CN112765874B - 适用于敞开式tbm隧道的获取围岩参数的方法和装置 - Google Patents
适用于敞开式tbm隧道的获取围岩参数的方法和装置 Download PDFInfo
- Publication number
- CN112765874B CN112765874B CN202011635707.1A CN202011635707A CN112765874B CN 112765874 B CN112765874 B CN 112765874B CN 202011635707 A CN202011635707 A CN 202011635707A CN 112765874 B CN112765874 B CN 112765874B
- Authority
- CN
- China
- Prior art keywords
- rock
- rebound
- surrounding rock
- servo hydraulic
- wireless
- 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.)
- Active
Links
- 239000011435 rock Substances 0.000 title claims abstract description 234
- 238000000034 method Methods 0.000 title claims abstract description 39
- 210000000349 chromosome Anatomy 0.000 claims description 57
- 238000012360 testing method Methods 0.000 claims description 38
- 239000002245 particle Substances 0.000 claims description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 108090000623 proteins and genes Proteins 0.000 claims description 22
- 238000005259 measurement Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 19
- 230000010354 integration Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 7
- 230000006798 recombination Effects 0.000 claims description 7
- 238000005215 recombination Methods 0.000 claims description 7
- 230000017105 transposition Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 230000006835 compression Effects 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 5
- 238000012669 compression test Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 229910000831 Steel Inorganic materials 0.000 claims description 3
- 239000010959 steel Substances 0.000 claims description 3
- 239000004575 stone Substances 0.000 claims description 2
- 230000006870 function Effects 0.000 description 40
- 238000010276 construction Methods 0.000 description 9
- 230000007547 defect Effects 0.000 description 9
- 238000005065 mining Methods 0.000 description 9
- 230000005641 tunneling Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 101150030983 GEP gene Proteins 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000007614 genetic variation Effects 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
- E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
- E21D9/10—Making by using boring or cutting machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mining & Mineral Resources (AREA)
- Bioinformatics & Computational Biology (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Physiology (AREA)
- Environmental & Geological Engineering (AREA)
- Genetics & Genomics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了适用于敞开式TBM隧道的获取围岩参数的方法，建立岩石回弹数与单轴抗压强度之间拟合函数关系，对同一个测点的回弹试验，多个数显回弹强度示数图像和体现围岩完整性的围岩壁图像上传到阿里云服务器，阿里云服务器根据数字识别模型、YOLOv3裂隙定位模型和MATLAB裂隙几何参数计算程序，识别出多个岩石回弹数，识别出围岩结构面信息，识别裂隙的几何参数，本发明还公开了适用于敞开式TBM隧道的获取围岩参数的装置，本发明可快速较准确地确定岩体参数，同时也大大降低了传统统计围岩裂隙方式的人为因素影响，对于敞开式TBM隧道围岩基本岩体力学及结构参数的获取具有重要工程意义。
Description
技术领域
本发明涉及隧道地质测试技术领域，更具体涉及适用于敞开式TBM隧道的获取围岩参数的方法，还涉及适用于敞开式TBM隧道的获取围岩参数的装置。
背景技术
敞开式全断面隧道掘进机(TBM)已经在隧道工程中得到越来越广泛的应用。当地质条件发生变化时，敞开式全断面隧道掘进机掘进过程中掘进参数难以合理调整，并极易发生围岩大变形、围岩垮塌、卡机、岩爆、突涌水等工程灾害，严重制约掘进效率和施工安全。快速获取围岩参数对于灾害预测和高效掘进控制以及后期支护方式选择具有重要意义，但现阶段现场围岩参数获取过程相当繁琐且工作量大，可获取围岩参数种类匮乏。
目前，隧道围岩强度传统测试方法包括室内单轴抗压试验和现场人工岩体结构面统计方法，传统测试统计方式具有以下缺陷：
(1)在现场施工运行过程中传统岩石单轴抗压强度试验很难开展。除去繁琐流程如钻芯取样、打磨制备、室内试验等，其测试成本也会随着岩样的不断增加而大幅度增加。此外取样测试的结果获取也会严重滞后于当前施工进度，对灾害的防控缺乏实际指导意义。
(2)传统岩体结构面统计大多靠人力借助罗盘卷尺等量测工具现场计数，该种方法存在的弊端：
a、进入现场前都需要结合现场条件考量人工测量的安全风险。
b、由于现场裂隙宽度、长度、走向等裂隙几何信息量大，测量人员多结合以往经验获取经验统计量，这样不可避免地引入较多人为因素干扰。
本发明装置是以回弹试验简易便捷、易操作优势为基础研制的。回弹试验是目前应用最为广泛的现场原位检测岩石硬度的方法之一，使用的回弹仪体积小较易快速大量测得岩石表面硬度。由于回弹测试的回弹值代表岩石表面硬度，进而反馈岩石单轴抗压强度，因此本发明基于回弹测试提出岩石单轴抗压强度获取方法。但现阶段研究中回弹数Hr与岩石单轴抗压强度UCS相关关系的建立大都依赖于人为经验，通常首先选择具体函数如线性函数、指数函数、幂函数、对数函数等形式进行拟合，并不断调试参数及更换函数形式，最终确定最优拟合参数和预测模型，可以看出挖掘二者相关关系过程并不科学严谨也不十分高效。
综合上述原因，本发明提出用于探索Hr和UCS函数关系的模型——粒子群算法与基因表达式编程算法耦合优化模型，也即PSO-GEP函数挖掘模型。
Gene expression programming(GEP基因表达式编程算法)是在遗传算法基础上发展起来的新型搜索算法，兼顾了GA(遗传算法)和GP(高斯过程)算法两者的优点，GEP算法中的基因由函数符集(+，-，×，/，sqrt,exp,log,ln,sin,cos…)和终结符集(常数、输入变量)组成，例如包含一个基因的GEP染色体可以表示为：Q×-+a b c d,代表的函数关系为所以GEP算法在符号和表达式处理上有明显优势，但由于GEP算法本身存在收敛速度慢的缺点，在本专利中创造性地提出PSO-GEP函数挖掘模型。在改进GEP收敛速度慢弊端的同时可挖掘出回弹数Hr和岩石单轴抗压强度UCS之间函数关系。此外，为避免人工读取回弹仪示数和繁重的围岩结构统计工作，该发明利用深度学习YOLO v3强大裂隙定位识别功能，读数精度高且统计计算结果快的优势，在回弹值示数读取和统计复杂岩体结构参数方面将展现超高效率。
本发明为克服现场难以展开传统岩体力学试验及传统回弹数与单轴抗压强度关系拟合相关性低、结构面统计任务繁重等缺陷，创造性提出PSO-GEP函数挖掘模型用于探索回弹数Hr与单轴抗压强度UCS的函数关系，改善了传统人为确定两者函数类型的不科学挖掘函数关系过程。同时现阶段蓬勃发展的计算机视觉技术也为本专利快捷读数、繁杂统计提供新的解决思路，因此提出了适用于敞开式TBM隧道的获取围岩参数的方法和装置。
发明内容
本发明所要解决的技术问题是解决围岩参数大量获取的便捷性、快速性、准确性的难题，克服传统试验难开展、高成本、精度低的不足。提供适用于敞开式TBM隧道的获取围岩参数的方法，还提供适用于敞开式TBM隧道的获取围岩参数的装置。
本发明解决技术问题所采用的技术方案是：
适用于敞开式TBM隧道的获取围岩参数的装置，包括Q值回弹仪，还包括滑轨装置，滑轨装置的滑轨部设置在TBM设备侧面，滑轨装置的滑块部与设备安放箱一侧固定连接，设备安放箱另一对侧设置有电动舱门，伺服液压伸缩杆的固定部设置在设备安放箱内，伺服液压伸缩杆的伸缩部与伺服液压旋转油缸的固定部连接，伺服液压旋转油缸的旋转部与设备集成盒连接，两个Q值回弹仪的固定部设置在设备集成盒内，两个Q值回弹仪的弹性杆穿过设备集成盒前端面开设的弹击杆孔，设备集成盒前端面还设置有两个前端无线围岩摄像仪，设备集成盒的前端面还设置有无线测距仪，设备集成盒内设置有内部无线回弹示数摄像仪和内部LED光源，
伺服液压旋转油缸、伺服液压伸缩杆和滑轨装置均与伺服液压驱动装置连接，伺服液压驱动装置与现场PC计算机连接，
内部LED光源、电动舱门、无线测距仪、内部无线回弹示数摄像仪、两个前端无线围岩摄像仪均通过无线wifi终端与现场PC计算机连接，
现场PC计算机通过无线wifi终端与阿里云服务器连接。
如上所述的设备安放箱上设置有外部电源接口，设备集成盒上设置有电源接线柱，设备集成盒在伺服液压伸缩杆的驱动下缩回至设备安放箱后，外部电源接口和电源接线柱咬合。
如上所述的电源接线柱分别与无线测距仪、内部无线回弹示数摄像仪、内部LED光源、电动舱门、以及2个前端无线围岩摄像仪连接。
适用于敞开式TBM隧道的获取围岩参数的方法，包括以下步骤：
步骤1、采集多类岩石试样制成的岩石样本，每类岩石样本为多块，每块岩石样本均用Q值回弹仪测试多次后取平均值，获得岩石回弹测量数，然后每块岩石样本在RMT岩石力学试验机上进行岩样单轴压缩试验，获得岩石单轴抗压强度测量值，获得每类岩石样本的多组岩石回弹测量数与对应岩石单轴抗压强度测量值，建立岩石回弹数与单轴抗压强度之间拟合函数关系UCS＝f(Hr)；
将数字识别模型、石回弹数与单轴抗压强度之间拟合函数关系UCS＝f(Hr)、YOLOv3裂隙定位模型、MATLAB裂隙几何参数计算程序建立在阿里云服务器上；
步骤2、阿里云服务器远程控制现场PC计算机打开设备安放箱的电动舱门，伺服液压驱动装置驱动伸缩杆将设备集成盒推送出设备安放箱，
步骤3、当设备安放箱完全推出电动舱门后，2个前端无线围岩摄像仪捕捉测区的围岩壁图像，伺服液压驱动装置驱动伺服液压伸缩杆继续伸长，当弹性杆距围岩表面设定距离时，伺服液压伸缩杆伸长速率降低，直至弹性杆接触围岩表面后，进行同一测点的2次回弹试验，
步骤4、同一测点的2次回弹试验完成后，回缩伺服液压伸缩杆使弹性杆离开围岩表面，伺服液压驱动装置驱动伺服液压旋转油缸旋转，带动设备集成盒旋转设定角度，再次进行同一测点的另外2次回弹试验，对于同一个测点获得多个数显回弹强度示数图像；
步骤5、同一个测点的回弹试验完成后，阿里云服务器远程控制伺服液压驱动装置驱动伸缩杆收回设备集成盒至设备安放箱中，关闭电动舱门，设备集成盒上设置的电源接线柱咬合设备安放箱上的外部电源接口，外部电源接口通过电源接线柱为无线测距仪、内部无线回弹示数摄像仪、2个前端无线围岩摄像仪、内部LED光源和电动舱门充电，
步骤6、多个数显回弹强度示数图像和体现围岩完整性的围岩壁图像通过无线Wifi终端上传至现场PC计算机，现场PC计算机通过无线Wifi终端上传到阿里云服务器，
阿里云服务器将收到的数显回弹强度示数图像输入到数字识别模型中，识别出多个岩石回弹数，去除最大的岩石回弹数和最小的岩石回弹数，计算剩余的岩石回弹数的平均值作为测区的岩石回弹数；
阿里云服务器将收到的围岩壁图像到YOLOv3裂隙定位模型中，识别出围岩结构面信息，将识别出的岩石回弹数输入到岩石回弹数与单轴抗压强度之间拟合函数关系中，得到岩石单轴抗压强度；
将识别出的围岩结构面信息输入到MATLAB裂隙几何参数计算程序中，识别裂隙的几何参数，
步骤7、根据所在掌子面位置推算测区桩号，将测区的时间、桩号、步骤6中得到的岩石单轴抗压强度、裂隙的几何参数等融合形成一条测区记录，存储在阿里云服务器的MySQL数据库中。
如上所述的步骤3中：
如发现前端无线围岩摄像仪正对围岩表面已立钢拱架的情况，阿里云服务器远程控制现场PC计算机驱动伺服液压驱动装置，伺服液压驱动装置驱动滑轨装置，使前端无线围岩摄像仪平移到可观测完整围岩壁的位置。
如上所述的步骤3中：
当弹性杆接触围岩表面后，伺服液压伸缩杆伸长速率变为1cm/s。
如上所述的建立岩石回弹数与单轴抗压强度之间拟合函数关系UCS＝f(Hr)，包括以下步骤：
步骤1.1、初始化PSO算法中的粒子种群规模N、粒子种群最大速度Vmax、粒子种群权重因子、粒子种群随机位置及粒子种群速度；初始化GEP算法中的种群个数n、转座率p、重组率r、变异率m、组成染色体的函数符号集F和终结符号集T，
选定组成染色体的函数符号集F＝{+,-,×,/,sqrt,exp,log,pow}，
选定终结符集T＝{P1,P2,P3,P4,P5,P6,P7,P8,P9,P10,P11,Hr}；
步骤1.2、确定染色体及确定染色体适应度函数，染色体包括头部基因和尾部基因，头部基因是由函数符号集合F中的运算符和终结符集T中的参数编码构成，尾部基因只由终结符集T中的参数编码构成；
步骤1.3、在步骤1.1初始化PSO算法的粒子种群随机位置和粒子种群速度后，每个粒子执行步骤1.2的染色体适应度函数计算后返回染色体适应度与粒子经过最好位置的染色体适应度进行比较，从而不断调整粒子种群的速度和位置进而相应改变染色体种群的变异率，经过变异过程和步骤1.1设定的转座率和重组过程后找到染色体适应度高的染色体种群；
步骤1.4、按照步骤1.3反复对比并向下遗传染色体适应度高的染色体种群，经过遗传循环设定次数后，最终输出染色体适应度最高的染色体，染色体适应度最高的染色体的头部基因中的运算符和参数编码尾部基因中的参数编码映射到岩石回弹数与单轴抗压强度之间拟合函数关系中，确定岩石回弹数与单轴抗压强度函数关系。
本发明与现有技术相比，具有以下优点和效果：
1、借助现场易于操作的回弹试验，科学地挖掘出室内多类岩样回弹数与岩石单轴抗压强度拟合公式，摒弃了以往先确定拟合函数类型的弊端，达到完全依赖现有数据集自学习自适应获得拟合函数关系，可高效精确获取岩体强度参数逐步揭示围岩条件的变化趋势信息，以期达到随TBM掘进过程预警灾害和指导现场支护施工的目的。
2、基于目标定位、数字识别快速高效的YOLOv3深度学习模型，避免了传统人工读数误差和统计结构面人为因素影响，使得数据读取与结构面参数计算更加快速准确。
3、综合现场岩体回弹试验及科学化提出回弹数与岩石单轴抗压强度函数关系式与智能化结构面统计计算数据，避免传统单一数据对施工指导的片面性，使敞开式TBM掘进施工过程更加智能化、科学化。
附图说明
图1为GEP算法基本组织结构图；
图2为通过PSO-GEP确定岩石回弹数与单轴抗压强度函数关系的流程图；
图3为设备集成盒的及结构示意图；
图4为测区内回弹试验测点分布示意图；
图5为适用于敞开式TBM隧道的获取围岩参数的装置的结构示意图；
图6为适用于敞开式TBM隧道的获取围岩参数的装置的数据传输示意图；
图7为岩石回弹数的测量流程图；
图8为基于YOLOv3深度学习的裂隙定位模型训练流程图；
图9为MATLAB裂隙几何参数计算程序流程图；
图中标记为：1-弹性杆、2-前端无线围岩摄像仪、3-内部无线回弹示数摄像仪、4-内部LED光源、5-Q值回弹仪、6-尾端电源接线柱、7-设备集成盒、8-伺服液压旋转油缸、9-伸缩杆、10-设备安放箱、11-外部电源接口、12-电动舱门、13-滑轨装置、14-无线wifi终端、15-伺服液压驱动装置、16-现场PC计算机、17-阿里云服务器。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
如图1、3、4所示，适用于敞开式TBM隧道自动快速获取围岩参数的装置，包括：控制系统、回弹系统、数据采集系统、无线传输系统和云端处理储存系统。
控制系统包括现场PC计算机16、伺服液压驱动装置15、伺服液压旋转油缸8、伺服液压伸缩杆9、滑轨装置13；
回弹系统包括2台Q值回弹仪5；
数据采集系统包括2个前端无线围岩摄像仪2、一个内部无线回弹示数摄像仪3和1个内部LED光源4；
无线传输系统包括无线网络终端14；
云端处理储存系统包括阿里云服务器17。
滑轨装置13的滑轨部设置在TBM设备侧面，滑轨装置13的滑块部与设备安放箱10一侧固定连接，设备安放箱10另一对侧设置有电动舱门12，伺服液压伸缩杆9的固定部设置在设备安放箱10内，伺服液压伸缩杆9的伸缩部与伺服液压旋转油缸8的固定部连接，伺服液压旋转油缸8的旋转部与设备集成盒7连接，两个Q值回弹仪5的固定部设置在设备集成盒7内，两个Q值回弹仪5的弹性杆1穿过设备集成盒7前端面开设的弹击杆孔，设备集成盒7前端面还设置有两个前端无线围岩摄像仪2，两个Q值回弹仪5的弹性杆1以设备集成盒7的中心轴线对称分布，两个前端无线围岩摄像仪2以设备集成盒7的中心轴线对称分布，两个Q值回弹仪5的弹性杆1之间垂线的垂直于两个前端无线围岩摄像仪2的连线，即两个Q值回弹仪5的弹性杆1和两个前端无线围岩摄像仪2在设备集成盒7的前端面均匀间隔分布。设备集成盒7的前端面还设置有无线测距仪，设备集成盒7内设置有内部无线回弹示数摄像仪3和内部LED光源4。
伺服液压旋转油缸8、伺服液压伸缩杆9和滑轨装置13均与伺服液压驱动装置15连接，伺服液压驱动装置15与现场PC计算机16连接，现场PC计算机16通过无线wifi终端14与阿里云服务器17连接。
内部LED光源4、电动舱门12、无线测距仪、内部无线回弹示数摄像仪3、两个前端无线围岩摄像仪2均通过无线wifi终端14与现场PC计算机16连接，现场PC计算机16通过无线wifi终端14与阿里云服务器17连接。
阿里云服务器17通过无线wifi终端14发送旋转指令、伸缩指令和滑动指令到现场PC计算机16，现场PC计算机16通过旋转指令和伺服液压驱动装置15控制伺服液压旋转油缸8旋转，现场PC计算机16通过伸缩指令和伺服液压驱动装置15控制伺服液压伸缩杆9伸缩，现场PC计算机16通过滑动指令和伺服液压驱动装置15控制滑轨装置13滑动。
阿里云服务器17通过无线wifi终端14发送舱门开合指令和光源开关指令到现场PC计算机16，现场PC计算机16根据舱门开合指令和光源开关指令通过无线wifi终端14控制电动舱门12开合，控制内部LED光源4开启和关闭。
内部无线回弹示数摄像仪3将读取的两个Q值回弹仪5的数显回弹强度示数图像通过无线wifi终端14发送到现场PC计算机16，现场PC计算机16将数显回弹强度示数图像通过无线wifi终端14发送到阿里云服务器17。
两个前端无线围岩摄像仪2将采集的围岩壁图像通过无线wifi终端14发送到现场PC计算机16，现场PC计算机16将围岩壁图像通过无线wifi终端14发送到阿里云服务器17。
无线测距仪将测量的距离值通过无线wifi终端14发送到现场PC计算机16，现场PC计算机16通过无线wifi终端14将无线测距仪将测量的距离值发送到阿里云服务器17。
控制系统过程为阿里云服务器17通过无线wifi终端14远程操控现场PC计算机16进而启闭伺服液压驱动装置15，实现无人化设备启闭全过程。Q值回弹仪5采用RockSchmidtN型Q值数显式回弹仪，测量的是冲击前后弹击杆1的速度，优化了传统机械式回弹仪的测量原理。2台Q值回弹仪5通过设备集成盒7预留的弹击杆孔和尾端涂抹AB胶固定在集成盒7内部。内部无线回弹示数摄影仪3，在内部LED光源4照明下捕捉2台Q值回弹仪5的数显回弹强度示数图像，通过两个前端围岩摄影仪2采集到围岩壁图像。
阿里云服务器17将收到的数显回弹强度示数图像输入到数字识别模型中，识别出岩石回弹数，阿里云服务器17将收到的围岩壁图像到YOLOv3裂隙定位模型中，识别出围岩结构面信息，将识别出的岩石回弹数输入到PSO-GEP函数挖掘模型中，得到岩石单轴抗压强度；将识别出的围岩结构面信息输入到MATLAB裂隙几何参数计算程序中，识别裂隙的几何参数(宽度、长度、方向)，分别完成裂隙定位、岩石单轴抗压强度值计算与结构面信息统计等工作。根据本发明测试装置相对掌子面位置推算测区桩号，最后将测试时间、桩号、岩石回弹数、岩石单轴抗压强度、裂隙的几何参数等数据形成一条测区记录，保存至云端服务器17的MySQL数据库中。对比传统人工回弹实验和计量测区裂隙来说，改良了岩石回弹数与岩石单轴抗压强度拟合过程的科学性，摒弃了原有先确定函数类型的弊端。同时YOLOv3深度学习算法的引入大大提升了读数、分析及处理数据的效率，可为现场施工安全高效施工及工程灾害预警提供重要参考。
一种适用于敞开式TBM隧道自动快速获取围岩参数的方法，主要包括以下步骤：
步骤1、采集多类岩石试样制成直径50mm×高度100mm的岩石样本，每类岩石样本5块，每块岩石样本均用Q值回弹仪测试16次后取平均值，获得岩石回弹测量数，然后在RMT岩石力学试验机上进行岩样单轴压缩试验，获得岩石单轴抗压强度测量值，获得每类岩石样本的多组岩石回弹测量数Hr与对应岩石单轴抗压强度测量值UCS。PSO-GEP函数挖掘模型训练过程如下：
步骤1.1、初始化PSO-GEP函数挖掘模型参数。包括初始化PSO算法中的粒子种群规模N、粒子种群最大速度Vmax、粒子种群权重因子、粒子种群随机位置及粒子种群速度；还包括初始化GEP算法中的种群个数n、转座率p、重组率r、变异率m、组成染色体的函数符号集F和终结符号集T等。
本实施例中，初始化PSO算法中的群体规模N＝40；GEP算法中的种群个数n＝500，转座率p＝0.01，重组率r＝0.7，变异率m＝0.1，
选定组成染色体的函数符号集F＝{+,-,×,/,sqrt,exp,log,pow}，
选定终结符集T＝{P1,P2,P3,P4,P5,P6,P7,P8,P9,P10,P11,Hr}，
函数符号集中的运算符分别为：+为加法符，-为减法符，×为乘法符，/为除法符，sqrt为平方根运算符，exp为指数运算符，log为对数运算符，pow为幂函数运算符，终结符集中的参数编码包括岩石回弹测量数与岩石单轴抗压强度测量值之间函数关系中的参数编码P1～P11，终结符集中的参数编码还包括岩石回弹测量数Hr。
步骤1.2、确定染色体及确定染色体适应度函数。染色体包括头部基因和尾部基因，其中头部基因是由函数符号集合F中的运算符和终结符集T中的参数编码构成，尾部基因是只由终结符集T中的参数编码构成，形成染色体种群后，根据计算的适应度，选择适应度高的染色体继续遗传。
其中，适应度计算包括以下步骤：
先解码染色体成岩石回弹数与单轴抗压强度之间拟合函数关系：
UCS＝L(Hr)＝Pa*f1(Hr)+Pb*sqrt(f2(Hr))+Pc*exp(f3(Hr))+Pd*log(f4(Hr))+Pe*pow(f5(Hr))
UCS为岩石单轴抗压强度值，Hr为岩石回弹测量数，f1(Hr)、f2(Hr)、f3(Hr)、f4(Hr)、f5(Hr)分别为按照语法规则映射编码染色体头部基因和尾部基因得到关于Hr的多项式，Pa、Pb、Pc、Pd、Pe分别为拟合系数，Pa～e∈P1～11，L(Hr)为岩石回弹数与单轴抗压强度之间拟合函数；
然后选定函数拟合度R2为染色体适应度，其中L(Hri)为将第i块岩石样本的岩石回弹测量数代入到岩石回弹数与单轴抗压强度之间拟合函数，预测得到的第i块岩石样本的岩石单轴抗压强度值，Hri为第i块岩石样本的岩石回弹测量数，UCSi为第i块岩石样本测量的岩石单轴抗压强度值，/>为各个岩石样本测量的岩石单轴抗压强度值的平均值，n为岩石样本总数。
步骤1.3、基于PSO算法的染色体变异率确定。为快速找到适应度最大的染色体，本发明采用PSO算法引导改变染色体遗传变异率，在步骤1.1初始化PSO算法的粒子种群随机位置和粒子种群速度后，每个粒子执行步骤1.2的染色体适应度计算后返回染色体适应度与粒子经过最好位置的染色体适应度进行比较，从而不断调整粒子种群的速度和位置进而相应改变染色体种群的变异率，经过变异过程和步骤1.1设定的转座率和重组过程后找到在自身遗传过程中历经取值内染色体适应度高的染色体种群。
步骤1.4、解码函数关系式。按照步骤1.3反复对比并向下遗传染色体适应度高的染色体种群，经过遗传循环1000次后，最终输出染色体适应度最高的染色体。最后依次从左到右顺序读取染色体适应度最高的染色体的头部基因中的运算符和参数编码尾部基因中的参数编码，根据语法规则将上述读取的序列映射到岩石回弹数与单轴抗压强度之间拟合函数关系中，确定岩石回弹数与单轴抗压强度函数关系：
UCS＝L(Hr)＝Pa*f1(Hr)+Pb*sqrt(f2(Hr))+Pc*exp(f3(Hr))+Pd*log(f4(Hr))+Pe*pow(f5(Hr))
现有YOLOv3基础模型在金属表面缺陷检测应用比较广泛，在混凝土裂隙识别上有较少应用，本发明将已经在通用大数据库(包括数字)中训练好的YOLOv3基础模型进行迁移学习识别围岩裂隙，即YOLOv3基础模型就已经具备示数识别能力。在此基础上采集现场1mm及以上的裂隙照片做为YOLOv3模型的训练集，训练得到YOLOv3裂隙定位模型，快速定位裂隙位置，后续通过MATLAB裂隙几何参数计算程序计算裂隙的几何参数(宽度、长度、方向)；
最后将数字识别模型、PSO-GEP函数挖掘模型建立的UCS＝L(Hr)函数关系、YOLOv3裂隙定位模型、MATLAB裂隙几何参数计算程序等建立在阿里云服务器17上。
步骤2、阿里云服务器17远程控制现场PC计算机16打开设备安放箱10的电动舱门12，伺服液压驱动装置15驱动伸缩杆9，将设备集成盒7推送出设备安放箱10。
步骤3、当设备安放箱10完全推出舱门12后，2个前端无线围岩摄像仪2捕捉测区的围岩壁图像，如发现前端无线围岩摄像仪2正对围岩表面已立钢拱架等不利情况，阿里云服务器17远程控制现场PC计算机16驱动伺服液压驱动装置15，伺服液压驱动装置15驱动滑轨装置13，可使前端无线围岩摄像仪2平移到可观测完整围岩壁的最佳位置。伺服液压驱动装置15驱动伺服液压伸缩杆9继续伸长，当弹性杆1距围岩表面约40cm时，伺服液压伸缩杆9伸长速率由原来15cm/s变为5cm/s，当弹性杆1接触围岩表面后，伺服液压伸缩杆9伸长速率变为1cm/s，目的是保护弹性杆1等设备，完成正常回弹试验操作。
步骤4、为减小围岩表面岩粉、岩屑导致回弹值不准确的误差，采用同一测点的2次回弹试验，同一测点的2次回弹试验完成后回缩伺服液压伸缩杆9使弹性杆1离开围岩表面约10cm，伺服液压驱动装置15驱动伺服液压旋转油缸8旋转，带动设备集成盒7旋转45°再次进行同一测点的2次回弹试验，如图2测区回弹试验测点分布示意图。当旋转私服液压旋转油缸8旋转7次后停止回弹及旋转操作，每个测区共获得8测点×2次＝16张数显回弹强度示数图像。
步骤5、同一测点的回弹试验完成后，阿里云服务器17远程控制伺服液压驱动装置15驱动伸缩杆9收回设备集成盒7至设备安放箱10中，关闭电动舱门12。这样操作的目的是降低现场大量灰尘覆盖前端无线围岩摄像仪2和内部无线回弹示数摄像仪3影响摄影仪拍照视觉的可能性，同时也避免设备被重物撞击损坏。收回设备集成盒7至设备安放箱10后，设备集成盒7上设置的电源接线柱6咬合设备安放箱10上的外部电源接口11，外部电源接口11通过电源接线柱6为无线测距仪、内部无线回弹示数摄像仪、2个前端无线围岩摄像仪2、内部LED光源4和电动舱门12充电，以待下一次测试使用。
步骤6、16个数显回弹强度示数图像和体现围岩完整性的围岩壁图像自动通过无线Wifi终端14上传至现场PC计算机16，现场PC计算机16通过无线Wifi终端14上传到阿里云服务器17，阿里云服务器17将收到的数显回弹强度示数图像输入到数字识别模型中，识别出16个岩石回弹数，去除3个最大的岩石回弹数和3个最小的岩石回弹数，计算剩余的10个岩石回弹数的平均值作为测区的岩石回弹数；阿里云服务器17将收到的围岩壁图像到YOLOv3裂隙定位模型中，识别出围岩结构面信息，将识别出的岩石回弹数输入到PSO-GEP函数挖掘模型中得到的函数关系UCS＝L(Hr)，得到岩石单轴抗压强度；将识别出的围岩结构面信息输入到MATLAB裂隙几何参数计算程序中，识别裂隙的几何参数(宽度、长度、方向)。
步骤7、根据本发明测试装置相对掌子面位置推算测区桩号，将测区的时间、桩号、步骤6中得到的岩石单轴抗压强度、裂隙的几何参数等融合形成一条测区记录，存储在阿里云服务器17的MySQL数据库中，不断循环重复步骤1～7，完成对敞开式TBM隧道围岩参数快速测试工作，并为现场施工提供及时的灾害预警信息。
需要指出的是，本发明中所描述的具体实施例仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例作各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或超越所附权利要求书所定义的范围。
Claims (7)
1.适用于敞开式TBM隧道的获取围岩参数的装置，包括Q值回弹仪(5)，其特征在于，还包括滑轨装置(13)，滑轨装置(13)的滑轨部设置在TBM设备侧面，滑轨装置(13)的滑块部与设备安放箱(10)一侧固定连接，设备安放箱(10)另一对侧设置有电动舱门(12)，伺服液压伸缩杆(9)的固定部设置在设备安放箱(10)内，伺服液压伸缩杆(9)的伸缩部与伺服液压旋转油缸(8)的固定部连接，伺服液压旋转油缸(8)的旋转部与设备集成盒(7)连接，两个Q值回弹仪(5)的固定部设置在设备集成盒(7)内，两个Q值回弹仪(5)的弹性杆(1)穿过设备集成盒(7)前端面开设的弹击杆孔，设备集成盒(7)前端面还设置有两个前端无线围岩摄像仪(2)，设备集成盒(7)的前端面还设置有无线测距仪，设备集成盒(7)内设置有内部无线回弹示数摄像仪(3)和内部LED光源(4)，
伺服液压旋转油缸(8)、伺服液压伸缩杆(9)和滑轨装置(13)均与伺服液压驱动装置(15)连接，伺服液压驱动装置(15)与现场PC计算机(16)连接，
内部LED光源(4)、电动舱门(12)、无线测距仪、内部无线回弹示数摄像仪(3)、两个前端无线围岩摄像仪(2)均通过无线wifi终端(14)与现场PC计算机(16)连接，
现场PC计算机(16)通过无线wifi终端(14)与阿里云服务器(17)连接。
2.根据权利要求1所述的适用于敞开式TBM隧道的获取围岩参数的装置，其特征在于，所述的设备安放箱(10)上设置有外部电源接口(11)，设备集成盒(7)上设置有电源接线柱(6)，设备集成盒(7)在伺服液压伸缩杆(9)的驱动下缩回至设备安放箱(10)后，外部电源接口(11)和电源接线柱(6)咬合。
3.根据权利要求2所述的适用于敞开式TBM隧道的获取围岩参数的装置，其特征在于，所述的电源接线柱(6)分别与无线测距仪、内部无线回弹示数摄像仪(3)、内部LED光源(4)、电动舱门(12)、以及2个前端无线围岩摄像仪(2)连接。
4.适用于敞开式TBM隧道的获取围岩参数的方法，利用权利要求1所述的适用于敞开式TBM隧道的获取围岩参数的装置，其特征在于，包括以下步骤：
步骤1、采集多类岩石试样制成的岩石样本，每类岩石样本为多块，每块岩石样本均用Q值回弹仪测试多次后取平均值，获得岩石回弹测量数，然后每块岩石样本在RMT岩石力学试验机上进行岩样单轴压缩试验，获得岩石单轴抗压强度测量值，获得每类岩石样本的多组岩石回弹测量数与对应岩石单轴抗压强度测量值，建立岩石回弹数与单轴抗压强度之间拟合函数关系UCS＝f(Hr)；
将数字识别模型、石回弹数与单轴抗压强度之间拟合函数关系UCS＝f(Hr)、YOLOv3裂隙定位模型、MATLAB裂隙几何参数计算程序建立在阿里云服务器(17)上；
步骤2、阿里云服务器(17)远程控制现场PC计算机(16)打开设备安放箱(10)的电动舱门(12)，伺服液压驱动装置(15)驱动伺服液压伸缩杆(9)将设备集成盒(7)推送出设备安放箱(10)，
步骤3、当设备安放箱(10)完全推出电动舱门(12)后，2个前端无线围岩摄像仪(2)捕捉测区的围岩壁图像，伺服液压驱动装置(15)驱动伺服液压伸缩杆(9)继续伸长，当弹性杆(1)距围岩表面设定距离时，伺服液压伸缩杆(9)伸长速率降低，直至弹性杆(1)接触围岩表面后，进行同一测点的2次回弹试验，
步骤4、同一测点的2次回弹试验完成后，回缩伺服液压伸缩杆(9)使弹性杆(1)离开围岩表面，伺服液压驱动装置(15)驱动伺服液压旋转油缸(8)旋转，带动设备集成盒(7)旋转设定角度，再次进行同一测点的另外2次回弹试验，对于同一个测点获得多个数显回弹强度示数图像；
步骤5、同一个测点的回弹试验完成后，阿里云服务器(17)远程控制伺服液压驱动装置(15)驱动伺服液压伸缩杆(9)收回设备集成盒(7)至设备安放箱(10)中，关闭电动舱门(12)，设备集成盒(7)上设置的电源接线柱(6)咬合设备安放箱(10)上的外部电源接口(11)，外部电源接口(11)通过电源接线柱(6)为无线测距仪、内部无线回弹示数摄像仪、2个前端无线围岩摄像仪(2)、内部LED光源(4)和电动舱门(12)充电，
步骤6、多个数显回弹强度示数图像和体现围岩完整性的围岩壁图像通过无线Wifi终端(14)上传至现场PC计算机(16)，现场PC计算机(16)通过无线Wifi终端(14)上传到阿里云服务器(17)，
阿里云服务器(17)将收到的数显回弹强度示数图像输入到数字识别模型中，识别出多个岩石回弹数，去除最大的岩石回弹数和最小的岩石回弹数，计算剩余的岩石回弹数的平均值作为测区的岩石回弹数；
阿里云服务器(17)将收到的围岩壁图像到YOLOv3裂隙定位模型中，识别出围岩结构面信息，将识别出的岩石回弹数输入到岩石回弹数与单轴抗压强度之间拟合函数关系中，得到岩石单轴抗压强度；
将识别出的围岩结构面信息输入到MATLAB裂隙几何参数计算程序中，识别裂隙的几何参数，
步骤7、根据所在掌子面位置推算测区桩号，将测区的时间、桩号、步骤6中得到的岩石单轴抗压强度、裂隙的几何参数等融合形成一条测区记录，存储在阿里云服务器(17)的MySQL数据库中。
5.根据权利要求4中的适用于敞开式TBM隧道的获取围岩参数的方法，其特征在于，所述的步骤3中：
如发现前端无线围岩摄像仪(2)正对围岩表面已立钢拱架的情况，阿里云服务器(17)远程控制现场PC计算机(16)驱动伺服液压驱动装置(15)，伺服液压驱动装置(15)驱动滑轨装置(13)，使前端无线围岩摄像仪(2)平移到可观测完整围岩壁的位置。
6.根据权利要求4中的适用于敞开式TBM隧道的获取围岩参数的方法，其特征在于，所述的步骤3中：
当弹性杆(1)接触围岩表面后，伺服液压伸缩杆(9)伸长速率变为1cm/s。
7.根据权利要求4中的适用于敞开式TBM隧道的获取围岩参数的方法，其特征在于，所述的建立岩石回弹数与单轴抗压强度之间拟合函数关系UCS＝f(Hr)，包括以下步骤：
步骤1.1、初始化PSO算法中的粒子种群规模N、粒子种群最大速度Vmax、粒子种群权重因子、粒子种群随机位置及粒子种群速度；初始化GEP算法中的种群个数n、转座率p、重组率r、变异率m、组成染色体的函数符号集F和终结符号集T，
选定组成染色体的函数符号集F＝{+,-,×,/,sqrt,exp,log,pow}，
选定终结符集T＝{P1,P2,P3,P4,P5,P6,P7,P8,P9,P10,P11,Hr}；
步骤1.2、确定染色体及确定染色体适应度函数，染色体包括头部基因和尾部基因，头部基因是由函数符号集合F中的运算符和终结符集T中的参数编码构成，尾部基因只由终结符集T中的参数编码构成；
步骤1.3、在步骤1.1初始化PSO算法的粒子种群随机位置和粒子种群速度后，每个粒子执行步骤1.2的染色体适应度函数计算后返回染色体适应度与粒子经过最好位置的染色体适应度进行比较，从而不断调整粒子种群的速度和位置进而相应改变染色体种群的变异率，经过变异过程和步骤1.1设定的转座率和重组过程后找到染色体适应度高的染色体种群；
步骤1.4、按照步骤1.3反复对比并向下遗传染色体适应度高的染色体种群，经过遗传循环设定次数后，最终输出染色体适应度最高的染色体，染色体适应度最高的染色体的头部基因中的运算符和参数编码尾部基因中的参数编码映射到岩石回弹数与单轴抗压强度之间拟合函数关系中，确定岩石回弹数与单轴抗压强度函数关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011635707.1A CN112765874B (zh) | 2020-12-31 | 2020-12-31 | 适用于敞开式tbm隧道的获取围岩参数的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011635707.1A CN112765874B (zh) | 2020-12-31 | 2020-12-31 | 适用于敞开式tbm隧道的获取围岩参数的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112765874A CN112765874A (zh) | 2021-05-07 |
| CN112765874B true CN112765874B (zh) | 2023-09-26 |
Family
ID=75698101
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011635707.1A Active CN112765874B (zh) | 2020-12-31 | 2020-12-31 | 适用于敞开式tbm隧道的获取围岩参数的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112765874B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113468807B (zh) * | 2021-06-29 | 2023-04-07 | 湖南科技大学 | 一种岩石单轴抗压强度经验公式的确定方法 |
| CN113674264B (zh) * | 2021-08-27 | 2024-09-06 | 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 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090017770A (ko) * | 2007-08-16 | 2009-02-19 | (사)한국도로교통협회 | 콘크리트 포장 압축강도의 비파괴 검사를 위한 면 타격반발도 시험기 |
| CN109740119A (zh) * | 2019-01-23 | 2019-05-10 | 山东大学 | 一种tbm掘进隧洞围岩单轴抗压强度快速估算方法 |
| CN110186792A (zh) * | 2019-06-20 | 2019-08-30 | 中国电建集团成都勘测设计研究院有限公司 | 双护盾tbm掌子面岩体强度快速测试装置 |
| CN111125872A (zh) * | 2019-11-11 | 2020-05-08 | 中铁隧道局集团有限公司 | 一种用于tbm掘进隧道的岩爆预测方法 |
| CN111457962A (zh) * | 2020-05-09 | 2020-07-28 | 同济大学 | 一种隧道内部病害的快速检测方法和检测装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7127933B2 (en) * | 2004-08-10 | 2006-10-31 | Acushnet Company | High speed resiliometer |
| US11448576B2 (en) * | 2016-07-06 | 2022-09-20 | Shandong University | Multifunctional true triaxial rock drilling test system and method |
-
2020
- 2020-12-31 CN CN202011635707.1A patent/CN112765874B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090017770A (ko) * | 2007-08-16 | 2009-02-19 | (사)한국도로교통협회 | 콘크리트 포장 압축강도의 비파괴 검사를 위한 면 타격반발도 시험기 |
| CN109740119A (zh) * | 2019-01-23 | 2019-05-10 | 山东大学 | 一种tbm掘进隧洞围岩单轴抗压强度快速估算方法 |
| CN110186792A (zh) * | 2019-06-20 | 2019-08-30 | 中国电建集团成都勘测设计研究院有限公司 | 双护盾tbm掌子面岩体强度快速测试装置 |
| CN111125872A (zh) * | 2019-11-11 | 2020-05-08 | 中铁隧道局集团有限公司 | 一种用于tbm掘进隧道的岩爆预测方法 |
| CN111457962A (zh) * | 2020-05-09 | 2020-07-28 | 同济大学 | 一种隧道内部病害的快速检测方法和检测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112765874A (zh) | 2021-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112765874B (zh) | 适用于敞开式tbm隧道的获取围岩参数的方法和装置 | |
| CN108930539B (zh) | 一种基于bim隧道超欠挖控制的方法 | |
| CN101294917B (zh) | 一种采用水下机器人对于输水道井内检测的方法 | |
| US11796493B2 (en) | System and method for identifying lithology based on images and XRF mineral inversion | |
| CN109740119B (zh) | 一种tbm掘进隧洞围岩单轴抗压强度快速估算方法 | |
| CN109612943A (zh) | 基于机器学习的隧洞岩石石英含量测试系统及方法 | |
| CN108955552B (zh) | 巷/隧道表面非均匀位移的非接触式测量系统及方法 | |
| SE1630051A1 (en) | System and method for analyzing drill core samples. | |
| WO2022007365A1 (zh) | Tbm搭载式矿物成分检测方法、超前地质预报方法及系统 | |
| AU2020342222B2 (en) | Predicting system and method for quartz content of surrounding rock in tunnel based on image identification and analysis | |
| CN104359422B (zh) | 一种钻孔摄像探测空腔几何轮廓的装置及方法 | |
| CN116468939A (zh) | 一种基于神经网络的隧道掌子面围岩智能分级方法 | |
| CN118167196B (zh) | 一种钻探设备及钻探方法 | |
| CN113569428A (zh) | 隧洞异常检测方法、装置及系统 | |
| CN112878992A (zh) | 基于数据特征识别钻孔作业效率评价系统及方法 | |
| CN109765097A (zh) | 一种基于rpd钻机的隧道围岩快速分类方法 | |
| CN112801035B (zh) | 基于知识与数据双驱动的搭载式岩性智能识别方法及系统 | |
| CN111734397B (zh) | 一种近钻头磁场成像定位测量仪及工作方法 | |
| CN114753761B (zh) | 一种工程现场原位测量的数字钻进设备及测量方法 | |
| CN111340763A (zh) | 一种隧道开挖面岩体破碎程度快速测量方法 | |
| CN212254178U (zh) | 岩石岩性确定系统 | |
| CN116721223A (zh) | 一种基于倾斜摄影和随钻测量技术的岩体稳定性分析方法 | |
| CN112857340B (zh) | 一种全智能凿岩台车虚拟掌子面定位方法及装置 | |
| CN110359905A (zh) | 一种基于人工神经网络获取围岩力学参数的装置及方法 | |
| CN114248249B (zh) | 一种复杂岩壁石质文物智能探测机器人 |
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 |