移动三维激光扫描技术在地铁隧道病害检测中的应用

常见的地铁隧道病害有渗漏水、裂缝、错台、侵界等,这些地铁隧道病害的存在会对隧道的安全使用造成不好的影响。因此,需要定期对隧道的病害进行检测,并进行相应的修复。对于地铁隧道病害检测,常用的方法有人工巡检方法、全站仪方法等,这些方法效率低下且采集信息量有限。针对这些问题,使用一种自主研发的移动三维激光扫描系统进行隧道检测。通过三维激光扫描仪与轨道车系统的配合,快速、准确、大数据量地采集地铁隧道数据。根据对实例的应用分析,移动三维激光扫描系统能够快速、准确地识别渗漏水、裂缝等病害和计算分析错台、侵界等病害。     

盾构隧道常见质量问题分析

结合深圳地铁二期工程的盾构施工情况,综合分析管片开裂、破损、错台、渗漏水等质量缺陷发生的原因,提出了盾构隧道质量控制的一些措施,以期延长隧道的使用寿命。     

基于图像局部网格特征的隧道衬砌裂缝自动识别

 裂缝是隧道衬砌最常见也是最严重的病害之一。针对常规图像识别方法存在的问题,提出一种基于图像局部网格特征的隧道衬砌裂缝自动识别方法。首先将图像划分为8 Pixel×8 Pixel的局部网格,基于局部网格内不同方向之间的亮度差异和对比度差异特征设计十字形模板,通过模板计算将网格中灰度值最小的像素识别为潜在的裂缝种子,最后采用种子连接算法将离散的裂缝种子像素连接成为完整的连续裂缝,在连接过程中自动计算裂缝的走向、长度和宽度。通过接受者操作特征曲线估计算法的最优参数和最佳阈值,从定性和定量分析两方面验证其可靠性和准确性。工程应用实例表明,算法能取得良好的裂缝识别效果,特别是对细微裂缝和存在渗漏水的衬砌图像,算法的可靠性和识别率均高于常规的图像识别方法。     

既有运营地铁隧道整修修复工艺

结合上海轨道交通10号线盾构区间隧道整修修复工程实际,从管线改排与恢复、芳纶布施工、钢环片安装、隧道渗漏水处理等方面,介绍了盾构法隧道整修修复工艺技术的具体运用及主要工艺流程,以期为采用盾构法隧道整修修复运营中的地铁隧道提供经验参考。     

盾构下穿石油管道变形控制措施研究

在地铁盾构隧道工程中,石油管线作为重大风险源,在盾构穿越过程中需要严格控制管线的沉降变形。文中结合地铁盾构隧道工程的特性,提出一系列的工程处理措施,并采用有限元软件对盾构下穿石油管线施工过程进行数值模拟分析,与实际沉降数据比对,结果表明文中提出的工程处理措施对于控制管线变形较为有效,同时为类似工程提供参考。     

周边地块开挖影响下某地铁盾构隧道结构安全状态研究

针对受周边地块开挖影响某地铁盾构隧道结构出现变形的异常现象,开展管片变形、接缝张开及错台、道床脱空、裂缝及破损、渗漏水等病害调查、特征分析、健康度评价等工作;同时基于监测数据分析周边地块基坑开挖过程中地铁隧道变形发展规律。并运用有限元数值模拟的方法,根据病害调查和监控量测的结果,计算分析隧道当前状态下隧道结构、螺栓、钢筋受力状态,综合评价周边地块开挖影响下地铁隧道结构安全状态,提出针对性处治措施,为后续施工提供指导性建议或措施。     

北京地铁运营隧道病害状态分析

基于北京地铁隧道病害检测结果,分析结构形式、配筋和运营时间对隧道病害状态的影响。研究结果表明,管片接缝变形是盾构隧道病害的根源,并由此引发了盾构断面的椭圆化变形、管片的压溃与错台以及盾构隧道的渗漏水。衬砌开裂是矿山法隧道的主要病害,裂缝宽度与深度受运营时间影响大且具有离散性强、随机性大的特点,配筋对隧道结构安全有积极影响。渗漏水受降水的影响较大,多出现于隧道衬砌结构的缝隙,如盾构隧道的接缝、螺栓孔或矿山法隧道的变形缝、施工缝和衬砌裂缝等。衬砌空洞多位于拱顶,形状接近于长条形、正方形和椭圆形,且多伴随着邻近衬砌的开裂。混凝土碳化深度与运营时间成正比,碳化深度和速率在隧道道床位置最大、边墙次之、拱顶最小。裂缝是整体式道床的常见病害,道床在剥离的同时还伴随沿其纵向的扭转。     

地铁隧道渗漏水病害及处理方法

地铁隧道结构在运营过程中,随着时间推移会出现各种病害,其中隧道结构渗漏水最为典型,具有发生时间短、影响程度大、修复难度大等特点,尤其是在地铁运营期间出现时可能会对营运安全造成影响。根据地铁隧道结构维保工作的实践经验以及查阅的相关资料,对地铁隧道常见渗漏水病害及处理方法进行阐述,为类似工程提供借鉴。     

地铁隧道横向变形的激光扫描检测方法及应用

随着城市轨道交通运营里程数的快速增长,作为一种典型病害的地铁盾构隧道结构横向变形亟需快速精准的检测方法。传统检测方法大多采用人工操作全站仪的方式进行检测,具有成本高、效率低等不足。移动激光扫描是一种通过快速采集高精度、高密度的点云数据来检测盾构隧道结构变形的新型技术,与传统检测方法相比具有显著优势。基于该技术,本文提出一种针对地铁盾构隧道横向变形的快速检测方法。该方法通过圆柱拟合与空间投影提取横断面,建立修正强度模型并进行噪声剔除,实现隧道横向变形的计算和统计。研究表明:该方法能有效地提取隧道横断面数据,准确地剔除管道、支架等干扰物噪声;与传统检测结果相比,该方法的误差在2 mm以内,验证了该方法在地铁隧道衬砌结构的横向变形检测中具备较高的准确性及可靠性,能够满足实际工程需要。     

隧道渗漏水分布及控制方法研究综述

近年来我国地铁建设蓬勃发展,但随之而来的是盾构隧道渗漏水问题。渗漏水会导致隧道不均匀沉降,从而又加剧渗漏水的发生,如不加以干预,将形成恶性循环,危及盾构隧道的结构和运营安全。根据现有研究成果,归纳了不同的盾构隧道渗漏水检测方法,分析了盾构隧道渗漏水的分布规律,从管片自防水、接缝防水、注浆防水这三个方面分析了渗漏水的控制方法。最后提出了现有研究的不足之处,对未来盾构隧道渗漏水的研究方向提供了一些建议。     

A Fast Detection Method via Region‐Based Fully Convolutional Neural Networks for Shield Tunnel Lining Defects

Tunnel lining defects are an important indicator reflecting the safety status of shield tunnels. Inspired by the state‐of‐the‐art deep learning, a method for automatic intelligent classification and detection methodology of tunnel lining defects is presented. A fully convolutional network (FCN) model for classification is proposed. Information about defects, collected using charge‐coupled device cameras, was used to train the model. The model's performance was compared to those of GoogLeNet and VGG. The best‐set accuracy of the proposed model was over 95% at a test‐time speed of 48 ms per image. For defects detection, image features were computed from large‐scale images by the FCN and then detected using a region proposal network and position‐sensitive region of interest pooling. Some indices (detection rate, detection accuracy, and detection efficiency, locating accuracy) were used to evaluate the model. The comparisons with faster R‐CNN and a traditional method were conducted. The results show that the model is very fast and efficient, allowing automatic intelligent classification and detection of tunnel lining defects.     

盾构到达钢套筒接收施工技术

以天津地铁某区间工程左线土压平衡盾构法隧道施工中采用钢套筒为辅助装置进行盾构接收为背景,介绍钢套筒的结构组成和盾构接收方案,采用钢套筒装置能有效避免盾构到达接收过程中漏水、涌砂等风险,确保盾构出洞安全.     

运营地铁盾构隧道钢板加固设计与施工

盾构隧道结构受地面堆卸载、周围土体、地下水位、结构腐蚀等外力作用而出现各种病害,为确保盾构隧道结构安全,必须进行加固补强,文中介绍针对某地铁区间隧道盾构管片开裂渗漏采取的钢板加固设计与施工过程。     

盾构法隧道防水堵漏技术

分析隧道渗漏水的机理,总结国内外盾构法隧道防水堵漏的技术方法,并结合上海地铁二号线东昌路－东方路区间隧道施工堵漏,提出了防渗堵漏的技术措施。     

复杂环境公路隧道裂缝快速识别与分割算法研究

随着我国公路隧道由建设为主朝建养并重转化,在运营里程快速增长与既有隧道劣化加剧的双重作用下,移动检测及结构安全快速诊断已成为目前公路隧道运营维养领域的研究热点之一。我国已研发了多种类型的隧道检测车,为裂缝、渗漏水等表观病害的快速检测提供了手段,然而公路隧道衬砌图像背景复杂、干扰因素多、裂缝占比小的特点,给检测数据的快速分析带来巨大挑战,已成为制约技术推广的主要瓶颈。基于深度学习算法,本文提出了一种将目标识别与语义分割进行组合的裂缝快速提取方法,首先采用Faster R-CNN网络对原始衬砌图像进行目标识别,判定所采集图片是否存在裂缝并智能框选出裂缝区域;随后对框选出的裂缝区域自动裁切,由此过滤不含裂缝的图片并去除含裂缝图片中的干扰背景,再利用U-Net语义分割网络对裂缝进行像素级分割。通过实际工程验证发现,单幅图像裂缝整体分割时间小于0.15 s,在常见各类干扰因素下,目标识别F1值可达到92%,语义分割像素准确度可达到98%以上。与阈值分割和同类智能分割算法相比,本方法显著提高了识别速度与精度,为从隧道检测车海量数据中进行快速准确的裂缝提取提供了良好手段。     

地铁区间盾构隧道衬砌内力计算方法比较分析

地铁区间盾构隧道衬砌内力计算是非常复杂的。针对沈阳地铁一号线区间盾构隧道衬砌,分别采用不考虑土壤介质侧向弹性抗力自由变形均质圆环法和考虑土壤介质侧向弹性抗力的修正惯用法进行内力计算。分析比较了衬砌管片结构内力分布规律,探讨了计算方法对盾构隧道衬砌结构设计所造成的影响。     

Damage detection and quantitative analysis of shield tunnel structure

The damage of lining widely exists in metro shield tunnels, which may weaken the structural performance, affect the durability of the structure and even cause accidents. Investigation and evaluation of the lining damage is an essential work to reduce the risk grade during the service life of the structure. A rapid detection and analysis system has been applied in the shield tunnel of Metro Line 2 in Changsha, China for surveying the damage of lining. The system can obtain high definition image information of tunnel surface through multiple array CCD cameras at high speed, and use intelligent analysis method to identify and quantify the damage. The types, morphological characteristics and distribution characteristics of structural damages were analyzed based on the automatic detection results. The causes and the factors influencing the structural damages have been concluded. Finally, the existing problems and development prospects of metro tunnel structure management are discussed from the point of view of construction and maintenance.