大直径泥水盾构掘进参数智能预测

doi:10.11988/ckyyb.20231316

长江科学院院报 ›› 2025, Vol. 42 ›› Issue (3): 148-155.DOI: 10.11988/ckyyb.20231316

大直径泥水盾构掘进参数智能预测

李健¹(), 陶博文¹, 蔡琦¹, 姚建强², 王赶²()

¹ 中交隧道工程局有限公司地下空间科学研究院,北京 100102
² 北京交通大学土木建筑工程学院,北京 100044

收稿日期:2023-11-28 修回日期:2024-03-28 出版日期:2025-03-01 发布日期:2025-03-01
通信作者:
王赶(1997-),男,安徽安庆人,博士研究生,主要从事隧道方面的研究。E-mail:21115015@bjtu.edu.cn
作者简介:
李健(1984-),男,湖北荆州人,正高级工程师,博士,主要从事隧道与地下工程设计、施工、科研及智能建造方面的研究。E-mail:278438671@qq.com
基金资助:
中交一公局集团有限公司品牌工程科技研发项目(PPZX-2022-14); 国家自然科学基金高铁联合基金重点支持项目(U1934210)

Intelligent Prediction of Tunneling Parameters for Large Diameter Slurry Shield

LI Jian¹(), TAO Bo-wen¹, CAI Qi¹, YAO Jian-qiang², WANG Gan²()

¹ Research Institute of Underground Space,CCCC Tunnel Engineering Co.,Ltd.,Beijing 100102,China
² School of Civil Engineering, Beijing Jiaotong University, Beijing 100044, China

Received:2023-11-28 Revised:2024-03-28 Published:2025-03-01 Online:2025-03-01

摘要/Abstract

摘要：

依托北京市东六环改造项目中京哈高速—潞苑北大街标段大直径泥水盾构隧道工程,结合地应力提取与掘进断面地层信息编码的地质数据处理方法,建立考虑地质条件的盾构参数智能预测模型,提出包含数据获取、数据预处理、数据分解、智能预测模型构建、模型训练与测试、结果评价与分析的一套智能预测分析方法,并对依托工程的盾构掘进参数进行了预测分析。分析结果表明在考虑地质条件后,盾构推力与刀盘扭矩的预测精度分别提高了38.53%与44.86%,保证了后续盾构掘进的施工安全。

关键词: 盾构隧道, 掘进参数, 智能预测, 地质编码, 盾构推力, 刀盘扭矩

Abstract:

An intelligent prediction model for shield tunneling parameters accounting for geological conditions is presented by employing a geological data processing technique which integrates in-situ stress extraction and tunneling section stratum information coding. The method encompasses data acquisition, preprocessing and decomposition, and model construction, training and testing, as well as result evaluation and analysis. The model is applied to predict the shield parameters for the large-diameter slurry shield tunnel project of the Luyuan North Street section on the Beijing-Harbin Expressway within the Beijing East Sixth Ring Road reconstruction project. Findings reveal that accounting for geological conditions enhances the prediction accuracy of shield thrust and cutter-head torque by 38.53% and 44.86%, respectively. This improvement secures the construction safety of subsequent shield tunneling operations. The research outcomes can serve as a reference for future similar projects.

Key words: shield tunnel, boring parameters, intelligent prediction, geological code, shield thrust, cutter head torque

中图分类号:

U455

李健, 陶博文, 蔡琦, 姚建强, 王赶. 大直径泥水盾构掘进参数智能预测[J]. 长江科学院院报, 2025, 42(3): 148-155.

LI Jian, TAO Bo-wen, CAI Qi, YAO Jian-qiang, WANG Gan. Intelligent Prediction of Tunneling Parameters for Large Diameter Slurry Shield[J]. Journal of Changjiang River Scientific Research Institute, 2025, 42(3): 148-155.

图/表 12

图1 地质剖面

Fig.1 Geological profile

图2 箱线图法识别异常值

Fig.2 Identification of abnormal values by box and line diagram

表1 盾构机采集数据部分参数

Table 1 Parameters of shield machine data acquisition

参数名称	单位	符号	参数名称	单位	符号
NO_iA液压力	MPa	PA_i	送泥流量	m³/min	F_in
NO_iB液压力	MPa	PB_i	送泥密度	g/cc	D_in
NO_iA液累计	L	CVA_i	排泥流量	m³/min	F_out
NO_iB液累计	L	CVB_i	排泥密度	m³/min	D_out

图3 降噪前后部分参数数据

Fig.3 Data before and after denoising

图4 地质信息编码方式

Fig.4 Geological information encoding method

表2 盾构机数据参数

Table 2 Data parameters of shield machine

参数名称	单位	符号	参数名称	单位	符号
刀盘转速	rpm	N	切口水圧	bar	P
刀盘扭矩	kN·m	T	气仓压力	bar	C
推进速度	mm/min	V	仓内泥水增加量	g/min	R
盾构推力	kN	F

图5 Bi-LSTM结构示意图

Fig.5 Bi-LSTM structure

图6 被动响应参数预测

Fig.6 Passive response parameter prediction

图7 模型训练流程

Fig.7 Model training process

图8 预测精度对比

Fig.8 Comparison of prediction accuracy

图9 未考虑和考虑地质条件的盾构推力预测效果

Fig.9 Prediction results of shield thrust with and without considering geological conditions

图10 未考虑和考虑地质条件的刀盘扭矩预测效果

Fig.10 Prediction results of cutterhead torque with and without considering geological conditions

编辑推荐 0

Metrics

阅读次数

全文

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	7	1	0	25

来源	本网站	其他网站

次数	14	19
比例	42%	58%

摘要

最新录用	在线预览	正式出版

2	0	13

来源	本网站	其他网站

次数	4	12
比例	25%	75%

[1]	穆亦龙, 周小文, 刘怀宇. 新建盾构隧道近距离上跨既有隧道的变形控制技术[J]. 长江科学院院报, 2025, 42(2): 122-128.
[2]	黄远远, 彭潜, 徐兵. 一种考虑遮挡物的地铁隧道表面裂缝识别方法[J]. 长江科学院院报, 2023, 40(5): 145-152.
[3]	肖浩汉, 陈祖煜, 徐国鑫, 蒋宗全, 苏岩, 曹瑞琅, 刘诗洋. 基于GRU算法的盾构掘进参数预测——以成都地铁19号线为例[J]. 长江科学院院报, 2023, 40(1): 123-131.
[4]	姚二雷, 刘志芳, 苗雨. 岩-土交界面处超大直径过江盾构隧道地震响应特征[J]. 长江科学院院报, 2022, 39(6): 90-94.
[5]	陈军浩, 陈笔尖, 庄言, 王乐潇. 超长联络通道冻结温度场发展规律及其对隧道变形的影响[J]. 长江科学院院报, 2021, 38(8): 104-111.
[6]	杨潇, 姚春桥, 李明宇. 考虑地层损失的盾构隧道土体变形修正解析解[J]. 长江科学院院报, 2021, 38(1): 103-107.
[7]	李健斌, 陈健. 考虑参数空间变异性的盾构隧道施工地层变形综合可靠度分析[J]. 长江科学院院报, 2020, 37(6): 127-133.
[8]	王建宁,窦远明,魏明,朱旭曦,段志慧,田贵州. 土-隧道结构动力相互作用振动台模型试验中传感器位置的优选[J]. 长江科学院院报, 2019, 36(2): 144-150.
[9]	付亚雄, 郑宏. 黏土盾构隧道开挖面被动破坏研究[J]. 长江科学院院报, 2018, 35(7): 117-123.
[10]	蔡佳愿,周传波,吴超. 双线平行地铁隧道盾构同向推进纵向安全间距研究[J]. 长江科学院院报, 2016, 33(12): 105-108.
[11]	李青松, 石豫川, 周春宏. 多元回归方法在西南某水电站TBM施工隧洞围岩质量预测中的应用[J]. 长江科学院院报, 2012, 29(2): 41-45.
[12]	马险峰, 何蔺荞, 王俊淞. 软土地区新建盾构隧道下穿越既有隧道的离心模拟研究[J]. 长江科学院院报, 2012, 29(1): 74-78.
[13]	何英杰, 袁江. 影响盾构隧道衬砌接头刚度的因素[J]. 长江科学院院报, 2001, 18(1): 20-22.
[14]	付冰清, 何述东. 豆芽棚滑坡预测多专家组合神经网络系统[J]. 长江科学院院报, 1998, 15(3): 54-56.
[15]	王树清, 唐丽芳, 黄良锐. 盾构隧道接缝防水设计探讨[J]. 长江科学院院报, 1998, 15(1): 10-13.

大直径泥水盾构掘进参数智能预测

Intelligent Prediction of Tunneling Parameters for Large Diameter Slurry Shield

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

相关文章 15

编辑推荐 0

Metrics

本文评价