CN111208276A - 基于岩石组分与组构的tbm搭载式岩石抗压强度快速预测系统及方法 - Google Patents
基于岩石组分与组构的tbm搭载式岩石抗压强度快速预测系统及方法 Download PDFInfo
- Publication number
- CN111208276A CN111208276A CN202010043660.3A CN202010043660A CN111208276A CN 111208276 A CN111208276 A CN 111208276A CN 202010043660 A CN202010043660 A CN 202010043660A CN 111208276 A CN111208276 A CN 111208276A
- Authority
- CN
- China
- Prior art keywords
- rock
- compressive strength
- tbm
- analysis
- composition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000011435 rock Substances 0.000 title claims abstract description 166
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 79
- 238000001514 detection method Methods 0.000 claims abstract description 40
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 32
- 239000011707 mineral Substances 0.000 claims description 32
- 229910052755 nonmetal Inorganic materials 0.000 claims description 31
- 239000000203 mixture Substances 0.000 claims description 27
- 239000002245 particle Substances 0.000 claims description 16
- 230000005284 excitation Effects 0.000 claims description 7
- 230000005641 tunneling Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 239000000523 sample Substances 0.000 claims description 6
- 238000002441 X-ray diffraction Methods 0.000 claims description 5
- 238000003921 particle size analysis Methods 0.000 claims description 5
- 230000001681 protective effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000010183 spectrum analysis Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000001012 protector Effects 0.000 claims description 3
- 238000012351 Integrated analysis Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 description 15
- 239000002585 base Substances 0.000 description 8
- 238000012549 training Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N iron oxide Inorganic materials [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- QDOXWKRWXJOMAK-UHFFFAOYSA-N chromium(III) oxide Inorganic materials O=[Cr]O[Cr]=O QDOXWKRWXJOMAK-UHFFFAOYSA-N 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 229910001220 stainless steel Inorganic materials 0.000 description 2
- 239000010935 stainless steel Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- KKCBUQHMOMHUOY-UHFFFAOYSA-N Na2O Inorganic materials [O-2].[Na+].[Na+] KKCBUQHMOMHUOY-UHFFFAOYSA-N 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052681 coesite Inorganic materials 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 229910052906 cristobalite Inorganic materials 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- NUJOXMJBOLGQSY-UHFFFAOYSA-N manganese dioxide Inorganic materials O=[Mn]=O NUJOXMJBOLGQSY-UHFFFAOYSA-N 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 229910052682 stishovite Inorganic materials 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 229910052905 tridymite Inorganic materials 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/07—Analysing solids by measuring propagation velocity or propagation time of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
- G01N2291/0232—Glass, ceramics, concrete or stone
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/02827—Elastic parameters, strength or force
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Engineering & Computer Science (AREA)
- Dispersion Chemistry (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Acoustics & Sound (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Earth Drilling (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种基于岩石组分与组构的TBM搭载式岩石抗压强度快速预测系统及方法，搭载于敞开式TBM的左撑靴侧面，包括防护装置、液压装置、伺服电机、探测装置、控制系统和数据综合分析平台。液压装置安装在防护装置的侧壁上用于控制探测装置在水平方向上的移动；伺服电机用来控制该系统中探测装置的转动；探测装置用来采集目标围岩的多种影响岩石抗压强度的地质参数，为岩石的抗压强度预测提供基础数据；控制系统用来控制所述的液压装置、伺服电机以及各探测装置的工作；数据综合分析平台与探测装置中的各探测仪器之间通过线缆相连接，接收以上各仪器采集到地质参数，并对各参数进行处理与分析，最终给出岩石抗压强度预测结果。
Description
技术领域
本公开属于岩土力学性质测定领域，具体涉及一种基于岩石组分与组构的TBM搭载式岩石抗压强度快速预测系统及方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
岩石单轴抗压强度是反映岩石受外力作用被破坏的主要指标，是地下工程和工程勘察中最基本的岩体力学参数之一，广泛应用于岩石地基设计、隧洞围岩分类、岩体质量分级、支护参数设计优化、施工工法选取和信息化施工中。
目前获取岩石单轴抗压强度的常规方法主要有两种，一种是采用单轴压力试验机直接测定岩石单轴抗压强度，另外一种是通过点荷载试验推算岩石单轴抗压强度。其中，在实验室中采用单轴压力试验机对岩样进行直接确定，测试需符合国际岩石力学学会的相应标准，因此该测试方法受到许多条件限制，如岩石试样要求完整、不能含有节理裂隙、取样和试件加工复杂等，因此在高度破碎、软弱和风化岩体中很难取到符合条件的高质量岩芯。另外，单轴压力试验机直接测定岩石单轴抗压强度还具有试验周期长、成本高、无法实时对开挖后扰动的围岩进行测试等局限性。点荷载试验推算岩石单轴抗压强度法具有现场快速测试、对试样形状要求低等优势，但采用该方法推算岩石单轴抗压强度又存在点荷载仪测试结果离散型大、推算结果准确度低等问题。因此，亟需研发一套经济、易实现且测试结果精度高的间接方法和系统来预测岩石的单轴抗压强度。
发明内容
本公开为了解决上述问题，提出了基于岩石组分与组构的TBM搭载式岩石抗压强度快速预测系统及方法，本公开通过对岩石单轴抗压强度起决定作用的组分和组构进行测试与定量分析，间接较为快速准确的预测出岩石单轴抗压强度。
根据一些实施例，本公开采用如下技术方案：
基于岩石组分与组构的岩石抗压强度快速预测系统，搭载于敞开式TBM的左撑靴侧面，包括防护装置、液压装置、伺服电机、探测装置、控制系统和数据综合分析平台，其中：
所述防护装置包括基座、侧壁和顶棚，基座上设置侧壁，侧壁顶端设置有顶棚，防护装置用于为该系统的其他部件提供支撑作用以及防止隧道洞壁的掉块、渗水等破坏该系统的其他部件；
所述液压装置安装在防护装置的侧壁上，包括液压臂、液压泵和液压阀，用于控制探测装置在水平方向上的移动；
所述伺服电机用来控制该系统中探测装置的转动，从而可以对同一块目标围岩进行不同部位的探测，从而保证采集数据的科学性和有效性；
所述探测装置包括多种探测仪器，用来采集目标围岩的多种影响岩石抗压强度的地质参数，为岩石的抗压强度预测提供基础数据；
所述控制系统用来控制所述的液压装置、伺服电机以及各探测装置的工作；
所述数据综合分析平台与探测装置中的各探测仪器之间通过线缆相连接，接收以上各仪器采集到地质参数，并对各参数进行处理与分析，最终给出岩石抗压强度预测结果。
作为进一步的技术方案，所述防护装置的基座为材质为不锈钢板，形状为长方形，侧壁竖直焊接在基座上方，顶棚材质同样为不锈钢板。
作为进一步的技术方案，所述探测装置由十字架、非金属超声检测仪、元素分析仪和岩石图像采集器组成；
作为进一步的技术方案，所述十字架拥有四个等长的翼部，且在其翼端分别安装有非金属超声检测仪的两个换能器、岩石图像采集器和元素分析仪。配合伺服电机的转动，十字架的四个等长翼部保证了非金属超声检测仪、图像采集器和元素分析仪这三个装置可对目标围岩中的不同部位开展数据采集工作。
作为进一步的技术方案，所述非金属超声探测仪用来获取声波在岩石中传播的声波波速Vp。非金属超声探测仪包括主机系统、横梁、换能器、弹簧和垫圈式压力传感器，其中主机系统固定安装在十字架的中部，主机系统两侧各有一个横梁，横梁两头对称安装有垫圈式压力传感器、弹簧和换能器。其中垫圈压力传感器、换能器加弹簧的长度要比元素分析仪和图像采集器的长度高出10cm以上，从而保证在探测装置伸出探测时首先是换能器接触到围岩。当换能器与围岩接触后弹簧压缩时，在垫圈式压力传感器所接受到的压力达到一定程度后，控制系统可控制液压装置停止工作。
作为进一步的技术方案，所述图像采集器为一数码放大镜，该放大镜可将目标图像放大25～600倍，并具有拍照、摄像和辅助测量功能，用来采集目标围岩的图像，并将其传输到数据综合分析平台中。
作为进一步的技术方案，所述元素分析仪为一便携式能量色散X射线衍射分析仪，主要由电源装置、激发源、探测器、前置放大器、主放大器、多道脉冲幅度分析器和微机系统组成。其中激发源采用低功率X射线管，其向目标围岩发射X射线，探测器采用正比探测器，其探测目标围岩的组分和结构；所述的探测器探测的信号经过前置放大器、主放大器放大后，发送给多道脉冲幅度分析器和光谱分析系统进行分析。
作为进一步的技术方案，所述述数据综合分析平台为一计算机，安装在TBM主控室内，平台内安装有基于Wi ndows系统开发的粒度分析系统、矿物成分分析系统和岩石抗压强度预测系统。
作为进一步的技术方案，所述粒度分析系统应用深度学习技术对集到的岩石图像中的岩石粒度进行测量与标定，并采用福克-沃德公式
计算出粒度参数，其中，Mz为平均粒径，φi为颗粒含量i％处对应的颗粒直径。
作为进一步的技术方案，所述矿物成分分析系统基于编程语言VC++开发的软件系统，该系统利用C I PW标准矿物计算方法将元素分析系统获取到的岩石元素种类及含量转化为岩石矿物种类及含量。
作为进一步的技术方案，所述岩石抗压强度预测系统接收来自粒度分析系统、矿物成分分析系统和非金属超声检测仪所输入的信息并对目标围岩进行抗压强度预测工作。该系统采用BP神经网络智能反演方法，建立岩石强度预测模型。
作为进一步的限定，所述的基于BP神经网络所建立的岩石抗压强度预测模型包含有训练集和预测集。其中，训练集是前期已建立的开展粒度分析、矿物成分分析、纵波波速分析以及标准抗压强度测试的数据库，预测集是TBM掘进过程中该系统所探测到的相关参数。
基于上述系统的工作方法，包括以下步骤：
在TBM掘进过程中，TBM的撑靴会紧贴隧道围岩从而承受TBM刀盘系统工作时的传来的反作用、反扭矩。此时启动液压泵，并通过液压控制阀控制液压臂，使非金属超声检测仪的换能器与目标围岩相接触，图像采集器和元素分析仪的探头接近目标围岩；
非金属超声检测仪、图像采集器和元素分析仪同时开始工作，分别采集目标围岩的纵波波速、岩石图像和元素信息，并传输至数据综合分析平台中；
启动伺服电机并顺时针旋转90°后停止工作，非金属超声检测仪、图像采集器和元素分析仪再次开始工作，并将各自采集的目标围岩信息再次传输至数据综合分析平台中；
将“启动伺服电机并顺时针转动90°后停止工作，非金属超声检测仪、图像采集器和元素分析仪再次开始工作并将各自采集到的目标围岩信息传输至数据综合分析平台”这步工作重复操作两次；
数据综合分析平台中的粒度分析系统对图像采集器多次采集到图像进行粒度分析，并给出粒度分析的平均值，同时矿物成分分析系统将元素分析仪多次采集到的元素信息取平均值并转化为矿物种类及含量，随后将以上分析结果传输至岩石抗压强度预测系统；
岩石抗压强度预测系统接收来自粒度分析系统、矿物成分分析系统和非金属超声检测仪所输入的信息并对目标围岩进行抗压强度预测工作。
与现有技术相比，本公开的有益效果为：
本公开通过巧妙设计，利用伺服电机和十字架，可实现探测装置中各测试仪对目标围岩同一部位开展探测工作，使探测结果更加准确。
本公开通过对岩石单轴抗压强度起决定作用的组分和组构进行测试与定量分析，利用岩石的纵波波速、粒度大小和矿物种类及含量间接的准确预测岩石单轴抗压强度。
本公开与TBM搭载，可在TBM掘进过程中对目标围岩的组分和组构信息进行采集，并通数据综合分析平台中所开发的粒度分析系统、矿物分析系统和岩石抗压强度预测系统实时分析TBM掘进过程中围岩的抗压强度。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是本发明结构示意图；
图2是本发明探测装置结构图；
图3是本发明便携式能量色散X射线衍射分析仪结构框图；
图4是本发明的工作流程图。
其中1.TBM撑靴；2.基座；3.侧壁；4.顶棚；5.液压臂；6.液压泵；7.液压阀；8.伺服电机；9.探测装置；10.控制系统；11.数据综合分析平台；12.TBM主控室；9-1.十字架；9-2.主机系统；9-3.横梁；9-4.垫圈式压力传感器；9-5.弹簧；9-6.换能器；9-7.图像采集器；9-8.元素分析仪。
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
实施例1
本实施例中公开的基于岩石组分与组构的TBM搭载式岩石抗压强度快速预测系统及方法，如图1所示，包括基座2、侧壁3、顶棚4、液压臂5、伺服电机6、探测装置7、控制系统8、数据综合分析平台9。
其中，由基座2、侧壁3和顶棚4共同组成了取样装置的防护装置，不仅可防止隧道拱顶的落石、渗水等破坏其内部的仪器部件，还可以为该系统的其他部件提供支撑作用，其中优选的基座2的材质为不锈钢板，形状为长方形，侧壁3竖直焊接在基座2上方，顶棚4焊接在侧壁3的顶部，顶棚4的材质同样为不锈钢板。
液压装置安装在侧壁3上，包括液压臂5、液压泵6和液压阀7，用于控制探测装置在水平方向上的移动。
伺服电机8用来控制该系统中探测装置9的转动，从而可以对同一块目标围岩进行不同部位的探测，从而保证采集数据的科学性和有效性；
伺服电机8固定在液压臂5的端部，液压臂5可以驱动伺服电机8和探测装置9在水平方向上的移动，进而实现探测装置9相对于岩石壁靠近或远离。
探测装置9包括多种探测仪器，用来采集目标围岩的多种影响岩石抗压强度的地质参数，为岩石的抗压强度预测提供基础数据。
所述控制系统10用来控制所述的液压装置、伺服电机以及各探测装置的工作；
所述数据综合分析平台11与探测装置9中的各探测仪器之间通过线缆相连接，接收以上各仪器采集到地质参数，并对各参数进行处理与分析，最终给出岩石抗压强度预测结果。
如图2所示，所述探测装置由十字架9-1、非金属超声检测仪的各部件、岩石图像采集9-7和元素分析仪9-8器组成；
进一步的，十字架9-1拥有四个等长的翼部，且在其翼端分别安装有非金属超声检测仪的两个换能器、岩石图像采集器和元素分析仪。配合伺服电机的转动，十字架的四个等长翼部保证了非金属超声检测仪、图像采集器和元素分析仪这三个装置可对目标围岩中的不同部位开展数据采集工作。
进一步的，非金属超声探测仪包括主机系统9-2、横梁9-3、垫圈式压力传感器9-4、弹簧9-5和换能器9-6，其中主机系统9-3固定安装在十字架的中部，主机系统两侧各有一个横梁9-3，两个横梁9-3固定在十字架9-1的两个对称设置的翼部，在本实施例中，两个横梁9-3固定在水平设置的翼部；在每个横梁上安装有垫圈式压力传感器9-4、弹簧9-5和换能器9-6；进一步优选的，两个横梁上的垫圈式压力传感器9-4、弹簧9-5和换能器9-6相对于十字架9-1的中心线对称安装。垫圈式压力传感器9-4固定在横梁9-3上，弹簧9-5的一端与垫圈式压力传感器9-4相连，弹簧9-5的另一端与换能器9-6相连。
进一步的，图像采集器9-7为一数码放大镜，该放大镜可将目标图像放大25～600倍，并具有拍照、摄像和辅助测量功能，用来采集目标围岩的图像，并将其传输到数据综合分析平台中，其也固定在十字架上，且在本实施例中图像采集器9-7位于主机系统9-2的下方。
进一步的，所述元素分析仪9-8为一便携式能量色散X射线衍射分析仪，如图3所示，主要由电源装置、激发源、探测器、前置放大器、主放大器、多道脉冲幅度分析器和光谱分析系统组成；其中激发源采用低功率X射线管，其向目标围岩发射X射线，探测器采用正比探测器，其探测目标围岩的组分和结构；所述的探测器探测的信号经过前置放大器(对应图中的电荷灵敏前置放大器)、主放大器放大后，发送给多道脉冲幅度分析器(对应图中的DP4数字多道分析器)和光谱分析系统进行分析。元素分析仪9-8也固定在十字架上，且在本实施例中元素分析仪9-8位于主机系统9-2的上方。
具体的，其中电源装置可提供高、低压电源，激发源为低功率的X射线管；探测器选择探测效率和能量分辨较好，对环境要求较低、适合现场观测的正比探测器；前置放大器为具有良好低噪声性能的电荷灵敏前置放大器；为了使能量色散系统的能量分辨最佳，将主放大电路设计为由一级微分电路和二级积分电路组成，同时各级之间由缓冲放大器隔开；多道脉冲幅度分析器采用美国AMPTEK公司生产DP4数字多道分析器；软件系统为目前已有的基于Wi ndow操作系统开发的光谱分析软件，可实现对探测器采集的谱线数据进行显示、分析以及对分析结果进行传输。该便携式能量色散X射线衍射分析仪可给出目标围岩中元素种类及含量，并将该结果传输至数据综合分析平台中。
控制系统10用来控制所述的液压装置、伺服电机以及各探测装置的工作。
数据综合分析平台11与探测装置中的各探测仪器之间通过线缆相连接，接收以上各仪器采集到地质参数，并对各参数进行处理与分析，最终给出岩石抗压强度预测结果。
进一步的，数据综合分析平台11为一计算机，安装在TBM主控室12内，平台内安装有基于Wi ndows系统开发的粒度分析系统、矿物成分分析系统和岩石抗压强度预测系统。
具体的，所述粒度分析系统应用深度学习技术对集到的岩石图像中的岩石粒度进行测量与标定，并采用福克-沃德公式
计算出粒度参数，其中，Mz为平均粒径，φi为颗粒含量i％处对应的颗粒直径。
具体的，所述矿物成分分析系统基于编程语言VC++开发的软件系统，该系统利用CI PW标准矿物计算方法将元素分析系统获取到的岩石元素种类及含量转化为岩石矿物种类及含量。具体实现方法为：首先将XRF所获取的各元素质量百分数换算为氧化物质量百分数，再换算成分子数，然后把MnO与FeO分子数合并为FeO分子数，随后将其中的少量组分如P2O5、T iO2、Cr2O3等结合成副矿物，最后通过判断岩石类型将主要组分结合成主要矿物。其中，少量组分包括P2O5、T iO2、Cr2O3等，岩石类型包括正常类型、铝过饱和类型、碱过饱和类型，主要组分包括SiO2、K2O、Na2O、A l2O3、CaO、MgO、FeO(FeO+MnO)、Fe2O3等。
具体的，所述岩石抗压强度预测系统接收来自粒度分析系统、矿物成分分析系统和非金属超声检测仪所输入的信息并对目标围岩进行抗压强度预测工作。该系统采用BP神经网络智能反演方法，建立岩石强度预测模型，具体方法为：选取目标围岩的波速值、平均粒径、矿物种类及含量作为网络输入层，岩石抗压强度作为输出层；输入层传递函数采用logs i g，输出层传递函数采用tans i，隐含层层数为1层，神经元数目根据下列公式估算：
其中N为隐含层神经元个数，i为输入层神经元个数，j为输出层神经元个数，a为常数，可取(1，10)，N最终取值需经过反复调试，选取一个网络训练过程比较稳定、迭代次数最少、迭代值与目标值最接近、性能最优的。
具体的，所述的基于BP神经网络所建立的岩石抗压强度预测模型包含有训练集和预测集。其中，训练集是前期已建立的开展粒度分析、矿物成分分析、纵波波速分析以及标准抗压强度测试的数据库，预测集是TBM掘进过程中该系统所探测到的相关参数。
实施例2
本实施例基于实施例1提出了一种基于岩石组分与组构的TBM搭载式岩石抗压强度快速预测系统的使用方法，如图4所示，包括以下步骤：
步骤A：在TBM掘进过程中，TBM撑靴1会紧贴隧道围岩从而承受TBM刀盘系统工作时的传来的反作用、反扭矩。此时启动液压泵6，并通过液压阀7控制液压臂5，使非金属超声检测仪的换能器9-6与目标围岩相接触，图像采集器9-7和元素分析仪9-8的探头接近目标围岩；
步骤B:非金属超声检测仪、图像采集器和元素分析仪同时开始工作，分别采集目标围岩的纵波波速、岩石图像和元素信息，并传输至数据综合分析平台11中；
步骤C：启动伺服电机6并顺时针旋转90°后停止工作，非金属超声检测仪、图像采集器和元素分析仪再次开始工作，并将各自采集的目标围岩信息再次传输至数据综合分析平台中；
步骤D：将步骤C的工作再重复操作两次；
步骤E：数据综合分析平台11中的粒度分析系统对图像采集器9-7多次采集到图像进行粒度分析，并给出粒度分析的平均值，同时矿物成分分析系统将元素分析仪9-8多次采集到的元素信息取平均值并转化为矿物种类及含量，随后将以上分析结果传输至岩石抗压强度预测系统；
步骤F：岩石抗压强度预测系统接收来自粒度分析系统、矿物成分分析系统和非金属超声检测仪所输入的信息并对目标围岩进行抗压强度预测工作。
Claims (10)
1.基于岩石组分与组构的TBM搭载式岩石抗压强度快速预测系统，搭载于敞开式TBM的左撑靴侧面，其特征在于，包括防护装置、液压装置、伺服电机、探测装置、控制系统和数据综合分析平台，其中：
所述防护装置包括基座、侧壁和顶棚，基座上竖直设置一个侧壁，侧壁顶端设置有顶棚；所述液压装置安装在防护装置的侧壁上，包括液压臂、液压泵和液压阀，用于控制探测装置在水平方向上的移动；
所述伺服电机安装在液压臂的端部，用来控制该系统中探测装置的转动，从而可以对同一块目标围岩进行不同部位的探测，从而保证采集数据的科学性和有效性；
所述探测装置，包括多种探测仪器，用来采集目标围岩的多种影响岩石抗压强度的地质参数，为岩石的抗压强度预测提供基础数据；
所述控制系统用来控制所述的液压装置、伺服电机以及各探测装置的工作；
所述数据综合分析平台与探测装置中的各探测仪器之间通过线缆相连接，接收以上各仪器采集到地质参数，并对各参数进行处理与分析，最终给出岩石抗压强度预测结果。
2.如权利要求1所述的基于岩石组分与组构的TBM搭载式岩石抗压强度快速预测系统，其特征是：所述探测装置由十字架、非金属超声检测仪、元素分析仪和岩石图像采集器组成；
所述十字架拥有四个等长的翼部，且在其翼端分别安装有非金属超声检测仪的两个换能器、岩石图像采集器和元素分析仪。
3.如权利要求1所述的基于岩石组分与组构的TBM搭载式岩石抗压强度快速预测系统，其特征是：所述非金属超声探测仪用来获取声波在岩石中传播的声波波速Vp，包括主机系统、横梁、换能器、弹簧和垫圈式压力传感器，其中主机系统固定安装在十字架的中部，主机系统两侧各有一个横梁，横梁两头对称安装有垫圈式压力传感器、弹簧和换能器。其中垫圈压力传感器、换能器加弹簧高出元素分析仪和图像采集器。
4.如权利要求1所述的基于岩石组分与组构的TBM搭载式岩石抗压强度快速预测系统，其特征是：所述图像采集器为一数码放大镜，具有拍照、摄像和辅助测量功能，用来采集目标围岩的图像，并将其传输到数据综合分析平台中。
5.如权利要求1所述的基于岩石组分与组构的TBM搭载式岩石抗压强度快速预测系统，其特征是：所述元素分析仪为一便携式能量色散X射线衍射分析仪，主要由电源装置、激发源、探测器、前置放大器、主放大器、多道脉冲幅度分析器和微机系统组成；其中激发源采用低功率X射线管，其向目标围岩发射X射线，探测器采用正比探测器，其探测目标围岩的组分和结构；所述的探测器探测的信号经过前置放大器、主放大器放大后，发送给多道脉冲幅度分析器和光谱分析系统进行分析。
6.如权利要求1所述的基于岩石组分与组构的TBM搭载式岩石抗压强度快速预测系统，其特征是：所述述数据综合分析平台为一计算机，安装在TBM主控室内，平台内安装有粒度分析系统、矿物成分分析系统和岩石抗压强度预测系统。
7.如权利要求6所述的基于岩石组分与组构的TBM搭载式岩石抗压强度快速预测系统，其特征是：所述粒度分析系统应用深度学习技术对集到的岩石图像中的岩石粒度进行测量与标定，并采用福克-沃德公式
计算出粒度参数，其中，Mz为平均粒径，，φi为颗粒含量i％处对应的颗粒直径。
8.如权利要求6所述的基于岩石组分与组构的TBM搭载式岩石抗压强度快速预测系统，其特征是：所述矿物成分分析系统利用CIPW标准矿物计算方法将元素分析系统获取到的岩石元素种类及含量转化为岩石矿物种类及含量。
9.如权利要求6所述的基于岩石组分与组构的TBM搭载式岩石抗压强度快速预测系统，其特征是：所述岩石抗压强度预测系统接收来自粒度分析系统、矿物成分分析系统和非金属超声检测仪所输入的信息并对目标围岩进行抗压强度预测工作。
10.基于权利要求1-9中任一项所述的系统的工作方法，其特征是：包括以下步骤：
在TBM掘进过程中，TBM的撑靴会紧贴隧道围岩从而承受TBM刀盘系统工作时的传来的反作用、反扭矩；此时启动液压泵，并通过液压控制阀控制液压臂，使非金属超声检测仪的换能器与目标围岩相接触，图像采集器和元素分析仪的探头接近目标围岩；
非金属超声检测仪、图像采集器和元素分析仪同时开始工作，分别采集目标围岩的纵波波速、岩石图像和元素信息，并传输至数据综合分析平台中；
启动伺服电机并顺时针旋转90°后停止工作，非金属超声检测仪、图像采集器和元素分析仪再次开始工作，并将各自采集的目标围岩信息再次传输至数据综合分析平台中；
将“启动伺服电机并顺时针转动90°后停止工作，非金属超声检测仪、图像采集器和元素分析仪再次开始工作并将各自采集到的目标围岩信息传输至数据综合分析平台”这步工作重复操作两次；
数据综合分析平台中的粒度分析系统对图像采集器多次采集到图像进行粒度分析，并给出粒度分析的平均值，同时矿物成分分析系统将元素分析仪多次采集到的元素信息取平均值并转化为矿物种类及含量，随后将以上分析结果传输至岩石抗压强度预测系统；
岩石抗压强度预测系统接收来自粒度分析系统、矿物成分分析系统和非金属超声检测仪所输入的信息并对目标围岩进行抗压强度预测工作。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010043660.3A CN111208276B (zh) | 2020-01-15 | 2020-01-15 | 基于岩石组分与组构的tbm搭载式岩石抗压强度快速预测系统及方法 |
| US17/777,801 US20220412867A1 (en) | 2020-01-15 | 2020-01-21 | Tbm-mounted system and method for quickly predicting compressive strength of rocks based on rock mineral composition and fabric characteristics |
| PCT/CN2020/073614 WO2021142861A1 (zh) | 2020-01-15 | 2020-01-21 | 基于岩石组分与组构的tbm搭载式岩石抗压强度快速预测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010043660.3A CN111208276B (zh) | 2020-01-15 | 2020-01-15 | 基于岩石组分与组构的tbm搭载式岩石抗压强度快速预测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111208276A true CN111208276A (zh) | 2020-05-29 |
| CN111208276B CN111208276B (zh) | 2021-11-23 |
Family
ID=70787631
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010043660.3A Active CN111208276B (zh) | 2020-01-15 | 2020-01-15 | 基于岩石组分与组构的tbm搭载式岩石抗压强度快速预测系统及方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20220412867A1 (zh) |
| CN (1) | CN111208276B (zh) |
| WO (1) | WO2021142861A1 (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112345360A (zh) * | 2020-11-18 | 2021-02-09 | 同济大学 | 一种围岩原位测试装置及方法 |
| CN112504838A (zh) * | 2020-11-05 | 2021-03-16 | 长江水利委员会长江科学院 | 一种搭载于tbm的岩石力学综合试验及信息评价系统 |
| CN112798592A (zh) * | 2020-12-28 | 2021-05-14 | 山东大学 | 基于岩相学特征分析的岩石强度预测系统及方法 |
| CN113674264A (zh) * | 2021-08-27 | 2021-11-19 | 浙江数智交院科技股份有限公司 | 支护参数确定方法、装置、电子设备及可读存储介质 |
| WO2022007365A1 (zh) * | 2020-07-10 | 2022-01-13 | 山东大学 | Tbm搭载式矿物成分检测方法、超前地质预报方法及系统 |
| CN114813366A (zh) * | 2022-03-11 | 2022-07-29 | 中国人民解放军32182部队 | 一种岩石样本压力数据测量方法及设备 |
| CN116757557A (zh) * | 2023-08-15 | 2023-09-15 | 山东新巨龙能源有限责任公司 | 一种基于数据分析的原矸充填开采质量评估方法 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113870532B (zh) * | 2021-09-29 | 2023-05-30 | 哈尔滨工业大学（威海） | 一种可移动式矿井巷道围岩立体监测报警装置及方法 |
| US20230394806A1 (en) * | 2022-06-07 | 2023-12-07 | Hefei University Of Technology | Quickly extraction of morphology characterization parameters of recycled concrete sand particles based on deep learning technology |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103698806A (zh) * | 2014-01-07 | 2014-04-02 | 山东大学 | 一种tbm上三种超前地质预报仪器的搭载装置 |
| CN103715581A (zh) * | 2014-01-07 | 2014-04-09 | 山东大学 | 一种tbm搭载的超前地质探测仪器的集成接线装置 |
| CN203658592U (zh) * | 2014-01-07 | 2014-06-18 | 山东大学 | 一种tbm上三种超前地质预报仪器的搭载装置 |
| CN110031493A (zh) * | 2019-04-04 | 2019-07-19 | 山东大学 | 基于图像与光谱技术的岩性智能识别系统与方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002168840A (ja) * | 2000-11-30 | 2002-06-14 | Maeda Corp | 岩盤又は各種材料の異常部検出方法及び異常部検出装置 |
| US20110259150A1 (en) * | 2010-04-23 | 2011-10-27 | Hall David R | Disc Cutter for an Earth Boring System |
| CN109374456A (zh) * | 2018-09-03 | 2019-02-22 | 山东大学 | 适用于隧道围岩质量分级及风化程度判别装置及方法 |
| CN112525093B (zh) * | 2018-09-19 | 2022-07-22 | 成都理工大学 | 一种基于双护盾tbm工艺的建立隧道三维模型的系统 |
| CN109669424B (zh) * | 2019-01-10 | 2024-02-09 | 清华大学 | 一种复杂条件下岩石力学性能试验控制系统及方法 |
| CN109668791A (zh) * | 2019-01-10 | 2019-04-23 | 清华大学 | 一种基于多传感器的地层岩石力学参数的测量系统及方法 |
| CN109612943B (zh) * | 2019-01-14 | 2020-04-21 | 山东大学 | 基于机器学习的隧洞岩石石英含量测试系统及方法 |
| CN110672356B (zh) * | 2019-09-06 | 2021-10-08 | 山东大学 | 一种tbm搭载式岩石粉末取样装置及其方法 |
-
2020
- 2020-01-15 CN CN202010043660.3A patent/CN111208276B/zh active Active
- 2020-01-21 US US17/777,801 patent/US20220412867A1/en active Pending
- 2020-01-21 WO PCT/CN2020/073614 patent/WO2021142861A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103698806A (zh) * | 2014-01-07 | 2014-04-02 | 山东大学 | 一种tbm上三种超前地质预报仪器的搭载装置 |
| CN103715581A (zh) * | 2014-01-07 | 2014-04-09 | 山东大学 | 一种tbm搭载的超前地质探测仪器的集成接线装置 |
| CN203658592U (zh) * | 2014-01-07 | 2014-06-18 | 山东大学 | 一种tbm上三种超前地质预报仪器的搭载装置 |
| CN110031493A (zh) * | 2019-04-04 | 2019-07-19 | 山东大学 | 基于图像与光谱技术的岩性智能识别系统与方法 |
Non-Patent Citations (7)
| Title |
|---|
| 冼鼎昌 编: "《北京同步辐射装置及其应用》", 31 January 2016 * |
| 刘凤民 等编: "《岩心扫描及应用》", 30 September 2010, 地质出版社 * |
| 姜福田 编: "《水工混凝土性能及检测》", 30 June 2012, 黄河水利出版社 * |
| 尹帅 等: "《泥页岩单轴抗压破裂特征及UCS影响因素》", 《地学前缘》 * |
| 舒志乐 等编: "《凝灰质粉砂岩力学特性及其在大跨隧道中的应用》", 30 August 2017, 重庆大学出版社 * |
| 贺鹏 等: "《基于数据挖掘的隧道围岩变形响应预测与动态变更许可机制》", 《岩石力学与工程学报》 * |
| 鲁功达 等: "《基于岩石地质本质性的碳酸盐岩单轴抗压强度预测》", 《吉林大学学报(地球科学版)》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022007365A1 (zh) * | 2020-07-10 | 2022-01-13 | 山东大学 | Tbm搭载式矿物成分检测方法、超前地质预报方法及系统 |
| AU2020449437B2 (en) * | 2020-07-10 | 2023-06-01 | Shandong University | TBM-mounted mineral composition testing method, advanced geological forecasting method and system |
| CN112504838A (zh) * | 2020-11-05 | 2021-03-16 | 长江水利委员会长江科学院 | 一种搭载于tbm的岩石力学综合试验及信息评价系统 |
| CN112504838B (zh) * | 2020-11-05 | 2022-11-15 | 长江水利委员会长江科学院 | 一种搭载于tbm的岩石力学综合试验及信息评价系统 |
| CN112345360A (zh) * | 2020-11-18 | 2021-02-09 | 同济大学 | 一种围岩原位测试装置及方法 |
| CN112798592A (zh) * | 2020-12-28 | 2021-05-14 | 山东大学 | 基于岩相学特征分析的岩石强度预测系统及方法 |
| CN113674264A (zh) * | 2021-08-27 | 2021-11-19 | 浙江数智交院科技股份有限公司 | 支护参数确定方法、装置、电子设备及可读存储介质 |
| CN114813366A (zh) * | 2022-03-11 | 2022-07-29 | 中国人民解放军32182部队 | 一种岩石样本压力数据测量方法及设备 |
| CN116757557A (zh) * | 2023-08-15 | 2023-09-15 | 山东新巨龙能源有限责任公司 | 一种基于数据分析的原矸充填开采质量评估方法 |
| CN116757557B (zh) * | 2023-08-15 | 2023-11-07 | 山东新巨龙能源有限责任公司 | 一种基于数据分析的原矸充填开采质量评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021142861A1 (zh) | 2021-07-22 |
| US20220412867A1 (en) | 2022-12-29 |
| CN111208276B (zh) | 2021-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111208276B (zh) | 基于岩石组分与组构的tbm搭载式岩石抗压强度快速预测系统及方法 | |
| CN103868993B (zh) | 岩石三轴单样法多级屈服点的声学判别方法及装置 | |
| Davis et al. | Nondestructive test methods for evaluation of concrete in structures | |
| Miranda et al. | Sonic Impact Method–A new technique for characterization of stone masonry walls | |
| CN104181581B (zh) | 基于任意排布的地震波地下工程空间观测的系统及方法 | |
| CN109406340A (zh) | 锤击预压式测试套筒连接结构注浆密实度的装置及方法 | |
| Felicetti | Assessment methods of fire damages in concrete tunnel linings | |
| JP4214290B2 (ja) | コンクリート構造物診断装置とそれを用いた診断方法 | |
| CN110346453B (zh) | 一种混凝土结构内缺陷小排列反射回波快速检测方法 | |
| JP5843594B2 (ja) | セメント改良地盤の品質評価方法 | |
| Hertlein | Stress wave testing of concrete: A 25-year review and a peek into the future | |
| CN112763582A (zh) | 一种软岩崩解实时监测装置及监测方法 | |
| Felicetti | Assessment of fire damage in concrete structures: new inspection tools and combined interpretation of results | |
| CN105866247A (zh) | 钢板粘贴密实度检测装置及方法 | |
| CN114076943A (zh) | 一种城市道路地下空洞的快速自动化综合探测方法 | |
| CN112595598A (zh) | 倾斜层状煤岩体力-声-光-波一体化测试装置及方法 | |
| CN113030259A (zh) | 一种基于无损检测道路桥梁维护方法 | |
| CN114753761B (zh) | 一种工程现场原位测量的数字钻进设备及测量方法 | |
| CN111174960A (zh) | 一种残余应力检测系统及方法 | |
| CN101419144A (zh) | 微损现场混凝土强度检测方法及其实现装置 | |
| Rens et al. | Acoustic tomographic imaging of concrete infrastructure | |
| JP2002115491A (ja) | 覆工コンクリートの診断方法及びその診断装置 | |
| CN203758967U (zh) | 岩石三轴单样法多级屈服点的声学判别装置 | |
| JPS60200165A (ja) | 打診音解析方法 | |
| Tulebekova et al. | The Non-destructive testing of bored piles |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |