基于卷积神经网络的隧道掌子面图像质量评价方法研究

鉴于隧道掌子面图像的多样性和复杂性,提出一种基于深度卷积神经网络(Convolutional Neural Network,CNN)的图像质量评价方法,以筛选出满足工程需求的掌子面图像。基于多条隧道创建掌子面图像数据集,采用Keras深度学习框架,应用多种主流的CNN进行对比试验,并结合传统的图像评价指标,分别从清晰度、分类和相似度3个方面对掌子面图像质量进行评价。其中基于DenseNet169的多分类模型可达到88.7%的准确率。研究结果表明:跟传统的图像处理技术相比,深度学习方法在隧道掌子面图像识别上具有精度高、效率高的显著优势。该方法可为实现隧道掌子面的自动素描提供技术支持,具有良好的工程应用前景。

盾构法施工荷载对小半径曲线隧道管片防水性能的影响研究

为探究小半径曲线盾构隧道施工过程中施工荷载对管片防水性能的影响,依托深圳国际会展中心配套市政项目盾构段,选取油缸推力和螺栓预紧力作为主要施工荷载,采用ANSYS建立管片结构模型和弹性密封垫模型,对施工荷载下管片的张开量以及相应张开量下的管片防水性能进行研究,得到施工荷载对管片防水性能的影响。研究结果表明:1)油缸推力对环缝影响较大,会加大环缝张开量,但对纵缝影响较小;2)管片间弹性密封垫的防水性能随管片张开量的增加先增大后减小,在张开量为2mm以及大于6mm时存在渗水风险;3)以张开量2mm为计算控制标准,油缸推力使直线段管片防水性能下降8%,曲线段下降15%;4)增大螺栓预紧力能略微提高直线段管片的防水性能,但对曲线段管片的防水性能无影响,曲线段整体防水性能较差。