超特长隧洞TBM智能辅助掘进技术研究及应用

为解决目前TBM掘进存在依赖于司机经验,难以对异常情况做出及时响应,导致掘进减缓或刀具磨损加剧的问题,不仅需要在不停机状态下及时准确获取掌子面围岩信息,还要在了解掌子面围岩信息的情况下实现智能辅助决策。依托北疆供水二期工程,分析围岩类别、掘进效能和掘进参数等掘进指标,基于图像识别、数据挖掘和机器学习等技术,通过岩渣图像识别、刀盘振动监测和超前地质预报实现围岩状态的实时感知;构建地质信息、掘进参数、设备与支护参数数据库,进行大数据预处理及关联分析;采用多目标智能优化算法,以掘进速度和刀具寿命为目标,对掘进参数进行优化。在此基础上,提出掘进参数、支护方案、卡机应对措施等辅助决策方法。通过TBM智能辅助掘进技术在XE隧洞试验段中的应用可知,掘进速度总体可提升15.6%,刀具寿命总体提升4.5%,且未发生因掘进参数选择不当导致掘进停滞或设备异常损坏等问题。

TBM施工信息云计算平台的设计与实践

TBM施工数据流失、信息壁垒以及缺乏深度挖掘等问题制约了TBM领域基础技术的进步。文章针对以上问题,以构建TBM施工信息云计算平台为目标,提出了TBM掘进数据"Born by digit,Born in format,Born to thecloud"的"3B"理念,解决了TBM施工过程信息采集、传输和存储问题,建成了TBM机群海量异构信息智能传输系统和大数据仓库;同时,以Hadoop系统为生态圈设计了云计算平台架构模型,并基于此模型搭建云计算平台,部署相关算法,不仅实现了在线监控、数据共享等信息管理功能,更基于大数据技术,开展了TBM岩-机相互作用关系数据规律挖掘等工作,探索了信息平台的发展方向。

TBM刀盘载荷实时预测技术研究

针对刀盘载荷与围岩地质不匹配时导致的刀具过度磨损和掘进效率低下问题,提出了一种基于大数据交互平台的TBM刀盘载荷实时预测技术。利用BP神经网络技术构建围岩等级判识模型和刀盘载荷预测模型,在此基础上,应用大数据交互平台实现刀盘载荷实时预测,通过刀盘载荷预测和实测值的相对差来衡量围岩地质与刀盘载荷的匹配程度。

近2年我国隧道及地下工程发展与思考(2017—2018年)

概述我国隧道及地下工程近2年的发展情况,包括铁路隧道、高速铁路隧道、公路隧道、地铁隧道、水工隧洞及综合管廊;并对铁路、公路、市政等方面的重大典型工程进行具体介绍,包括兰渝铁路木寨岭隧道、敦格铁路当金山隧道、港珠澳大桥沉管隧道、中老铁路隧道、大瑞铁路高黎贡山隧道、成兰铁路跃龙门隧道、乌尉高速天山胜利隧道、深中通道、汕头苏埃通道、引额供水项目喀双隧洞、深圳前海综合交通枢纽工程、武汉光谷广场地下综合体等。总结近2年来我国在隧道工程勘察技术、隧道建设的BIM技术、/TBM制造及再制造技术、海上沉管隧道修建技术、异形盾构隧道修建技术、隧道大数据平台建设技术等方面取得的发展。依据川藏铁路、京津冀协调发展、长江经济带、粤港澳大湾区等一系列国家发展战略、规划的启动与实施,分析各个方面对隧道及地下工程领域提出的技术需求,包括:跨海隧道修建技术、复杂条件超长隧道修建技术、生态脆弱区隧道施工环保技术、城市地下大型综合体开发、高寒环境新材料研发、隧道病害智能诊断与快速修复技术、超长复杂隧道及地下工程智慧防灾技术等。最后,结合行业发展现状,从如何提升隧道工程建设管理理念和如何深入推进钻爆法机械化施工进程2个方面对行业发展提出思考和建议。

基于TBM岩机信息的隧洞断层超前智能感知加权投票模型研究

为实现TBM隧洞不良地质的超前判识,基于吉林引松工程TBM隧洞40.8亿条施工数据,采用机器学习方法开展隧洞断层超前智能感知研究。通过分析TBM岩–机交互参数(刀盘扭矩和顶护盾压力等)的变化规律,将断层附近掘进段划分为平稳段、预警段和断层段;借助皮尔逊相关性分析,优选出7个关键参数作为断层感知的特征属性;以随机森林和支持向量机为基分类器,构建隧洞断层智能感知的加权集成投票模型。选取断层附近771组TBM施工有效掘进循环数据,以准确率为目标对所建立模型进行训练和测试(539组训练,232组测试);应用准确率、召回率、F_(1)–分数评估加权集成投票模型进行断层超前感知的性能,采用部分依赖图分析关键交互参数在不同预测类别中的敏感度。结果表明,刀盘扭矩和顶护盾压力等关键交互参数在断层附近显现出不同程度的响应规律,加权集成投票模型能有效预测断层附近的平稳段、预警段和断层段,准确率达89.22%。可为TBM隧洞断层前兆特征预警分析和预控措施提供支撑依据。