小断面土石组合地质条件下TBM施工围岩可掘性分级识别

围岩可掘性分级以及识别研究对隧道掘进机(TBM)高效率施工及智能化控制意义重大。依托南水北调安阳市西部调水工程TBM施工实际数据,利用掘进性能综合指标单位贯入度推力(FPI)、单位贯入度扭矩(TPI)建立了小断面土石组合地质条件下TBM施工围岩可掘性分级标准;提出了PCA-RF模型对围岩可掘性分级进行识别,并与BP、SVR和RF模型进行了比较讨论。结果表明:①建立的小断面土石组合围岩TBM施工可掘性分级标准是适用的,克服了土石组合围岩下传统围岩分类方法的局限性;②小断面土石组合围岩TBM施工可掘性分级PCA-RF识别模型的识别准确率达到了98.3%,高于BP、SVR和RF模型,可以满足工程施工需要。

基于贯入度指数的TBM围岩可掘性分级研究

隧道掘进机(TBM)前期投入巨大,合理划分TBM可掘性分级并给出施工参数建议值对预测施工工期、控制成本等有重要意义。以深圳地铁6号线6101标段大浪站石岩站区间羊台山隧道TBM施工项目为背景,首先以贯入度指数FPI为掘进性能评价指标,通过Spearman相关性分析FPI作为评价指标的合理性;在此基础上以FPI为输入参数分别建立掘进贯入度、刀盘推力和掘进速度预测公式,并基于羊台山隧道右线掘进数据进行可靠性验证;基于k-均值聚类方法,以FPI为聚类指标,划分出可掘性等级,并根据掘进参数预测公式,给出了对应可掘性等级的掘进参数建议值。结果表明:(1)FPI能够在一定程度合理反映TBM施工中的岩机关系,可作为掘进性能评价指标;(2)建立的TBM掘进参数预测公式,相关性系数R2分别为0.75、0.98和0.97,相关性良好,能够准确为TBM掘进提供预测参数;(3)根据建立的TBM可掘性分级方法将围岩划分为5级,确定了不同等级下掘进参数值。

基于主成分分析与BP神经网络的TBM围岩可掘性分级实时识别方法研究

TBM围岩可掘性等级实时在线识别和预警对TBM安全高效以及智能化掘进意义重大,基于新疆EH隧洞工程直径为7. 0 m的敞开式TBM实际掘进数据与地质数据,通过TBM掘进性能与施工风险的特征参数指标对围岩进行可掘性分级。在对不同围岩下区分度较好的掘进参数进行主成分分析之后,获得表征围岩可掘性等级的2个主成分指标,并在此基础上构建BP神经网络对围岩可掘性等级进行识别。同时,为提高模型响应速度,设计了一个MATLAB程序,从而获得了实用性较强的围岩可掘性等级实时识别方法。

基于围岩参数的TBM掘进性能预测及应用研究

传统的TBM掘进预测模型侧重于使用单一因素预测TBM掘进性能,预测结果往往与实际施工存在较大差异。以新疆某输水隧洞为背景,提出一种可考虑多种因素且符合工程实际的TBM掘进预测模型。以贯入度指数FPI作为TBM围岩可掘性的评价指标,分析了现场实测所得的岩体完整性指数K_(v)、岩体单轴抗压强度UCS与FPI的相关性。基于相关性分析,以K_(v)和UCS为模型的输入参数,FPI为因变量,建立了多元回归模型。使用现场实测所得的刀盘转速RPM、掘进速度v建立与FPI的拟合关系式,由此可以预测实际施工工程中的刀盘转速和掘进速度。在FPI预测模型的基础上,利用K-means聚类方法划分TBM的可掘性等级,并根据可掘性等级预估合理的掘进参数。研究结果表明,所建立的TBM可掘性模型可较好反映TBM施工的真实状态,可为类似地层条件的TBM施工工期预测和成本控制等问题提供参考。