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
2020-04-21段志伟杜立杰吕海明王家海刘海东富勇明
隧道建设(中英文) 2020年3期
段志伟, 杜立杰, *, 吕海明, 王家海, 刘海东, 富勇明
(1. 石家庄铁道大学, 河北 石家庄 050043; 2. 中铁十九局集团第一工程有限公司, 辽宁 辽阳 111000)
0 引言
随着我国公路、铁路、水利工程建设的蓬勃发展,越来越多的TBM投入到隧道工程建设中,成为很多长隧道施工的首选方案,甚至很多包含非常复杂不良地质的隧道也采用TBM与钻爆法协同施工。在TBM掘进过程中,由于刀盘刀具贴合掌子面掘进以及护盾结构本身的限制,TBM主操作手无法直接看到前方地质条件,不能及时判断施工风险和合理调整掘进参数。因此,探索适合TBM施工的围岩可掘性分级方法,建立可掘性等级,并实时识别预警,对TBM安全高效掘进至关重要,这也是未来TBM智能化掘进的重要基础。
目前,业界还缺少公认的适合TBM施工的围岩等级分类理论方法和规范,文献[1-4]采用一系列围岩力学参数对TBM围岩可掘性等级进行分类,但未结合TBM掘进性能。文献[5]基于围岩力学参数及TBM掘进参数,通过求和的方法对围岩等级进行综合分类,但其主要适用于双护盾TBM,且需要7个指标来对围岩可掘性等级进行分类,实际应用时较为繁琐。实际上,TBM掘进过程中围岩可掘性分级考虑的因素很多,围岩力学性能只是一方面,不良地质支护对掘进延误程度、安全风险等都是限制TBM施工围岩可掘性分级的重要因素。因此,应建立基于现场TBM掘进性能与施工风险的围岩可掘性分级方法。
上述研究在TBM施工围岩可掘性分级方面已取得一些成果,但尚不能满足实际工程应用要求。……
登录APP查看全文
