文摘

本研究采用多传感器监测数据隧道支护结构和围岩的力学性能在TBM施工为研究对象,结合多传感器的监测数据通过一个智能优化算法,并探讨了自洽多传感器特征融合结构力学性能和现场监测数据。同时,支撑结构参数和施工进度在隧道施工过程中动态调整和科学整合通过监控数据的信息反馈。研究结果如下:(1)隧道开挖速率是不同的在不同岩石的优点和围岩的水平。整体性能是围岩越艰苦,围岩级别越低,隧道开挖速度越快。FPI围岩参数之间的关系和隧道围岩的变形,以及相关系数达到98%。围岩的力学性能对其变形的影响最大。(2)转速、推力和扭矩TBM机械以及围岩和易性指数和隧道围岩变形保持良好的拟合关系,拟合率超过85%。改善PSO-BP算法用来计算和后适应四个参数的扭矩,转速、推力,在TBM机械结构和围岩可行驶的系数,拟合精度高于94%。(3)与此同时,根据分析拟合结果,拟合效果的TBM机械推力是最好的四个参数算法分析合适的度,这是99.3%。(4)测量的点均匀分布在围岩变形表面改进PSO-BP算法计算,拟合方差是0.972。 With the tunnel excavation, the settlement deformation of surrounding rock first increases rapidly, and then, the settlement deformation enters a slow growth stage and finally reaches a relatively stable state. (5) After the jam occurs, the tunnel is expanded from the telescopic shield or tail shield to the outer side of the shield to reduce the contact area between the shield and the surrounding rock to reduce the extrusion of the surrounding rock pressure on the shield.

1。介绍

21世纪是地下空间的世纪资源开发和利用。为基本形式的地下空间利用率、铁路隧道中发挥着重要作用,公路、城市地铁等交通网络(1- - - - - -3]。然而,由于地下工程的隐蔽性,往往很难知道,发现和控制隧道的结构安全适用于多个复杂的环境。隧道位于复杂的地理、气候和地质条件,其空间形式和运行状态是多变的。隧道施工和长期的影响下操作隐患(如变形、渗漏、裂缝),很容易出现薄弱环节和损坏节点,然后导致灾难性的事故。然而,目前,隧道和地下工程的情况仍在“修复失败后,“落后的治疗,”和“落后的安全观念。“大量的隧道的结构安全工作已经失控了很长一段时间,和压力传感器嵌入结构已成为家具。很难提供决策和指导隧道的安全施工和运行和维护工作依靠单个传感器的数据分析,这让许多失明和隧道管理的麻烦。主要原因是理论、方法和技术的隧道结构安全性能感知和控制严重不足,与此同时,传统的检测、监视和操作和维护管理系统和技术被广泛使用,因为大量的感知和控制所需资金,已日益成为国家财政的一个巨大的经济负担。因此,迫切需要开展研究准确感知和控制隧道结构安全性能与能耗低,效率高,实用性强(4- - - - - -9]。

从研究近年来,现场监测的手段更先进和多元化的测试数据。出现的误差反向传播(BP)神经网络,遗传算法(GA),思维进化算法(MEA),和其他算法,以及卡尔曼滤波、傅里叶分析、短时傅里叶变化,和其他信号降噪方法,有些学者引入到隧道监测数据的处理,建立BP神经网络回归分析,GA-BP神经网络时间序列分析、MEABP神经网络时间序列分析、小波降噪,和其他方法10),丰富隧道监测数据分析的理论基础。然而,从整体来看,大多数当前的研究还集中在隧道施工阶段。监控数据的利用效率低,数据处理仍处于初级阶段,主要侧重于数据的隧道,一个监控对象,或一个传感器,缺乏系统分析整个监控数据。隧道结构的力学监测进行了通过各种应力和应变传感器。如果隧道结构的力学特性认识和隧道结构的安全性能是实现,数据处理都必须进行单个传感器和多个传感器系统实现精确传感的目的(11]。与此同时,随着大数据等新技术的发展,网络,人工智能,区块链,和超级计算,传统的隧道结构安全性能的传感和控制需要深入与智能技术集成。全息照相的应用感知、即时通信、人工智能、大数据、云计算、物联网、和其他技术领域的监控隧道结构的力学特性,模型试验、数值模拟、安全性能传感和控制需要进一步发展(12- - - - - -16]。

因此,在隧道结构安全性能的过程中感知和控制,有条理的处理模型的多传感器机械结构特点探讨了现场监测数据,现场监测的深层融合方法和遥感算法和数字对象空间测试开发,和隧道生命周期安全性能响应机制基于结构力学特性的揭示,这奠定了理论依据隧道结构安全性能的维护和改善。它已成为一个重要的科学和技术问题所面临的隧道工程和维修也面临一个重要问题的智能建筑和安全运行和维护隧道。

基于岩石隧道TBM施工大口径的完整部分,本研究采用多传感器监测数据隧道支护结构和围岩的力学特性在TBM施工为研究对象,结合多传感器的监测数据通过一个智能优化算法研究有多传感器特征融合结构力学特性和现场监测数据。这样,安全感知与动态监测隧道结构的变形和机械状态进行,和支持结构参数和施工进度在隧道施工动态调整和科学整合通过监控数据的信息反馈,从而实现安全、高效的TBM施工。

2。项目概述

本研究是基于TBM输水隧道在中国西南部。它位于喜马拉雅山的边缘。在山区新构造活动,如喜马拉雅山脉,当隧道施工穿越活动构造带具有复杂多变的岩性条件和富水构造带,围岩条件相对较差。受到大量的褶皱、断层和逆断层,地下水丰富在许多地方。地质问题,如断层、泥浆泄漏、岩石破裂,水涌出,块下降隧道施工中经常遇到。这是一个大口径输水隧道全长12公里,最大开挖直径8米。隧道的围岩相对薄弱和破碎的身体部分,大规模的整体结构和关节和裂缝发展。现场施工数据所示1- - - - - -3。

一般来说,当网络隧道TBM约3毫米/分钟的速度,它被认为是进入了“无法挖的状态。“原因是围岩的强度过高,铣刀头滚刀很难切成岩体,刀头的普及率也维持在一个非常低的水平。在中等强度的岩石,有高强度周围的岩石。初始速度和推力的作用下,叶片上的负载突然增加时,超过极限承载力,滚刀将会崩溃。滚刀受偏心磨损和崩溃边缘。这是由于大量高强度熔渣片剥落的脸脸块滚刀的旋转轴承,导致滚刀停止旋转,但刀头仍不停地旋转。夹紧的铣头驱动滚刀轴滑动和摩擦表面上的脸。在实际工作条件下,围岩条件往往更复杂,经常出现的交叉结合各种条件。如果前方围岩的变形可以及时预测和反馈TBM机械在TBM法施工,然后旋转速度和推力的铣头可以调整时间,从而大大提高隧道开挖的速度。因此,整合具有重要意义和预测隧道围岩在开挖的变形给所有传感器实时监测数据。 The statistical relationship between surrounding rock deformation and excavation rate at the tunnel site is shown in Figure4。

从图可以看出5有一个非线性拟合关系的隧道围岩的变形和隧道的建设速度。整体性能是隧道的开挖率的增加逐渐减少隧道的围岩的变形。这主要是因为在TBM施工的过程中,当围岩的变形很大,铣头之间的接触表面的盾构机和围岩的增加,围岩之间的接触压力和铣头增加。这减少了旋转的铣刀头在相同转矩,提高铣头的温度,然后导致整个工程机械操作异常,导致干扰器等机械故障。需要超过10天每次打扫干扰器,导致的损失经验刀头和施工期间的延伸。因此,有必要准确合理的变形围岩隧道开挖部分提前积极调整刀头的相关参数,从而达到动态施工灾害的预防和控制。

3所示。多传感器协同工作机制

裂缝的主要支持和隧道的二次衬砌结构需要在公路隧道检测发现,内壁裂纹有明显表现,可以根据视觉观察。因此,CCD相机可以用来收集内壁图像和计算机视觉方法可用于检测。隧道断面大,隧道内的拍摄位置,所以它需要使用多个摄像机收集衬里的外观。同时,因为隧道在弧形形状,相机需要放置在一个圆弧形状更好地收集衬里的形象。为了提供更多的信息数据处理、激光雷达也安装在检测系统。隧道的三维点云数据通过旋转激光雷达。在收集的过程中内壁点云,沿着隧道检测系统向前行驶。的旋转运动扫描和探测系统的运动相结合,形成螺旋有序的点云数据。同时,激光雷达可以实时观察灌浆情况下隧道衬砌墙后面,进行完整的部分收敛变形测试隧道初始变形和第二衬疾病部分的支持,这是非常重要的控制隧道围岩变形。在隧道渗水后,水会流隧道壁,隧道衬砌的一些地区将被水润湿渗透。 Compared with other areas of the tunnel, the temperature of the wetted area is lower, so the infrared thermal imager can be used for detection. The freezing damage of the tunnel is similar to this, and the infrared thermal imager can also be used for detection. The above lidar, infrared camera, and camera acquisition system constitute the tunnel 3D point cloud data acquisition system, as shown in Figure6。与此同时,光纤光栅用于监测和分析隧道的纵向变形。监控部分的分支光纤通过仪器连接到网络的主干光纤。然后,主干光纤传输的围岩稳定性信息接收仪器在很长一段距离。然后,监测隧道的围岩稳定性与光纤传感技术可以实现实现智能传感的整个空间隧道的变形,如图7。

上面的传感器获得的原始数据,数据预处理是必需的第一,然后,隧道的主要标准轮廓。隧道重建使用标准的轮廓,这样可以获得结构力学参数在三维状态和安全状态可以感知。德劳内三角测量算法采用点云的三维重建。因此,有必要将三维空间点云数据转化为平面点云数据,构建一个三角关系网络在平面上点云,然后构造三角关系网络应用于实际的三维点云数据实现三维物体表面重建。点云的三维重建原理图所示8。

无论隧道点云数据摘要预计将任何飞机,点云会发生重叠。以向下的投影为例,如图8(一个),当隧道预计沿着垂直方向向下,因为隧道的弧大于180度,横线下面的点云数据通过圆的中心将重叠的点云数据上半圈后向下投射,如图8(一个)。假设一个圆半径相切的水平线,建立直角坐标系与切点为中心,水平方向的吗 - - - - - -轴,垂直方向的 - - - - - -轴。如图8 (b),一个点 在圆滚沿着坐标轴和接触点在 - - - - - -轴;然后,弧等于长度的线段 ,和他们之间的关系如下:

根据上面的想法类似,为了扩大一个圆的离散弧形点云数据,您可以使用离散点之间的线段连接的点云,然后把它们卷沿坐标轴的正方向平点云数据,如图8 (c)每个圆的点云夷为平地后,原来的值是给每个平点。扁平隧道点云数据的三角网是由德劳内三角构造算法,然后,三角网应用于隧道三维点云数据实现隧道的三维重建模型。重建结果如图9。

从图9根据上述隧道的三维点云模型,结构应力状态之间的关系和围岩变形在每个位置在隧道开挖,隧道TBM开挖参数和岩石力学参数的隧道。进一步,它可以预测和分析隧道结构变形的力学响应在前面部分的开挖,尚未发掘,然后反馈预测数据TBM施工机械动态调整开挖参数和结构参数的支持,以确保安全、高效施工。三维点云模型生成的数据的基础上建立隧道结构安全监测的重要意义和及时反馈的建造隧道,以及提供有效反馈的建设nonexcavated部分。

4所示。研究改进的粒子群优化(PSO)神经网络(BP)算法

为了解决这个问题,TBM隧道参数设置主要取决于施工过程的经验,选择隧道稳定部分的数据来预测机械参数,结构力学,围岩的变形状态和前协助TBM隧道的优化和调整参数。改进的神经网络算法和粒子群优化算法用于这项研究。神经网络算法流程如图10,粒子群优化算法如图11。

神经网络是一种模仿生物神经行为的数学模型。神经网络是由几个连接节点互联(神经元)。输入样本数据和获取网络输出通过自适应学习和培训。开始适应性训练,一般BP网络生成随机数(1,1)范围内初始权值和阈值。样例输入数据从输入层计算重量和阈值,然后通过隐层,最后到达网络输出层获得预测价值,计算预测误差。如果误差的精度满足要求,它将收敛和输出预测结果。会传播,否则,错误和阈值和重量将被更新,直到设定数量的迭代步骤或达到收敛。粒子群优化(PSO)来源于鸟类的行为寻找食物。PSO算法建立了一个数学模型基于鸟类的行为寻找食物和用来找到问题的最优解。在解决问题的过程中,问题的解集被认为是一群飞鸟。 Each bird is a solution, also known as a particle. Each particle has two characteristics of speed and position. The particle updates its position according to its own optimal solution and the current optimal solution of the population. Particles self-renew according to 在哪里 ; 代表的速度th粒子在th迭代,和是[0,1]之间的随机数; 正在学习因素,通常 ; 是惯性因素。和根据以下计算: 在哪里学生因素和的最大值的最小值是学习的因素。

5。参数选择和相关分析

根据上面的隧道的三维点云模型,结构应力状态之间的关系和每个位置的围岩变形在隧道开挖,开挖参数TBM隧道掘进机和隧道的围岩的力学参数。它可以预测和分析开挖过程中隧道结构的力学响应nonexcavation前面部分。TBM隧道工程中,岩体的变形影响因素主要是前面TBM的施工参数和岩体参数描述围岩的特点。岩体的单轴抗压强度参数和推力、扭矩和转速的重要因素影响TBM隧道隧道参数速度和岩体变形在前面。因为它很难直接得到岩石的单轴抗压强度在非开挖部分,在这项研究中,围岩和易性指数(FPI)是用来取代岩体参数。FPI全面反映隧道的参数和地质参数,包括地质参数的因素(17- - - - - -19]。根据现场实际施工情况,周围的岩石在网站上主要分为三种类型,即钙质硅质砂质板岩,石英砂岩,中等风化花岗岩。相应的成绩和优点周围的岩石如表所示1。TBM开挖的速度在不同围岩等级和岩石优势如图12。

从图可以看出12围岩是隧道开挖过程中复杂多变的,和不同岩石的单轴抗压强度相同的围岩级别和相同的岩石不同围岩级别也不同,这直接影响隧道开挖速率。从图可以看出12隧道开挖速率在不同岩石的组合优势和围岩水平是大大不同的,和整体性能是困难的围岩,围岩级别越低,和隧道开挖速度越快;最主要的原因是,当盾构机械挖掘岩石强度较低和高的围岩级别,隧道变形越大,刀头的磨损率越高,同时,便于机器堵塞发生,所以开挖速度大大受到影响。

根据隧道开挖部分的三维点云模型和各种参数的TBM机械开挖过程中隧道围岩的推力和变形之间的关系如图13、转速之间的关系和隧道围岩变形如图14和转矩之间的关系和隧道围岩变形如图5。同时,岩石力学参数之间的关系和隧道围岩变形可以通过结合岩体的单轴抗压强度在开挖部分,如图15。

通过合适的转速、推力和转矩的TBM机械三维点云测试部分的隧道和围岩可行驶的系数与岩体结构变形通过隧道的三维点云模型,可以发现,上述四个参数影响隧道施工和隧道的围岩变形的保持良好的拟合关系,拟合率超过85%。在这项研究中使用的参数的预测和分析隧道围岩变形是可行的。同时,根据拟合结果的分析上面的四个参数,可以看出围岩FPI参数之间的关系和隧道围岩变形更密切,相关系数达到98%。它可以得出结论,围岩的力学性能在TBM隧道变形的影响最大。因此,围岩的强度的影响隧道围岩的变形应该考虑的预测和研究隧道围岩的变形。

TBM隧道开挖过程中隧道结构的变形直接关系到隧道围岩的物理力学性质和隧道掘进机的施工参数。通过集成的岩体力学参数与隧道施工机械的性能参数,通过建立的三维点云模型隧道稳定部分改进PSO-BP算法,同时,隧道岩体参数的传感器获得的隧道施工过程中,上述四个参数替换到计算模型来预测隧道开挖的围岩变形部分。上面的四个参数训练和分析改进PSO-BP算法,和四个参数的拟合精度预测过程如图16。

从图可以看出16拟合精度的转矩、转速、推力和围岩可行驶的系数在TBM施工机械是高于94%计算和拟合后的改善PSO-BP算法。可以看出,该方法的预测效果理想。与此同时,它可以从拟合结果的分析TBM机械推力的拟合效果是最好的,99.3%,在四个参数算法分析合适的度,这表明在隧道开挖项目中,推力的TBM隧道的开挖有很大影响,主要是因为当岩石的整体实力相对困难,大开挖推力将更好地提高滚刀的岩石断裂性能。岩体的力学参数和隧道施工机械的性能参数得到的三维点云模型建立在隧道稳定部分合并成改进PSO-BP算法。同时,隧道岩体参数和上面的四个参数的传感器获得的隧道施工过程计算模型,代替和隧道开挖的围岩变形部分通过改善PSO-BP预测算法。为了进一步验证改进的PSO-BP算法的准确性和合理性,我们比较了改进PSO-BP算法得到的数据与围岩变形监测结果在实际施工的隧道,如图17,这是一个比较图改进PSO-BP算法得到的数据与实际施工期间的围岩变形监测结果的隧道。

表面图17的开发过程是在不同位置的隧道围岩变形与时间改进PSO-BP算法获得的。数据点的实际变形值是围岩隧道开挖期间在不同的位置。从图可以看出,测量的点均匀分布在围岩变形表面改进PSO-BP算法,计算和拟合方差为0.972,表明这两个相对一致;改进PSO-BP算法是可靠的,具有良好的精度。从图可以看出16在每个位置,围岩的变形规律基本上是相同的,主要分为三个阶段:快速增长stage-slow stage-stable阶段。隧道的开挖,沉降和变形迅速增加,然后,沉降和变形进入缓慢增长阶段,最后达到一个相对稳定的状态。

隧道开挖后,在不同的位置显示变形演化特征不同。变形值在隧道的拱顶和上部大,这主要是因为在这个位置的围岩是极大地受到重力的影响,和底部的变形往往是小,和一些职位也显示某些向上隆起特征。后期的隧道,变形在每个位置显示了整体增长趋势,增长速度是不同的在不同的位置。这主要是因为压力在环形隧道的每个位置都是不同的。附近的压力拱大而集中,所以变形很大。每个位置的变形逐渐倾向于温和的后支撑结构的建设后期的隧道。

根据上述分析TBM开挖期间的围岩变形,当隧道挖掘,围岩受铣头,和围岩取代,但变形值相对较小。盾后,隧道的围岩在每个位置有一个明显的位移变化,但它不是最大振幅的时刻。这表明,围岩部分聚合,盾构开挖过程中变形,但是没有发生大变形。主要原因是TBM支持鞋不释放大开挖过程中围岩的应力。立即拿出盾牌之后,段开始释放围岩压力大。然而,在随后的开挖,围岩的变形相比还是相对缓慢退出盾牌时,直到趋于稳定,这表明TBM开挖过程的扰动范围的围岩最初支持隧道直径的2 - 3倍。及时段发挥辅助作用,形成一个临时的支持系统与周围的岩石相结合,成功地抑制了大变形引起的围岩开挖扰动。与变形拱形的顶部和底部,拱腰的两侧的变形相对较慢。一些穷人的围岩变形发生在盾牌。挖掘隧道时,原有的平衡状态被打破,围岩变形到隧道,直到达到平衡态。 The deformation is related to the surrounding rock type, burial depth, groundwater, and structural stress. In order to ensure the safety of the tunnel structure and the design boundary requirements, support is required to prevent excessive deformation of the surrounding rock and achieve balance as soon as possible to prevent collapse; in order to prevent TBM jamming caused by large-scale convergence deformation, it is suggested that the shield should be directly used as a complete set of initial support measures for such tunnel sections. If worse surrounding rock is encountered in subsequent construction, the safety margin of existing support parameters should also be considered. In the process of TBM construction, the construction problem of cutter chuck is often encountered. With the development of intelligent sensor and network transmission technology, the intelligent numerical calculation of TBM cutter wear and the intelligent prediction of field construction will meet a new development situation, which is crucial to the safe and efficient construction of the tunnel and the control of the project cost.

TBM全断面隧道掘进机地质条件要求高。TBM隧道过程中在软岩部分,围岩将产生明显的弹塑性变形和明显的蠕变变形、蠕变变形将迅速增加TBM开挖后几小时内,使TBM干扰的风险迅速增加。针对这些问题,总结了软岩大变形的控制措施如下。(1)采用预灌浆进行水泥灌浆或化学灌浆不良地质的TBM改善岩体的完整性和强度在前面。这是一个预防措施(2)盾构设计了形状。保护身体的直径是为了减少一步一步,以便后罩的直径小于前面的盾牌,以减少围岩之间的接触范围和盾牌(3)增加孔直径。发生堵塞后,隧道从伸缩扩大盾或尾盾盾减少外的一面盾牌和围岩之间的接触面积,减少挤压围岩压力的盾牌。与此同时,它还可以大大减少隧道产生的摩擦阻力从而奠定基础,顺利摆脱困难(4)在干扰的情况下,油脂和其他润滑材料应当注入盾牌和围岩之间减少盾牌和围岩之间的摩擦系数,从而减少了摩擦阻力和释放TBM(5)后发生堵塞,如果上面的方法都不成功,飞行员的人工开挖隧道和侧隧道应考虑释放围岩压力,所以盾牌和围岩可以彼此分离,和TBM可以摆脱困难(6)如果前面的地质条件极其贫困和TBM隧道不能顺利通过隧道,施工方法可以调整,钻探和爆破方法可以用来挖掘岩石周围的大变形隧道部分提前在全脸。本节中的隧道采用TBM滑到避免机干扰

6。结论

本研究采用多传感器监测数据隧道支护结构和围岩的力学性能在TBM施工为研究对象,结合多传感器的监测数据通过一个智能优化算法,并探讨了自洽多传感器特征融合结构力学性能和现场监测数据,以进行安全感知和隧道结构变形和机械状态的动态监测。同时,通过监控数据的信息反馈,支持结构参数和施工进度在隧道施工过程中动态调整和科学整合。主要研究结论如下。(1)不同岩石的单轴抗压强度相同的围岩级别和相同的岩石不同围岩级别也不同。隧道开挖速率下不同岩石的组合优势和围岩水平千差万别。整体性能是围岩越艰苦,围岩级别越低,隧道开挖速度越快。FPI围岩参数之间的关系和隧道围岩的变形,以及相关系数达到98%。围岩的力学性能对其影响最大的变形(2)转速、推力和扭矩TBM机械以及围岩和易性指数和隧道围岩变形保持良好的拟合关系,拟合率超过85%。可行的使用上面的四个参数对隧道围岩变形的预测和分析。这四个参数的扭矩、转速、推力,和围岩可行驶的系数在TBM机械施工过程改进PSO-BP算法计算和拟合,拟合精度高于94%。它可以得出结论,该方法的预测效果理想(3)同时,根据分析拟合结果,拟合效果的TBM机械推力是最好的四个参数的算法分析合适的度,这是99.3%,这表明TBM的推力有很大影响的隧道开挖隧道开挖工程。这主要是因为更大的挖掘推力影响岩石破碎有更好的性能滚刀的整体实力摇滚是相对困难的(4)实测点均匀分布在围岩变形表面改进PSO-BP算法计算,拟合方差是0.972。这两个是在良好的协议。改进PSO-BP算法是可靠的,具有良好的精度。在每个位置围岩的变形规律基本上是相同的,主要分为三个阶段:快速增长stage-slow stage-stable阶段。隧道的开挖,沉降和变形迅速增加,然后,沉降和变形进入缓慢增长阶段,最后达到一个相对稳定的状态(5)采用预灌浆进行水泥灌浆或化学灌浆不良地质的TBM改善岩体的完整性和强度在前面。这是一个预防措施。盾构设计了形状。保护身体的直径是为了减少一步一步,以便后罩的直径小于前面的盾牌,以减少围岩之间的接触范围和盾牌,增加孔直径。发生堵塞后,隧道从伸缩扩大盾或尾盾盾减少外的一面盾牌和围岩之间的接触面积,减少挤压围岩压力的盾牌。与此同时,它还可以大大减少隧道产生的摩擦阻力从而奠定基础,顺利摆脱困难

数据可用性

本文中使用的数据集可以从相应的作者。

的利益冲突

作者宣称,关于这项工作他们没有利益冲突。

作者的贡献

“郭和磷化黄了同样的工作。