基于隧道掘进机掘进过程的岩体状态感知方法

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.     

基于BP神经网络的公路隧道视频火焰识别

为提高基于视频图像的公路隧道火灾火焰识别率,在对火焰动态特征研究成果之上,利用BP神经网络融合火焰静态特征,对公路隧道视频火焰进行综合识别.火焰动态特征选取作者研究的火焰边缘运动量(AMFE)和火焰区域跳动特征,火焰静态特征选取前人研究的尖角数目、火焰颜色特征和圆形度.将此5种火焰特征作为BP神经网络的输入,达到融合火焰多特征信息并实现火焰综合识别的目的.实验结果表明,火焰识别率稳定在86.2%~96.5%之间,验证了该方法的可靠性.     

基于贝叶斯神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度.该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布.在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果.     

基于概率神经网络的地下工程围岩稳定性预测

随着开采深度的增加,影响卷道围岩稳定性的因素更多,更复杂,并且更具有随机性.为了对深井巷道围岩稳定性进行有效的分类,考虑影响围岩稳定性因素的随机性,建立了围岩稳定性判定的概率神经网络模型(PNN),并利用MATLAB实现其识别过程.根据样本数据对所建模型进行训练后,将其运用于实际工程中的深井巷道围岩进行稳定性判定.研究表明:利用概率神经网络模型可对地下工程深井巷道围岩稳定性进行分析,概率神经网络模型为地下工程围岩稳定性分类提供了一种方法.     

基于XGBoost的隧道掘进机操作参数智能决策系统设计

为了实现隧道施工的同质化,提出基于极端梯度提升算法（XGBoost）预测模型的隧道掘进机（TBM）操作参数的智能决策方法. 定义场操作系数指数（FOI）作为替代传统场切深指数（FPI）的围岩级别特征参数,使用XGBoost算法建立预测模型以实现对FOI的预测,对围岩级别进行预测、判断. 通过对优秀司机在特定FOI下TBM操作参数的选择,建立专家模型实现FOI与特定TBM操作参数的关联,实现TBM操作参数的智能决策. 使用引松工程的现场数据进行对比实验,结果表明,设计的TBM操作参数的智能决策系统能够实现对优秀的TBM司机操作参数决策的复现,相比于以FPI为特征参数的传统智能决策系统,新系统的推进速度和刀盘转速两部分的平均相对误差分别下降8.84 %和7.97 %.     

NSVR硬岩隧道掘进机刀盘扭矩预测分析

为了避免硬岩隧道掘进机（TBM）刀盘受困,提出TBM刀盘扭矩的非线性支持向量回归（NSVR）预测模型来指导TBM掘进施工.结合吉林引松供水工程现场掘进大量数据,研究TBM刀盘扭矩与掘进参数间的相关关系,得到刀盘扭矩与围岩类别、刀盘转速和推进速度具有明显相关关系：随着围岩强度由强到弱,推进速度对刀盘扭矩的影响逐渐变弱,刀盘转速对刀盘扭矩的影响逐渐变强.基于这种相关关系,建立刀盘扭矩NSVR预测模型,并将该模型应用于吉林引松隧道工程,对按1：1划分的19 854个训练样本和19 854个测试样本的刀盘扭矩进行预测.预测结果表明：训练样本集和测试样本集的平均相对预测误差分别为11.3%和12.9%,测试样本集中相对预测误差高于60%的有516个测试样本,占测试样本集总数的2.6%.各项数据表明,在给定刀盘转速、推进速度和围岩类别条件下,建立的刀盘扭矩NSVR预测模型具有较高的预测精度.     

融合局部特征与深度学习的三维掌纹识别

为了探索三维掌纹在生物特征识别领域的应用,基于局部纹理特征和深度学习,提出一种有效的三维掌纹识别方法. 通过曲率特征、形状指数、表面类型分别来描述三维掌纹的局部几何特征,将其作为深度神经网络的输入,完成三维掌纹识别任务. 在香港理工大学的三维掌纹数据库上对不同的几何特征、不同的深度神经网络模型进行全面分析与比较. 三维掌纹识别实验结果表明,与其他三维掌纹识别方法相比较,所提方法的识别率更高,识别时间更短,在实时掌纹识别领域具有较大的应用潜力.     

基于盾构掘进参数的BP神经网络地层识别

分析3种典型地层中盾构推进力、推进速度、刀盘扭矩、刀盘转速4个掘进参数的变化规律.应用BP神经网络建立一个以相邻2个采样时刻的盾构推进力、推进速度、刀盘扭矩、刀盘转速共8个掘进参数为输入,地层编码为输出的地层识别模型.通过60组训练样本数据对模型进行训练,训练误差控制在8×10-7以内,并用30组预测样本数据对该模型加以预测检验,预测成功率达到93%左右.结果表明,基于盾构掘进参数的BP神经网络地层识别模型能够实现盾构掘进参数与地层之间的良好非线性映射,可以在盾构掘进施工中利用掘进参数实现对地层的在线识别.     

基于优化BP神经网络的TBM性能预测

由于隧道掘进机(tunnel boring machine,TBM)掘进速度与机器参数、岩体参数之间的非线性关系复杂,难以准确预测,为了构建可靠的TBM性能预测模型,分析TBM掘进速度的主要影响因素,提出应用模拟退火算法(SA)和遗传算法(GA)优化BP神经网络的TBM性能预测模型,并使用吉林引松供水工程的TBM数据库对GA-BP模型和SA-BP模型进行训练测试。结果表明,与传统BP神经网络方法相比,优化后的模型预测泛化性更好,且精度明显提高。优化后的BP神经网络能在一定程度上克服易陷入局部最优的缺陷,应用于TBM性能预测具有良好表现。     

最大互信息用于语音识别

将最大互信息理论用于语音识别,最大互信息估计作为目标函数。在隐马尔可夫模型参数调整过程中运用了泛化概率下降方法,保证了统计意义上实现目标函数的优化。最大互信息估计用于连接数字语音识别,识别率得到了提高。     

基于动态贝叶斯网络的TBM卡机风险预测

为了预测隧道机械施工时隧道掘进机（TBM）卡机风险,基于动态贝叶斯网络（BN）分析卡机概率系统. 通过专家知识以及解释结构模型确定风险因素和风险事件的因果关系,收集国内隧道机械施工地质条件实测数据,根据相关规范、研究成果和云模型云间划分法对风险指标进行区间划分,运用粗糙集分类原理对数据进行离散化,获取风险因素的原始先验概率和风险事件的条件概率. 结合软件GENIE,建立动态BN模型预测卡机风险. 结果表明：在无证据条件下,TBM卡机风险概率为8%;造成TBM卡机的关键风险因素是岩石类型、大量的地下水和断裂破碎带. TBM卡机的关键致因链为岩石类型→掌子面突泥涌沙→卡刀盘→卡机,大量的地下水→掌子面突泥涌沙→卡刀盘→卡机,高地应力→软岩大变形→卡护盾→卡机,围岩坍塌→卡护盾→卡机.     

隧洞掘进机开挖的围岩-支护系统联合承载数值分析

对隧洞掘进机(TBM)开挖过程围岩-支护的联合承载特性进行了数值分析.首先详细分析了在TBM掘进时,围岩和支护的相互作用过程和各种荷载的属性.然后,提出了TBM施工围岩稳定和支护受力的计算方法,主要考虑了施工作用力、开挖荷载和外水压力荷载.提出了确定TBM施工过程中围岩单独承担开挖荷载比例的计算方法.最后结合某大型供水工程,采用上述方法分析了TBM掘进段II—V类围岩稳定和支护受力特性.计算结果既符合一般规律,也提供了定量评估围岩承载能力的方法,能够充分反应不同岩性下围岩-支护系统的联合承载特性,并从数值分析角度论证了衬砌设计的合理性.     

隧道开挖过程中复杂裂隙围岩的固流耦合分析

隧道通过裂隙岩体的含水区段时,人为扰动了裂隙岩体、地下水等构成的复杂地质系统,是造成各种涌水、突水、突泥事故的重要原因。为了研究复杂地质条件下隧道开挖过程中岩体变形、流体运移相互作用过程,探讨其对隧道涌、突水的影响,在上述复杂过程进行理论分析的基础上,根据深埋隧道围岩裂隙发育规模与工程尺度的关系,建立可以同时考虑不同级别裂隙网络的复杂裂隙岩体水力学模型,采用有限元法对复杂裂隙岩体中开挖隧道的固流耦合过程进行了数值模拟,模拟结果体现了主干裂隙在渗流中的强导水作用和网络状裂隙的贮水功能与渗流滞后效应,开挖过程中复杂裂隙岩体渗流场与应力场的耦合作用显著的增加了隧道围岩屈服区。     

岩壁吊车梁硐室围岩力学参数反分析研究

建立漫湾电站二期地下主厂房岩壁吊车梁硐室的三维有限元计算模型,对硐室围岩的力学参数和吊车荷载进行正交组合后,计算出各种组合情况下的围岩位移,对参数敏感性进行分析.把敏感性参数组合时计算出的位移值,作为BP神经网络训练的样本空间对模型进行训练,把监测值输入训练后的模型中反算出围岩力学参数,最后输入参数进行变形验算.即把三维有限元分析方法和神经网络方法联合应用,通过正分析-反分析-正分析的分析方法,计算出围岩的力学参数.对理论分析的结果和实际结果进行比较,证明了所采用的分析方法和分析模型是正确可行的,能为设计人员有效解决实际工程中的力学参数的准确取值问题,提供一种分析方法.     

基于DE-BP模型隧道围岩的动态分级

针对隧道施工期间的围岩分级问题,根据地质超前预报获得围岩分级指标,提出了基于DE-BP模型的隧道围岩分级方法,并结合VTK技术、三维地质建模方法及数据库技术编写隧道围岩分级软件,将此方法应用于板石隧道的围岩分级中,进行围岩等级可视化显示与施工方案的调整.结果表明:DE-BP模型的均方差明显小于BP神经网络,分级精度显著提高;DE-BP模型围岩分级结果与勘查设计等级基本相同,验证了该模型的合理性,更加适用于隧道围岩动态分级.     

CRD法和台阶法施工对地铁隧道围岩变形的影响

以西安地铁三号线太白南路-吉祥村暗挖区间隧道工程为依托,采用台阶法和交叉中隔墙法（CRD法）对隧道施工时的围岩变形进行实时监测,并对数据进行回归处理,应用FLAC3D软件对2种施工方法进行模拟分析,系统研究了2种开挖方法的隧道围岩变形规律。研究结果表明：采用C RD法能够有效控制拱顶沉降及水平收敛量,减小施工对围岩的扰动程度,对于保持软弱围岩的自持能力及稳定性有明显作用;在进行西安地铁隧道施工时,应采用台阶法实现隧道的快速开挖,而对于地层条件复杂或施工要求较高的区段建议选择C RD法进行施工,以便更好地控制围岩变形,保持围岩稳定性。     

城市地铁TBM隧道掘进诱发既有建筑物变形的空间属性效应

针对城市地铁全断面硬岩隧道掘进机(tunnel boring machine,TBM)隧道掘进诱发既有建筑物沉降变形的问题,考虑隧道下穿城市建筑物群实际工况的复杂性,以青岛地铁1号线小北区间段硬岩地层TBM隧道掘进下穿既有建筑物群为实际工程背景,采用数值计算分析方法,建立TBM隧道掘进连续下穿多座既有建筑物的三维力学计...     

Model test to investigate failure mechanism and loading characteristics of shallow-bias tunnels with small clear distance

Based on the similarity theory,a tunnel excavation simulation testing system under typical unsymmetrical loading conditions was established.Using this system,the failure mechanism of surrounding rock of shallow-bias tunnels with small clear distance was analyzed along with the load characteristics.The results show that:1) The failure process of surrounding rock of shallow-bias tunnels with small clear distance consists of structural and stratum deformation induced by tunnel excavation; Microfracture surfaces are formed in the tunnel surrounding rock and extend deep into the rock mass in a larger density; Tensile cracking occurs in shallow position on the deep-buried side,with shear slip in deep rock mass.In the meantime,rapid deformation and slip take place on the shallow-buried side until the surrounding rocks totally collapse.The production and development of micro-fracture surfaces in the tunnel surrounding rock and tensile cracking in the shallow position on the deep-buried side represent the key stages of failure.2) The final failure mode is featured by an inverted conical fracture with tunnel arch as its top and the slope at tunnel entrance slope as its bottom.The range of failure on the deep-buried side is significantly larger than that on the shallow-buried side.Such difference becomes more prominent with the increasing bias angle.What distinguishes it from the "linear fracture surface" model is that the model proposed has a larger fracture angle on the two sides.Moreover,the bottom of the fracture is located at the springing line of tunnel arch.3) The total vertical load increases with bias angle.Compared with the existing methods,the unsymmetrical loading effect in measurement is more prominent.At last,countermeasures are proposed according to the analysis results: during engineering process,1) The surrounding rock mass on the deep-buried side should be reinforced apart from the tunnel surrounding rock for shallow-buried tunnels with small clear distance; moreover,the scope of consolidation should go beyond the midline of tunnel(along the direction of the top of slope) by 4 excavation spans of single tunnel.2) It is necessary to modify the load value of shallow-bias tunnels with small clear distance.