Please wait a minute...
浙江大学学报(工学版)
浙江大学学报(工学版)  2019, Vol. 53 Issue (10): 1977-1985    DOI: 10.3785/j.issn.1008-973X.2019.10.015
土木工程     
基于隧道掘进机掘进过程的岩体状态感知方法
张娜1(),李建斌2,*(),荆留杰1,3,杨晨1,陈帅1
1. 中铁工程装备集团有限公司，河南 郑州 450016
2. 中铁高新工业股份有限公司，北京 400000
3. 中国矿业大学 深部岩土力学与地下工程国家重点实验室，江苏 徐州 221116
Prediction method of rockmass parameters based on tunnelling process of tunnel boring machine
Na ZHANG1(),Jian-bin LI2,*(),Liu-jie JING1,3,Chen YANG1,Shuai CHEN1
1. China Railway Engineering Equipment Group Limited Company, Zhengzhou 450016, China
2. China Railway Hi-Tech Industry Corporation Limited, Beijing 400000, China
3. State Key Laboratory for Geomechanics and Deep Underground Engineering, China University of Mining and Technology, Xuzhou 221116, China
 全文: PDF(1117 KB)   HTML
摘要：

针对现有技术无法预先、实时获取隧道掘进机（TBM）掌子面岩体状态参数的问题，提出基于TBM掘进过程监测的岩体状态感知方法. 以吉林引松供水工程TBM施工隧道为依托，分析TBM掘进过程中掘进参数的变化规律，建立TBM掘进参数与岩体参数数据库，研究TBM设备参数和在掘岩体参数之间的相互关系. 分别采用分步回归和聚类分析的方法建立岩机关系模型，利用监测TBM掘进参数实时感知岩石强度、体积节理数和围岩等级等参数. 以石灰岩和花岗岩地层为例，对TBM在掘岩体参数的预测值与实际值进行对比. 结果表明，利用提出的岩体状态感知方法预测的岩石抗压强度UCS和体积节理数与实际值的误差小于18%，预测当前围岩等级与实际岩体状态基本一致，验证了研究结果的准确性.
关键词： 隧道掘进机(TBM);  掘进参数;  岩体参数;  岩机关系模型;  岩体感知方法    
Abstract:

A prediction method of rockmass parameters was proposed based on tunnelling process of tunnel boring machine (TBM) in order to solve the problem that the rockmass parameters of tunnel face was obtained difficultly in real time during TBM construction. The variation of tunnelling parameters in the TBM construction process was analyzed supported by water supply project from Songhua River in Jilin Province. A database was established which included the tunnelling parameters of TBM and rockmass parameters, and the correlation between the rockmass parameters and the tunnelling parameters of TBM was deduced. A new relational model between rockmass and TBM was constructed based on the stepwise regression algorithm and the clustering algorithm. The uniaxial compressive strength (UCS) of rock, volumetric joint count and surrounding rockmass classification were predicted by monitoring the tunnelling parameters of TBM. The rock parameters of tunnel face in the limestone and granite strata were predicted and compared with the actual values. Results indicated that the predicted UCS and volumetric joint count had an estimated maximum error of 18%, and the evaluated comprehensively surrounding rockmass classification accorded well with the actual state of rockmass, which verified the accuracy of the research results.
Key words: tunnel boring machine (TBM)    tunnelling parameter    rockmass parameter    relational model between rock and tunnel boring machine    prediction method of rockmass parameter
收稿日期: 2018-07-18 出版日期: 2019-09-30
CLC:  U 45  
通讯作者: 李建斌     E-mail: znazna@163.com;lijianbin@crectbm.com
作者简介: 张娜（1989—），女，工程师，硕士，从事隧道工程施工与TBM智能掘进等的研究. orcid.org/0000-0003-3660-6146. E-mail： znazna@163.com
服务　　
把本文推荐给朋友
加入引用管理器
E-mail Alert
作者相关文章　　
张娜
李建斌
荆留杰
杨晨
陈帅

引用本文:

张娜,李建斌,荆留杰,杨晨,陈帅. 基于隧道掘进机掘进过程的岩体状态感知方法[J]. 浙江大学学报(工学版), 2019, 53(10): 1977-1985.

Na ZHANG,Jian-bin LI,Liu-jie JING,Chen YANG,Shuai CHEN. Prediction method of rockmass parameters based on tunnelling process of tunnel boring machine. Journal of ZheJiang University (Engineering Science), 2019, 53(10): 1977-1985.

链接本文:

http://www.zjujournals.com/eng/CN/10.3785/j.issn.1008-973X.2019.10.015    或    http://www.zjujournals.com/eng/CN/Y2019/V53/I10/1977

图 1  引松供水工程地质剖面图
图 2  TBM混合云实时监控界面
图 3  TBM正常掘进过程中刀盘推力、扭矩和贯入度随时间的变化
图 4  TBM单个掘进循环的阶段划分
图 5  TBM单刀推力与贯入度的关系拟合曲线
数据 UCS/MPa Jv/（条·m?3） 围岩等级 H/m P/mm Fn/kN Ta/（kN·m） V/（m·h?1） Rs/（r·min?1）
最小值 38 3.8 V 30 7.3 116 1 554 2.73 1.5
最大值 95 25.7 II 236 15 326 3 469 5.31 7.2
平均值 57 11.4 ? 105 11.2 221 2 616 3.92 6.1
标准差 13 5.9 ? 50 1.6 54 466 0.52 0.6
表 1  TBM掘进参数与岩体参数数据统计表
a 值分布区间 频次 b 值分布区间 频次
0~5 8 60~100 10
5~10 16 100~140 26
10~15 19 140~180 7
15~20 3 180~200 3
表 2  贯入度对单刀推力的影响系数和破岩门槛分布范围
图 6  滚刀受力简图
图 7  不同围岩类别条件下FPI与TPI的分布规律
里程 P/mm Fn/
kN 		Ta/
（kN·m） 		UCSa/
MPa 		Jva/
（条·m?3） 		实际围岩
等级
70 961 8.96 293 2 759.1 53 11 III
70 716 10.1 303 3 075.9 95 9 III
69 085 9.4 278 2 544.1 56 7.8 III
68 717 11 210 2 946.5 58 12 IV
68 388 13 152 1 920.6 43 19 IV
66 154 13.2 222 2 873.5 76 5.4 V
63 124 8 256 2 781.6 66 5 IIIa
60 171 12 259 2 853.0 42 18 IIIb
表 3  TBM掘进石灰岩地层岩机参数表
里程 a b UCSc/
MPa 		Jvc/
（条·m?3） 		BQ围岩分级
70 961 8.05 121.41 57.83 12.76 III
70 716 9.60 194.21 112.23 10.47 III
69 085 11.35 121.70 52.29 8.23 III
68 717 8.41 127.18 61.62 12.20 IV
68 388 5.20 87.05 39.30 18.62 IV
66 154 13.10 165.03 84.19 6.25 IV
63 124 14.36 150.04 70.94 4.94 III
60 171 5.13 85.09 38.07 18.81 IV
表 4  分步回归算法石灰岩岩体状态感知
里程 FPI/
（kN·mm?1） 		TPI/
（kN·mm?1） 		聚类法围岩等级 BQ围岩
分级 		实际围岩等级
70 961 32.70 2.38 III III III
70 716 30.00 2.35 III III III
69 085 29.57 2.09 III III III
68 717 19.09 2.07 IV IV IV
68 388 11.69 1.14 V IV IV
66 154 16.82 1.68 V IV V
63 124 32.00 2.68 III III IIIa
60 171 21.58 1.83 IV IV IIIb
表 5  聚类算法石灰岩岩体状态感知
数据 UCS/MPa Jv/（条·m?3） 围岩等级 P/mm Fn/kN Ta/（kN·m） Rs/（r·min?1）
最小值 67.39 0 IV 1.35 151.85 1 571 8.52
最大值 236.51 29.3 I 4.53 227.42 3 966 9.70
平均值 167.24 7.2 ? 2.60 206.24 2 792 9.46
标准差 33.50 6.8 ? 0.85 19.00 646 0.30
表 6  花岗岩地层TBM掘进参数与岩体参数数据统计表
环号 UCSa/MPa Jva/
（条·m?3） 		围岩等级 a b UCSc/MPa Jvc/
（条·m?3） 		FPI/
（kN·mm?1） 		TPI/
（kN·mm?1） 		聚类法围
岩等级 		BQ围岩
分级 		实际围岩
等级
S2003 228.95 6.7 II 13.20 183.21 200.86 5.86 79.24 18.84 II II II
S2025 236.79 26.7 IV 9.47 150.51 269.14 22.71 52.53 13.22 IV IV IV
S2052 176.86 0 I 15.29 200.71 197.21 0 121.08 16.92 I I I
S2104 177.04 4.5 II 13.78 187.35 195.62 3.96 95.63 16.47 II I II
N1649 147.02 14 III 11.45 147.14 132.49 12.41 62.76 13.87 III III III
N1690 240.3 5.3 II 13.16 188.83 224.76 5.97 101.99 18.55 II II II
表 7  花岗岩岩体状态感知
图 8  花岗岩地层聚类算法岩机关系模型
1 杜彦良, 杜立杰. 全断面岩石隧道掘进机系统原理与集成设计[M]. 武汉: 华中科技大学出版社, 2010.
2 王梦恕, 李典璜, 张镜剑, 等. 岩石隧道掘进机(TBM)施工及工程实例[M]. 北京: 中国铁道出版社, 2004.
3 荆留杰, 张娜, 杨晨 TBM及其施工技术在中国的发展与趋势[J]. 隧道建设, 2016, 36 (3): 331- 337
JING Liu-jie, ZHANG Na, YANG Chen Development of TBM and its construction technologies in China[J]. Tunnel Construction, 2016, 36 (3): 331- 337
doi: 10.3973/j.issn.1672-741X.2016.03.014
4 卢瑾, 高捷, 梅稚平 岩石力学参数对TBM掘进速率影响的分析[J]. 水电能源科学, 2010, 28 (7): 44- 46
LU Jin, GAO Jie, MEI Zhi-ping Influence analysis of rock mechanical parameters on TBM penetrating rate[J]. Water Resources and Power, 2010, 28 (7): 44- 46
doi: 10.3969/j.issn.1000-7709.2010.07.013
5 马洪素, 纪洪广 节理倾向对TBM滚刀破岩模式及掘进速率影响的试验研究[J]. 岩石力学与工程学报, 2011, 30 (1): 155- 163
MA Hong-su, JI Hong-guang Experimental study of the effect of joint orientation on fragmentation modes and penetration rate under TBM disc cutters[J]. Chinese Journal of Rock Mechanics and Engineering, 2011, 30 (1): 155- 163
6 尚彦军, 杨志法, 曾庆利, 等 TBM施工遇险工程地质问题分析和失误的反思[J]. 岩石力学与工程学报, 2007, 26 (12): 2404- 2411
SHANG Yan-jun, YANG Zhi-fa, ZENG Qing-li, et al Retrospective analysis of TBM accidents from its poor flexibility to complicated geological conditions[J]. Chinese Journal of Rock Mechanics and Engineering, 2007, 26 (12): 2404- 2411
doi: 10.3321/j.issn:1000-6915.2007.12.004
7 刘汉东, 姜彤, 黄志全, 等. 岩体力学参数优选理论及应用[M]. 郑州: 黄河水利出版社, 2006.
8 KAUS A, BOENING W BEAM-geoelectrical ahead monitoring for TBM-drives[J]. Geomechanics and Tunneling, 2008, 1 (5): 442- 450
doi: 10.1002/geot.v1:5
9 BORM G, GIESE R, OTTO P, et al. Integrated seismic imaging system for geological prediction during tunnel construction [C] // Proceedings of 10th ISRM Congress. [S. l.]: ISRM, 2003: 137-142.
10 JETSCHNY S, BOHLEN T, KURZMANN A Seismic prediction of geological structures ahead of the tunnel using tunnel surface waves[J]. Geophysical Prospecting, 2011, 59 (5): 934- 946
11 KNEIB G, KASSEL A, LORENZ K Automatic seismic prediction ahead of the tunnel boring machine[J]. First Break, 2000, 18 (7): 295- 302
doi: 10.1046/j.1365-2397.2000.00079.x
12 PETRONIO L, POLETTO F, SCHLEIFER A Interface prediction ahead of the excavation front by the tunnel-seismic-while-drilling (TSWD) method[J]. Geophysics, 2007, 72 (4): G39- G44
doi: 10.1190/1.2740712
13 POLETTO F, CORUBOLO P, COMELLI P Drill-bit seismic interferometry with and without pilot signals[J]. Geophysical Prospecting, 2010, 58 (2): 257- 265
doi: 10.1111/gpr.2010.58.issue-2
14 YUE Z Q, LEE C F, LAW K T, et al Use of HKU drilling process monitor in soil nailing in slope stabilization[J]. Chinese Journal of Rock Mechanics and Engineering, 2002, 21 (11): 1685- 1690
15 SUGAWAWA J, YUE Z Q, THAM L G, et al Weathered rock characterization using drilling parameters[J]. Canadian Geotechnical Journal, 2003, 40 (3): 661- 668
doi: 10.1139/t03-007
16 KAHRAMAN S Correlation of TBM and drilling machine performances with rock brittleness[J]. Engineering Geology, 2002, 65 (4): 269- 283
doi: 10.1016/S0013-7952(01)00137-5
[1] 毛奕喆,龚国芳,周星海,王飞. 基于马尔可夫过程和深度神经网络的TBM围岩识别[J]. 浙江大学学报(工学版), 2021, 55(3): 448-454.
[2] 王飞,龚国芳,段理文,秦永峰. 基于XGBoost的隧道掘进机操作参数智能决策系统设计[J]. 浙江大学学报(工学版), 2020, 54(4): 633-641.
[3] 陈玉羲,龚国芳,石卓,杨华勇. 基于施工数据的TBM支撑推进协调控制系统[J]. 浙江大学学报(工学版), 2019, 53(2): 250-257.
[4] 田彦朝,贺飞,张啸. 敞开式TBM护盾半径适应性设计[J]. 浙江大学学报(工学版), 2019, 53(12): 2280-2288.
[5] 刘建琴, 邢振华, 宾怀成, 郭伟. 复合岩层地质下硬岩隧道掘进机滚刀布局方法[J]. 浙江大学学报(工学版), 2019, 53(1): 166-173.
[6] 林赉贶, 夏毅敏, 贾连辉, 贺飞, 杨妹, 杨凯. 安装参数与掘进参数对滚刀破岩阻力的影响[J]. 浙江大学学报(工学版), 2018, 52(6): 1209-1215.
[7] 王超, 龚国芳, 杨华勇, 周建军, 段理文, 张亚坤. NSVR硬岩隧道掘进机刀盘扭矩预测分析[J]. 浙江大学学报(工学版), 2018, 52(3): 479-486.
[8] 夏毅敏, 钱聪, 李正光, 梅勇兵. 隧道掘进机支撑推进系统振动特性[J]. 浙江大学学报(工学版), 2018, 52(2): 233-239.
[9] 刘统, 龚国芳, 彭左, 吴伟强, 彭雄斌. 基于液压变压器的TBM刀盘混合驱动系统[J]. 浙江大学学报(工学版), 2016, 50(3): 419-427.
[10] 张润峰, 梁荣柱,张献民,薛新华. 下穿既有建筑期间盾构施工参数分析[J]. 浙江大学学报(工学版), 2016, 50(3): 545-550.
[11] 刘统, 龚国芳, 彭左, 吴伟强, 彭雄斌. 基于液压变压器的TBM刀盘混合驱动系统[J]. 浙江大学学报(工学版), 2016, 50(2): 0-.
[12] 李忠超, 陈仁朋, 孟凡衍, 叶俊能. 软黏土中盾构掘进地层变形与掘进参数关系[J]. 浙江大学学报(工学版), 2015, 49(7): 1268-1275.
[13] 李忠超, 陈仁朋, 孟凡衍, 叶俊能. 软黏土中盾构掘进地层变形与掘进参数关系[J]. 浙江大学学报(工学版), 2015, 49(4): 2-3.
[14] 张振, 龚国芳, 吴伟强, 刘统, 饶云意, 周建军. 硬岩隧道掘进机推进系统姿态自适应控制[J]. 浙江大学学报(工学版), 2015, 49(10): 1870-1877.