为解决敞开式TBM穿越硬岩破碎带时卡机风险超前判识及预处理技术难题,依托某TBM隧道工程开展系统性研究。通过累计16 km TBM掘进参数及护盾监测数据统计分析,揭示硬岩破碎带TBM卡机事故的力学机制及其典型参数响应特征。基于参数特征分...为解决敞开式TBM穿越硬岩破碎带时卡机风险超前判识及预处理技术难题,依托某TBM隧道工程开展系统性研究。通过累计16 km TBM掘进参数及护盾监测数据统计分析,揭示硬岩破碎带TBM卡机事故的力学机制及其典型参数响应特征。基于参数特征分析,遴选出TBM最大总推力、刀盘最大转矩、护盾最大压力及护盾最大位移变化量作为卡机风险评价关键指标,并采用机器学习算法构建卡机风险预测模型。在此基础上,提出基于多参数权重分析的卡机类型判别方法,实现不同类型卡机事故的准确识别,为现场采取针对性处理措施提供依据。采用离散元数值模拟方法分析不同支护措施对降低卡机风险的作用效果,结合工程实践验证,提出针对不同卡机类型的优化处理方案。研究结果表明:1)当存在卡机风险时,TBM总推力和转矩会持续维持在较高水平;护盾产生较大向内位移,或主司机主动顶升产生较大向外位移;同时护盾压力急剧上升并保持高位稳定。2)所构建的神经网络预测模型准确率为80.8%,随机森林预测模型准确率达到84.6%。3)采用密集型钢拱架支护方案可使围岩压力最大降低约10%,而实施超前支护措施可使围岩压力降幅超过50%。4)当预测可能卡护盾时,需启动刀盘和皮带机脱困模式,同时加强拱架支护;当可能出现护盾刀盘双卡时,必须采用超前支护,同时加强出护盾后的支护结构。展开更多
文摘为解决敞开式TBM穿越硬岩破碎带时卡机风险超前判识及预处理技术难题,依托某TBM隧道工程开展系统性研究。通过累计16 km TBM掘进参数及护盾监测数据统计分析,揭示硬岩破碎带TBM卡机事故的力学机制及其典型参数响应特征。基于参数特征分析,遴选出TBM最大总推力、刀盘最大转矩、护盾最大压力及护盾最大位移变化量作为卡机风险评价关键指标,并采用机器学习算法构建卡机风险预测模型。在此基础上,提出基于多参数权重分析的卡机类型判别方法,实现不同类型卡机事故的准确识别,为现场采取针对性处理措施提供依据。采用离散元数值模拟方法分析不同支护措施对降低卡机风险的作用效果,结合工程实践验证,提出针对不同卡机类型的优化处理方案。研究结果表明:1)当存在卡机风险时,TBM总推力和转矩会持续维持在较高水平;护盾产生较大向内位移,或主司机主动顶升产生较大向外位移;同时护盾压力急剧上升并保持高位稳定。2)所构建的神经网络预测模型准确率为80.8%,随机森林预测模型准确率达到84.6%。3)采用密集型钢拱架支护方案可使围岩压力最大降低约10%,而实施超前支护措施可使围岩压力降幅超过50%。4)当预测可能卡护盾时,需启动刀盘和皮带机脱困模式,同时加强拱架支护;当可能出现护盾刀盘双卡时,必须采用超前支护,同时加强出护盾后的支护结构。
