锚索+静压注浆地层加固+开仓处理锚索"综合锚索处理措施,并对盾构穿越锚索区时的掘进速度、掘进扭矩、刀盘转速、掘进总推力、土仓压力及刀盘磨损情况等掘进参数进行了分析对比,通过调控各项参数在掘进过程中的变化趋势以及掘进过程中适时的刀盘磨损检查,保证了盾构穿越锚索区的顺利掘进。该研究成果可为类似工程施工提供参考。     

土压平衡盾构掘进的数学物理模型及各参数间关系研究

为保证开挖面稳定及控制地面沉降,土压平衡盾构掘进时必须合理匹配各施工参数。基于模型试验结果,推导土压平衡盾构的3个基本方程式,进而得到土压平衡盾构2个总平衡方程式,建立土压平衡盾构掘进的数理模型。在此基础上推导总推力、土仓压力、螺旋机转速、掘进速度间关系的数学表达式,利用盾构施工的现场数据验证关系式的正确性。利用现场掘进数据统计刀盘扭矩、刀盘转速、土仓压力间的经验关系式。这些关系对土压平衡盾构设计时的参数选择和匹配有重要的指导意义,可以应用于土压平衡盾构施工时的参数控制。土压平衡盾构掘进的连续性方程为土压平衡盾构掘进时的地面沉降控制提供了新的研究思路。     

济南复合地层土压平衡盾构掘进效能实测分析#br#

依托济南轨道交通一号线复合地层土压平衡盾构掘进施工,提出一种在盾构机额定配置条件下的分项功耗和施工参数离散性指标双结合的掘进效能评价方法,并据此分析得到刀盘切削、盾构推进和螺机出土效能的变化特征。结果表明：①土压平衡盾构穿越济南复合地层时,盾构掘进总功耗在400~1250kW变化,其中,刀盘切削和盾构推进是盾构掘进功耗的主要组成部分,占总功耗的66%~84%;②刀盘切削的扭矩和转速具有明显的聚集特征,而盾构推进速度和推力分布形态的聚集特征弱于刀盘参数;③螺机出土的转速和扭矩在不同地层中的差异性不大,螺机参数的聚集特征不明显;④由于盾构掘进的分项功耗与其离散性指标不存在必然的联系,盾构施工中可能存在掘进功耗小但施工控制困难的情况,应在盾构选型及施工过程中予以充分考虑。