硬岩地层盾构正面滚刀磨损规律与预测模型

针对盾构机在全断面硬岩地层中掘进遇到的刀具磨损严重的难题，结合青岛地铁6号线朝阳路站—峨眉山路站盾构隧道工程实例，采用多元回归分析的方法分析滚刀安装半径、地层参数、掘进距离与正面滚刀磨损量之间的关系。考虑盾构总推力、刀盘转速、刀盘扭矩、掘进速度、安装半径、岩石单轴抗压强度和磨蚀性指数等多重变量，构建正面滚刀磨损预测模型，分析不同轨迹正面滚刀的磨损特征，得出以下结论：(1)在800 m的掘进距离内，平均每个刀位换刀3.18次，随着滚刀安装半径增加，单把滚刀的累计换刀次数逐渐增加、平均掘进长度逐渐降低，其累计磨损量呈幂指数增加；(2)正面滚刀平均每延米磨损量随岩石强度增加呈幂指数增长、随磨蚀性指数增加呈指数增长，且拟合相关系数较高，表明以上参数对滚刀磨损有着关键作用；(3)构建的滚刀磨损量计算模型考虑了掘进参数、刀具安装半径、岩石强度和磨蚀性指数等因素，可对硬岩地层盾构正面滚刀磨损规律进行预测，此外，验证了滚刀磨损预测模型的准确性，预测值与实测值误差不超过13%。     

EPB/TBM双模盾构穿越既有敏感建筑物桩基的影响研究

隧道施工会引起地层偏移，从而对临近构建筑物产生不利影响。以福州滨海快线首占站-莲花山站区间岱岭隧道为研究对象，利用有限元软件建立三维数值模型，分析了临近既有建筑物的EPB/TBM双模盾构施工对桩基的影响；进一步系统探讨了桩基刚度、隧道埋深、双隧道掘进次序的影响规律。研究表明：桩基刚度越大，隧道开挖引起的邻近桩基弯矩响应就越大；邻近桩基的弯矩响应随着隧道纵轴所处的深度的增加而减小；双隧道不同开挖次序对邻近建筑物桩基影响可忽略。     

基于人工神经网络的大直径盾构隧道施工地层变形预测分析

为了预测盾构施工引起的地表沉降规律,以京张高铁清华园大直径泥水盾构隧道工程为背景,结合盾构试验段隧道掘进过程中地层变形的监测数据,建立基于时间序列的NARNN(不含外部输入)和NARXNN(含外部输入)非线性自回归神经网络预测模型,对重要监测断面测点的隧道掘进过程中地表沉降发展趋势进行预测分析,并与传统时间序列ARMA模型预测结果进行对比,发现NARNN模型、NARXN模型、NARMA模型的预测结果与现场监测数据都比较吻合,而NARNN和NARXN非线性自回归神经网络预测模型精度明显高于传统时间序列ARMA模型,而考虑外部输入的NARXNN模型又比不考虑外部输入的NARNN精度高。因此,在考虑施工方法、地质条件和空间效应(埋深)等外部因素条件下建立的NARXNN模型具有良好的预测效果,能够较好地模拟盾构施工引起的地表沉降规律。     

长距离硬岩地层的盾构隧道施工技术

深圳地铁3号线3102标段翠竹站-田贝站隧道左线所处地层以硬岩为主,区间以盾构法施工为主,矿山法施工为辅。在总结翠田左线施工经验的同时对盾构长距离穿越硬岩地层的施工方法和经验进行介绍,通过合理的配置刀盘刀具,以适宜的掘进模式选择合理的掘进参数及同步注浆参数,同时加强对刀具的管理,可以很好地解决盾构在长距离硬岩段遇到的技术难题。     

基于土压平衡模式的盾构穿越密集建筑群变形控制技术研究

沈阳地铁4号线劳动路站—望花屯站区间隧道采用盾构法施工,隧道在曲线段穿越密集建筑物群,且建筑物变形控制标准高,隧道穿越地层为富水黏土地层。根据试验段的土压平衡和泥水平衡两种模式掘进效果对比,提出采用土压平衡模式穿越建筑物。详细探讨了穿越过程的盾构掘进参数、土仓压力设定、B型管片注浆孔设置以及曲线段测量控制技术,研制了适合地层特点和盾构结构特点的同步注浆浆液及刀盘开挖轮廓与盾体外缘之间的间隙填充浆液。建筑物变形监测结果表明:隆起及沉降变形均在允许范围内,极大提高了盾构掘进工效。     

复合地层盾构掘进参数相关性分析及掘进速度预测

掘进速度预测对于提高复合地层盾构掘进施工效率具有重要作用。本文依托南京轨道交通工程复合地层区段现场盾构掘进数据,在盾构区间地层分区的基础上对主要掘进参数进行研究,分析各掘进参数与掘进速度之间的相关性。结果表明:地层越硬,刀盘转速、扭矩、推力均越大,土仓压力越小,软硬不均复合地层刀盘扭矩明显偏大;在复合地层中仍存在掘进速度与贯入度、螺旋输送机转速成正比关系,但掘进速度越大,刀盘扭矩和推力不一定越大。在复合地层中引入硬岩复合比作为回归参数,采用多元线性回归建立掘进速度预测模型,将相同区段预测掘进速度与实际掘进速度进行对比,以验证模型的的准确性和可信度。本文分析方法可为复合地层掘进施工提供指导。     

基于机器学习的盾构掘进参数预测

依托济南市济泺路穿黄隧道东线工程,选取1 130组掘进数据,按照施工顺序划分数据集,采用粗细程度、软硬程度、密实程度和渗透能力4个维度描述土体的物理力学状态,分别建立基于长短期记忆模型(Long-Short Term Memory, LSTM)、随机森林模型(Random Forest)和BP神经网络的盾构隧道掘进参数预测模型,详细对比分析3种模型对总推力和掘进速度的预测效果。研究表明：(1)LSTM模型在按施工顺序预测盾构总推力和掘进速度时,平均相对误差仅为3.72%和7.41%,模型训练时间均在20 s以内,整体表现优于随机森林模型和BP神经网络;(2)在地形发生剧烈变化以及盾构掘进线路在直线与平曲线过渡时,总推力和掘进速度出现较大波动,LSTM模型预测结果相对误差偏大的组数仅占4%与10.2%,且总体误差满足施工要求;(3)随机森林模型预测结果的相对误差在总推力和掘进速度剧烈波动的环段处偏大,数量偏多,因此在按施工顺序预测时不是优选。     

复合地层盾构机推进速度SVM预测模型研究

在复合地层盾构法隧道施工中,如何提高盾构机推进速度一直是盾构机设计、施工人员研究的重点。以长沙轨道交通1号线五一广场到营盘路隧道工程为研究背景,现场采集盾构机掘进参数,应用SVM,建立了"五营"区间复合地层盾构机推进速度的预测数学模型,并对模型进行检测,检测结果表明该预测模型对推进速度预测的平均相对误差≤7%,验证了该模型对推进速度预测的有效性。     

全断面硬岩及地层转换时地铁盾构隧道掘进参数分析与优化控制

针对某地铁区间地层为全断面硬岩、软硬混合地层及残积土层复合地层条件下盾构施工遇到的技术难题,通过盾构掘进参数分析,得到了硬岩段及地层转换时施工参数的变化规律。通过采取刀具优化配置、合理安排刀具更换时机、掘进模式选择、掘进参数合理匹配、同步注入泡沫及跟踪二次注浆等措施,实现了在硬岩段间杂软弱岩的地层中及软硬岩地质界面处盾构快速、安全掘进施工,拓宽了盾构的应用领域。     

基于机器学习的地铁盾构掘进参数智能预测与控制方法研究

盾构掘进的精细化和智能化控制是现代隧道施工技术的发展趋势，为更好地预测和控制盾构掘进状态，提出一种预测和控制盾构掘进参数的智能模型。该模型考虑了多个影响盾构掘进参数的非线性因素，建立了6种基于机器学习与海鸥算法相结合的混合算法(SOA-ML)盾构掘进参数智能预测模型，并提出基于层次分析法的最佳预测模型判别方法；进一步利用最佳预测模型提出了基于PSO算法的掘进参数控制方法。以金华至义乌至东阳市域轨道交通工程为例，验证了模型的有效性。运用结果表明：SOA算法可有效地对机器学习算法的超参数调优，且SOA种群数量越大，搜索的范围越广，最佳适应度收敛性越快；6种算法模型均具有较好的预测性能，根据层次分析法对预测模型进行性能排序为BP>ELM>CNN>RF>SVM>LSTM;基于BP-PSO的盾构掘进参数预测和控制过程具有消耗时间小、预测与优化性好的特点。     

苏州地铁盾构工程地面隆沉控制分析

结合苏州市轨道交通一号线临顿路～仓街站区间盾构工程实例,探明苏州粉质黏土及粉砂地层盾构正常掘进引起的隆起和沉降变形特征;研究盾构隧道管片壁后注浆材料、注浆参数、二次补浆、各项掘进参数对地表隆起和沉降变形的影响;探究在苏州粉质黏土及粉砂地层条件下较小的隆起和沉降槽范围。     

施工参数对盾构穿越软土地层变形控制的影响分析

以盾构穿越昆明市轨道交通5号线金海新区站—福保站区间软土地层为背景,通过建立三维数值计算模型,研究施工参数对盾构穿越软土地层变形控制的影响。研究结果表明:双线盾构隧道施工,在相同施工工艺情况下,地层变形不完全对称;先掘进隧道由于开挖卸载作用,对地层原始应力产生影响,最终会产生略大于后掘进隧道的变形;盾构在软土地层中掘进,土仓压力宜略大于土体掌子面压力,即采用盈压模式掘进;盾构施工过程中,宜采用早凝浆液,同时宜使用稠浆,避免后期浆液凝固失水收缩产生地层损失,或采取其他措施达到及时填充盾尾空隙且无后期收缩作用的效果。     

基于复合地层表征参数的盾构隧道地面沉降预测分析

隧道盾构掘进过程中,复合地层围岩的特殊性质通常难以明确地量化表征,却对地面沉降影响甚大。针对这一问题,引入地层复合指数作为描述复合地层特征复杂程度的表征参数。依托某工程隧道地层组段的多项物理力学参数的数据特征,提出将复合地层变形模量的加权变异系数设置为地层复合指数;应用有限层法理论,分析复合地层中盾构掘进的有效推力、水平位移以及地面沉降的理论计算值与复合指数的关联性;同时,结合盾构掘进贯入度,通过数据拟合得到地层复合指数、贯入度、地面最大沉降值三者之间的关系式。工程实例验证表明,地层复合指数可以有效预测复合地层的盾构隧道地面沉降。     

融合人工智能算法的铁路路基沉降预测方法

首先利用三阶多项式拟合、GM(1,1)和BP神经网络等算法构建了铁路路基沉降单预测模型；然后基于误差法和熵值法，以合肥地铁4号线盾构隧道下穿既有铁路的监测数据为基础，融合三阶多项式拟合、GM(1,1)和BP神经网络构建了组合预测模型，实现铁路路基沉降的分阶段预测；最后，利用平均绝对误差、均方误差和平均绝对百分比误差评价模型精度。结果表明：基于误差法和熵值法的组合预测模型能显著提高预测精度，预测相对误差均小于±5%，预测均方根误差均小于±0.1 mm，验证了提出的组合预测模型的有效性。     

南京地铁3号线新庄站—鸡鸣寺站区间复合地层内盾构掘进控制技术

南京地铁3号线新庄站—鸡鸣寺站区间盾构沿线穿越复合地层时极易引发盾构过度磨损和掘进功效低下等不良后果。从盾构选型设计、盾构掘进关键参数控制和辅助控制措施等多方面开展研究,总结了满足该区间施工要求的掘进综合控制措施。研究结果表明,选用复合式盾构且根据掘进断面地层特性动态调整掘进模式和施工参数、优化浆液和改良剂配方的综合控制技术可以保障盾构安全穿越复合地层。     

高黏度泥岩中盾构掘进 综合技术研究

武汉地铁6号线十标琴台站～武胜路站区间是联系汉阳和汉口两个主城区的关键纽带,并下穿汉江。该区间盾构下穿汉江段具有地层复杂的特点,其开挖断面有强风化、中风化、微风化泥岩,泥岩矿物中黏土矿物含量高,这导致了在盾构掘进过程中刀盘易结泥饼,且由于微风化泥岩存在,进一步加剧了已结泥饼的刀盘的磨损,严重影响盾构掘进。本文以此为依托背景,针对在高粘度泥岩土层中掘进时遇到的掘进参数恶化、刀盘过载跳停、仓压波动大等问题,采取了泥岩的X衍射实验报告分析和电子显微镜分析其组成成分等一系列手段,并结合整个施工过程系统地分析了这些问题产生的原因;之后在实验基础上提出了一套关于泥水平衡盾构施工的物理方法+化学方法的高效组合方法,比如增加刀盘面部冲刷和优化泥浆的流变特性等。实践证明,这些措施有效的提高了掘进速度并节约了很多费用,这对类似盾构施工工程提供了一定的参考价值。     

基于机器学习的地铁盾构隧道长期沉降预测

采用机器学习方法,建立一个基于先期区域地质信息及隧道沉降学习资料的盾构隧道长期沉降预测模型, 并以南京地铁 2 号线盾构隧道为例进行算例分析。结果表明：该沉降预测模型能够筛选主要影响因素,并且能够 寻找最佳监督学习算法和最优参数;在不同监督学习算法中,核支持向量机算法与人工神经网络算法都能使模型 达到较高的精度,然而对其参数的依赖性很高,需要细致的调参才能提高预测精度;以人工神经网络算法作为监 督学习算法,经调参后,沉降预测模型的最终预测准确度可达 0.86,10 倍交叉验证平均准确度为 0.82。     

地铁盾构隧道穿越瓦斯地层的施工技术

介绍了武汉轨道交通2号线一期工程汉口站至范湖站区间盾构隧道成功穿越低瓦斯地层的地质及施工情况.就目前的技术水平和存在的不足,提出了瓦斯地层勘察的基本要求.分析了瓦斯地层修建隧道的风险因素和风险源.针对性地提出了瓦斯地层隧道的电气设备防爆改造、监控监测系统、隧道通风系统、盾构掘进参数、施工工艺、人员培训等方面的技术措施、方案和技术参数.     

基于MIV-BP模型和AIC准则的盾构掘进参数优化研究

为解决水下隧道和隧洞工程盾构施工关键掘进参数在复合地层中难以控制的问题,以广东陆丰核电站1、2号机组排水隧洞工程盾构施工为背景,将平均影响值(Mean Impact Value,MIV)算法引入BP神经网络模型,筛选出对施工效果影响显著的关键掘进参数,在此基础上,基于AIC准则对其进行最优分布拟合,提出以50%和90%置信水平下的置信区间,分别作为掘进参数的控制区间和预警区间的掘进参数优化设计方案,并基于Python脚本语言自带的开源Scikit-Learn、SciPy模块库开发了相应的程序。分析结果表明,刀盘扭矩、总推力等参数对隧洞拱顶沉降起重要的控制作用,所开发程序具有良好的统计分析、快速指导施工的功能,可以为同类型盾构在相似复合地层下掘进参数的选取、优化和隧洞拱顶沉降量的控制提供参考。     

基于应力释放的大直径盾构隧道地表沉降分析

在城市环境及复杂地质条件下修建盾构隧道极易出现地面沉降塌陷,盾构隧道开挖引起的地表沉降分析与控制尤为重要。为了探究大直径盾构隧道地表沉降规律,以京张高铁清华园大直径盾构隧道为工程背景,基于应力释放及地层损失理论,首先运用有限差分软件建立二维模型,得到盾构掘进开挖的应力释放率;然后基于此建立三维数值模型,通过Peck公式反算得到清华园隧道盾构掘进引起的地层损失率,通过4种不同工况的模拟,对比分析不同掌子面释放系数、盾构机反力释放系数及脱空层模量缩放系数情况下的盾构隧道地表沉降规律,得到盾构施工现场导致的地层应力释放系数为0.12～0.14,相应的地层损失率为0.40%～0.47%;隧道轴线两侧20 m(1.6D)范围内为显著影响区,地表沉降主要发生在盾构通过这个阶段,约占总沉降量的50%。