基于PSO-LSSVM算法的隧道掘进机掘进参数预测方法

为了规避隧道掘进机(tunnel boring machine, TBM)掘进参数人为设定的主观性,提出了一种基于粒子群-最小二乘支持向量机算法(PSO-LSSVM)的TBM掘进参数预测方法。通过从海量TBM工程掘进数据中探寻参数变化规律,降低了TBM主司机设定掘进参数的主观性,辅助其合理选择掘进参数,有利于提高掘进效率、规避工程风险,经实验和工程数据验证,PSO-LSSVM算法通过对样本粒子全局迭代寻优来优化参数,提升了预测算法泛化能力和预测精度,对推力、扭矩和推进速度参数预测数值偏差满足要求,可辅助指导主司机设定掘进参数。     

基于改进信息熵值分析的TBM掘进参数研究

复杂地质条件下的TBM掘进参数的有效预测可以对TBM施工进行针对性的指导,基于深圳地铁10号线孖-雅双护盾TBM区间实际掘进参数,建立了一种基于改进信息熵值分析的TBM掘进参数预测模型,通过前序参数的熵值权系数自适应调整来预判后续TBM参数值,模型以TBM推力和扭矩样本参数进行训练并以实际工程数据进行验证,通过残差分析和相关性分析得出的预测值和实际值相符,说明该模型具有较好的非线性映射能力,基于改进信息熵值分析的TBM掘进参数预测模型能直观反映TBM装备载荷地质适应性规律,可为TBM施工掘进参数设置提供参考,提前预判规避不良地层施工风险.     

考虑多源信息不确定性的TBM利用率预测

隧道掘进机(TBM)施工对地质条件非常敏感,一旦发生事故会造成严重的工期延误和巨大的经济损失。本文在对TBM利用率影响因素进行统计分析和对输入参数进行优选的基础上,以兰州水源地建设工程输水隧洞双护盾TBM施工实例为依托,将天牛须搜索优化方法与增强回归树算法进行耦合,提出一种考虑多源信息不确定性的TBM利用率预测模型(BAS-BRT);将该模型预测结果与粒子群优化-增强回归树耦合模型(PSO-BRT)预测结果进行对比分析,并通过现场实测数据验证TBM利用率预测模型BAS-BRT的有效性及其对典型地质段施工风险的适应性。研究结果表明：天牛须优化算法的自适应特点能够真实反映TBM施工中出现的不确定性问题,增强回归树算法可实现模型的全局最优化迭代,TBM利用率预测模型BAS-BRT具有较高的预测精度、较好的泛化性能,同时具有良好的并行处理能力与鲁棒性。     

基于LS-SVM的TBM掘进参数预测模型

针对目前TBM数据挖掘能力和掘进参数优化预测分析的不足以及对未来TBM实现无人驾驶的展望,将最小二乘支持向量机（LS SVM）机器学习应用到TBM掘进参数预测中,从吉林引松工程TBM掘进数据中提取掘进上升段的刀盘扭矩、刀盘推力、总推力、推进速度这4个重要参数建立LS SVM预测模型,预测4个参数在稳定段的均值,并讨论了模型训练集大小、参数选取等对预测性能的影响。结果表明,以原始数据中均匀提取的样本、RBF核函数和10折交叉验证建立的LS SVM模型可以较为准确地预测稳定段中上述4个参数,验证了LS SVM机器学习预测TBM掘进参数的可行性。     

TBM掘进速度预测模型研究

随着机械制造技术的进步,全断面岩石隧道掘进机被广泛应用于深、长、大隧洞的开挖,鉴于全断面岩石隧道掘进机(TBM)对地质条件十分敏感,且其前期投入巨大,采用合适的方法、准确地预测TBM掘进速度对TBM施工的进度安排和成本估计十分重要.基于纽约皇后NO.3隧道153组实测岩体参数(UCS、PSI、DWP、BTS、α)和TBM掘进速度(PR),分别采用BP神经网络和CART算法建立TBM掘进速度预测模型,与已有预测模型对比发现,CART预测模型预测精度更高更易于不同工程相互借鉴,且在部分岩体参数缺失的情况下也能对TBM掘进速度进行有效预测.     

基于数值仿真的复杂岩体TBM掘进性能评估模型

为了评估全断面隧道掘进机(TBM)在复杂岩体环境中的掘进性能,本文提出了基于数值仿真的全断面TBM掘进预测模型。首先,采用4D-LSM和DDA耦合模型数值重现工程尺度完整岩体和节理岩体的TBM掘进测试过程,分析全断面TBM掘进过程中刀盘的力学响应和岩体的破坏特征;其次,研究节理间距、节理方向、岩体单轴抗压强度以及脆性指数对可钻性指数的影响;最后,引入单神经元对数值仿真预测模型进行修正,并与岩体特征模型进行对比分析,验证基于数值仿真的全断面TBM掘进性能预测模型的适用性。研究结果表明：TBM在低强度、高脆性以及节理发育的岩体中掘进效率更高,当节理面与TBM掘进方向之间的夹角为60°～75°时,最有利于TBM的运行。基于数值仿真的TBM掘进性能预测模型提供了一种经济、灵活的可用于评估复杂环境中TBM施工性能的方法。     

基于门控循环单元的全断面掘进机稳定段掘进性能预测

全断面隧道掘进机（tunnel boring machine, TBM）一个正常掘进循环分为空推段、上升段和稳定段三个阶段,其中稳定掘进段为主要施工阶段,稳定段掘进性能的好坏是TBM掘进的关键。为实现TBM安全高效掘进,建立一种基于门控循环单元（gated recurrent unit,GRU）神经网络的预测模型,预测TBM稳定段掘进性能。模型以新疆某供水工程Ⅱ标段TBM施工数据为依托,5种掘进循环上升段主要参数的时间序列数据作为主要输入,围岩等级作为辅助输入来考虑岩体对掘进性能的影响,输出为稳定段的总推进力和刀盘扭矩,为稳定段TBM性能预判提供参考。为显示预测效果,对比传统循环神经网络（recurrent neural network,RNN）预测模型,并分析不同长度时间序列输入对模型预测精度的影响。结果表明：GRU模型预测拟合优度均在0.9以上,平均绝对百分比误差均小于12.25%,同时能够适用不同长度时序输入。由此可见,所建模型具有较高预测精度,泛化能力较好,能够辅助预判掘进机稳定段性能。     

大纵坡隧道复合式TBM掘进推力对管片结构的力学响应分析

TBM在进行大纵坡隧道上坡施工时的掘进推力控制不当,易造成管片错台、上浮甚至结构失稳等问题,因而研究大纵坡隧道TBM掘进推力对管片结构的力学响应具有重要的工程意义。本文以重庆轨道交通9号线刘家台始发井～鲤鱼池站区间坡度为3.9%的复合式TBM隧道施工为例,采用基于荷载-结构法的隧道纵向梁-弹簧模型和数值模拟法,分析了复合式TBM在大纵坡隧道掘进过程中不均匀千斤顶推力作用下产生的附加作用力特征,探究了管片结构在附加作用力影响下内力分布规律及其变形的薄弱区域,以及管片结构变形甚至破坏的表征,从而寻求具体控制TBM施工掘进推力的有效措施。研究成果可为规范大纵坡隧道TBM施工中的推力分区和选值提供借鉴。     

一种基于CSM模型的TBM刀盘比能预测方法

为了解决全断面掘进机在掘进时刀盘比能预测的难题,以岩石断裂力学为理论基础,深入分析了TBM滚刀的受力情况和破岩机理,基于CSM预测模型提出了一种新的TBM刀盘比能预测方法.通过建立滚刀与岩石相互作用的力学模型,推导出TBM刀盘的比能预测模型,并通过实例计算对刀盘的比能水平进行了量化研究,验证了模型的正确性.该预测模型基于滚刀破岩的机理,能够实时预测刀盘的比能,为TBM的刀盘优化设计以及性能预测提供了一定的理论依据.     

地质突变条件下基于组合模型的围岩等级和TBM掘进参数预测

为了提高硬岩隧道掘进机(TBM)施工的安全性和智能化,基于TBM掘进数据,提出了一种将双向长短期记忆(BiLSTM)网络与支持向量机回归(SVR)算法相结合的可以同时进行围岩等级和TBM掘进参数预测的组合模型(BiLSTM-SVR模型)。实例验证结果表明:BiLSTM-SVR模型对围岩等级的预测准确度较高,均方根误差均小于0.026 5、平均绝对百分比误差均小于0.95%;BiLSTM-SVR掘进参数预测中,推力和扭矩的预测准确度最高,净掘进速度和开挖比能的预测准确度最低;BiLSTM-SVR模型比BiLSTM模型和SVR模型的掘进参数预测准确度有较大的提高,因此进行单一模型的组合可以有效提高模型预测的准确度和鲁棒性。     

不同岩体质量隧道TBM施工性能评价方法

为了预测、评价、提升不同围岩质量隧道TBM施工能力,通过对国内外多个隧道工程TBM施工数据回归分析,建立了设备利用率、掘进速率等TBM施工性能指标随岩体质量的变化规律。统计结果表明TBM设备利用率与岩体质量指标RMR呈线性函数或二次函数关系、TBM掘进速率与岩体质量指标RMR呈二次函数关系;TBM设备利用率随岩体质量参数的增大而递增;TBM掘进速率随岩体质量参数的增大先升高再降低,在III级围岩时达到峰值;TBM施工速度随岩体质量参数的增大先升高再降低,在II级围岩时达到峰值。基于此,提出了不同岩体质量隧道TBM施工性能评价方法,并利用滇中引水工程香炉山隧洞TBM施工数据对该方法进行了验证。研究成果可用于预测拟建隧道TBM施工工期和评价在建隧道TBM施工性能。     

不同间距和倾角的岩石节理对TBM滚刀破岩的影响

在隧道掘进机(tunnel boring machine, TBM)开挖过程中会遇到表面节理条件不同的围岩,影响TBM操作参数的选取和施工效率。为研究节理条件对滚刀力的影响,本研究设置了三种岩面切缝方案模拟不同间距和角度的节理岩石进行线性切割试验,观察岩面破坏情况,收集岩渣并记录滚刀破岩的三向力和振动信号,从岩体破坏、刀具振动情况分析贯入度、切缝的间距和角度对滚刀破岩效果的影响。结果表明：滚刀法向力和滚动力均随着贯入度的增大而增大;切缝间距400 mm比间距200 mm的岩样所需的破岩力更大,但是破岩效果较差;斜切缝岩样相比平行切缝岩样所需破岩力更低而破岩效果较好。在此基础上本研究利用多元线性回归方法建立了滚刀力预测模型,具有较高的预测精度。     

基于复杂地质岩机作用的多维度隧道掘进机适应性评价方法

为了解决高强度高磨蚀硬岩地层TBM掘进“低效高耗”、断层破碎带地层“刀盘受困”、高地应力挤压性地层“护盾被卡”等隧道施工难题,基于TBM滚刀、刀盘、护盾与隧道围岩的相互作用,通过多个TBM法隧道工程数据统计分析,揭示了滚刀贯入度指数与岩体特性指标、滚刀破碎体积磨损速率与岩体特性指标、TBM设备利用率与断层宽度、围岩相对变形量与强度应力比的函数关系,建立了基于滚刀可掘性和耐磨性、刀盘受困和护盾被卡风险的多维度TBM适应性评价方法,为复杂地质隧道修建TBM工法选择、装备设计及施工难题的解决提供了量化依据。     

基于点云的TBM隧道成型质量检测方法及应用

以硬岩隧道掘进机(TBM)隧道围岩为研究对象,应用三维激光扫描技术检测TBM隧道成型质量,提出了基于三维激光扫描技术的TBM隧道成型质量自动检测方法.将车载云台和二维激光扫描仪组成的三维扫描装置安装在TBM主梁上,车载云台带着二维扫描仪朝刀盘方向快速旋转90°,通过旋转编码器将扫描仪的二维点云实时转换成隧道的三维点云,对点云进行隧道轴线计算、滤波、截取等预处理,通过截面提取与三次分段Hermite插值曲线拟合的方法计算围岩的剥落与塌方.提出了隧道成型质量参数并依据其判断隧道成型质量,结合TBM隧道工程实例进行分析,验证TBM隧道成型质量检测方法的可行性.采用本方法可实现在TBM施工过程中隧道成型质量同步进行检测,形成数字化测量体系.     

公路隧道建设中涌水量预测方法改进研究仿真

当前涌水量预测方法大多依据已经建好的隧道积累涌水量观测资料进行预测,需要准确的先验知识,预测结果不可靠。提出新型公路隧道建设中用水量预测改进方法,分析了公路隧道涌水过程,针对研究的公路隧道,依据建设公路隧道区域水文地质条件,构建隧道开挖前的稳定流模型。依据钻孔数据和泉流量对构建的模型进行检测,将其应用于涌水量的预测中。将稳定流模型看作公路隧道开挖的模拟非稳定流初始条件,完成对公路隧道开挖过程中涌水量的模拟,获取公路隧道的最大涌水量、正常涌水量和涌水过程曲线。运用变分有限单元法求解上述模型,确定渗透系数和影响半径,从而计算出公路隧道建设中涌水量的预测值。实验结果表明,所提方法具有很高的预测精度。     

TBM与常规法隧道施工方案选择系统

为了使长大隧道施工方案合理,提出并建立了隧道施工方案选择系统.该系统运用模糊层次分析法,建立了目标、准则、指标、方案的四层的层次结构模型.以与隧道施工相关的各项因素为评判指标,采用专家法对各指标评判,构造出模糊判断矩阵,在此基础上得到各指标归一化权重.采用该法对某工程实例的施工方案进行比较选择,结果表明该系统具有较好的优选性.     

秦岭隧道TBM机-石界面的界定分析

对我国铁路隧道首次使用的全断面掘进机在秦岭隧道施工中的破岩形式和机理进行了分析,基于其破岩形式和刀具磨损情况,界定了单把刀的推力模型．进而将其扩展到整个刀盘,对不同切深和岩石强度下的推进力进行了数值计算,为掘进机主机工作参数的选取奠定了基础．     

某输水隧洞应力分布规律

利用ANSYS软件,对某输水隧道某段围岩的稳定进行了有限元计算和分析,探讨了围岩应力场的分布规律,为该工程施工提供了合理的支护计划,该规律将对工程施工具有一定的指导作用.围岩应力分布规律的研究结果,对隧洞施工、尤其是采用TBM施工具有实际价值,该成果的应用也将会提高TBM施工的工效及可观的经济效益.