CN113536603A - 一种tbm岩体条件相关利用率的预测方法 - Google Patents
一种tbm岩体条件相关利用率的预测方法 Download PDFInfo
- Publication number
- CN113536603A CN113536603A CN202110965000.5A CN202110965000A CN113536603A CN 113536603 A CN113536603 A CN 113536603A CN 202110965000 A CN202110965000 A CN 202110965000A CN 113536603 A CN113536603 A CN 113536603A
- Authority
- CN
- China
- Prior art keywords
- tbm
- rock
- tunneling
- rock mass
- utilization rate
- 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.)
- Pending
Links
- 239000011435 rock Substances 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 18
- 206010057175 Mass conditions Diseases 0.000 title description 7
- 230000005641 tunneling Effects 0.000 claims abstract description 48
- 238000010276 construction Methods 0.000 claims abstract description 25
- 230000035515 penetration Effects 0.000 claims abstract description 7
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000005299 abrasion Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 239000003673 groundwater Substances 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000010485 coping Effects 0.000 abstract description 2
- 238000002474 experimental method Methods 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
Images
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
-
- 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
- E21D9/11—Making by using boring or cutting machines with a rotary drilling-head cutting simultaneously the whole cross-section, i.e. full-face machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Geophysics And Detection Of Objects (AREA)
- Excavating Of Shafts Or Tunnels (AREA)
Abstract
本发明公开了一种TBM岩体条件相关利用率的预测方法，该预测方法包括以下步骤：建立TBM预测模型，使TBM模型接近地质条件，理论实验结合试验，获取所处环境下力学参数；模拟岩层分级预测TBM掘进性能，TBM掘进环境下根据岩体分级应对可掘性，以评估围岩稳定性来预测TBM掘进性能相关性研究；数据库的建立，TBM的掘进通过掘进速率、施工进度、利用率以及贯入度指数衡量，并在不同岩性岩石质量环境下以及施工过程中操作因素对TBM性能参数影响进行记录；TBM掘进性能分析，岩体分级与BM掘进性能相关，通过掘进速率、施工进度、利用率以及贯入度指数进行公式计算，分析岩体地质条件对施工进度的影响，本发明根据岩体质地条件可以较好的分析预测TBM掘进的性能。
Description
技术领域
本发明涉及TBM掘进性能分析预测技术领域，具体为一种TBM岩体条件相关利用率的预测方法。
背景技术
TBM隧洞施工具有掘进效率高、成洞质量好、安全环保、自动化程度高等优点，成为我国长隧洞施工的优先选择方法。但是TBM施工对地质条件的依从性显著，不同地质条件下的TBM掘进性能存在明显差异。当出现极端不良地质条件时，TBM的适应性极差，导致掘进效率低下甚至出现卡机等事故，极大地增加施工成本且滞后工期。因此，准确预测TBM在不同地质条件下的掘进性能，对于隧洞施工工期预测及成本控制等具有重大意义。TBM利用率作为影响其掘进性能的重要因素之一，对TBM利用率进行准确评估和预测可降低工程的工期和经济风险，从而实现TBM施工效益的最大化。
当TBM穿越扰动地层时，如果地层存在剪胀节理或节理间距较小，将很可能导致地层超挖或塌方事故；而TBM在高地应力地层掘进时，高地应力将引发开挖面围岩的剪裂，从而严重影响TBM的掘进性能，由此可见TBM岩体条件相关利用率的预测分析尤为重要。
发明内容
本发明的目的是提供一种TBM岩体条件相关利用率的预测方法，应用岩体质地条件可以较好的分析预测TBM掘进的性能，增加TBM掘进速率及利用率。
为实现上述目的，本发明提供如下技术方案：该预测方法包括以下步骤：建立TBM模型，使TBM模型接近地质条件，理论实验结合试验，获取所处环境下力学参数；模拟岩层分级预测TBM掘进性能，TBM掘进环境下根据岩体分级应对可掘性，以评估围岩稳定性来预测TBM掘进性能相关性研究；数据库的建立，TBM的掘进通过掘进速率、施工进度、利用率以及贯入度指数衡量，并在不同岩性岩石质量环境下以及施工过程中操作因素对TBM性能参数影响进行记录；TBM掘进性能分析，岩体分级与BM掘进性能相关，通过掘进速率、施工进度、利用率以及贯入度指数进行公式计算，分析岩体地质条件对施工进度的影响。
进一步的，所述TBM预测模型包括破岩机制以及岩体状态，其中破岩机制包括TBM破岩刀具的形状及TBM破岩刀具进入岩体内部产生的微裂缝参数；岩体状态包括所处状态下的岩区及相对环境下地应力及地下水状况。
进一步的，所述模拟岩层分级预测TBM掘进性能中岩层分级包括五个岩体参数：岩块强度、岩块质量指标、节理间距、节理条件及地下水，而RMR等于五项参数之和，而岩层分级将与TBM掘进速率相关。
进一步的，所述数据库的建立中掘进速度（扭矩、贯入度、方向、刀具功率）、施工速度、停工时间、施工状态下刀具磨损变化及更换情况均实时进行数据上传。
进一步的，所述TBM掘进性能分析中RMR与利用率、掘进速度、施工进度均成相关关系。
与现有技术相比，本发明的有益效果是：本发明根据岩体质地条件可以较好的分析预测TBM掘进的性能，同时分析管控措施可减少不必要的停工，增加TBM掘进速率及利用率。
附图说明
图1为本发明TBM岩体条件相关利用率的预测方法框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：该方法包括以下步骤：1、建立TBM预测模型；2、模拟岩层分级预测TBM掘进性能；3、数据库的建立；4、TBM掘进性能分析。
所述TBM预测模型包括破岩机制以及岩体状态，其中破岩机制包括TBM破岩刀具的形状及TBM破岩刀具进入岩体内部产生的微裂缝参数；岩体状态包括所处状态下的岩区及相对环境下地应力及地下水状况。
所述模拟岩层分级预测TBM掘进性能中岩层分级包括五个岩体参数：岩块强度、岩块质量指标、节理间距、节理条件及地下水，而RMR等于五项参数之和，而岩层分级将与TBM掘进速率相关。
所述数据库的建立中掘进速度（扭矩、贯入度、方向、刀具功率）、施工速度、停工时间、施工状态下刀具磨损变化及更换情况均实时进行数据上传。
所述TBM掘进性能分析中RMR与利用率、掘进速度、施工进度均成相关关系。
本发明提出的TBM岩体条件相关利用率的预测方法应用中，分析预测岩体相对关系可以较好的评估TBM的掘进性能，同时地质条件较差导致的TBM掘进的停工，可用于围岩的支护，补充岩体强度，而施工设备及管理参数相对的控制，同时有利于增加TBM掘进速率及利用率，减少停工时间。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (5)
1.一种TBM岩体条件相关利用率的预测方法，其特征在于，该方法包括以下步骤：1、建立TBM预测模型；2、模拟岩层分级预测TBM掘进性能；3、数据库的建立；4、TBM掘进性能分析。
2.根据权利要求1所述的一种TBM岩体条件相关利用率的预测方法，其特征在于：所述TBM预测模型包括破岩机制以及岩体状态，其中破岩机制包括TBM破岩刀具的形状及TBM破岩刀具进入岩体内部产生的微裂缝参数；岩体状态包括所处状态下的岩区及相对环境下地应力及地下水状况。
3.根据权利要求1所述的一种TBM岩体条件相关利用率的预测方法，其特征在于：所述模拟岩层分级预测TBM掘进性能中岩层分级包括五个岩体参数：岩块强度、岩块质量指标、节理间距、节理条件及地下水，而RMR等于五项参数之和，而岩层分级将与TBM掘进速率相关。
4.根据权利要求1所述的一种TBM岩体条件相关利用率的预测方法，其特征在于：所述数据库的建立中掘进速度（扭矩、贯入度、方向、刀具功率）、施工速度、停工时间、施工状态下刀具磨损变化及更换情况均实时进行数据上传。
5.根据权利要求1所述的一种TBM岩体条件相关利用率的预测方法，其特征在于：所述TBM掘进性能分析中RMR与利用率、掘进速度、施工进度均成相关关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110965000.5A CN113536603A (zh) | 2021-08-23 | 2021-08-23 | 一种tbm岩体条件相关利用率的预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110965000.5A CN113536603A (zh) | 2021-08-23 | 2021-08-23 | 一种tbm岩体条件相关利用率的预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113536603A true CN113536603A (zh) | 2021-10-22 |
Family
ID=78122761
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110965000.5A Pending CN113536603A (zh) | 2021-08-23 | 2021-08-23 | 一种tbm岩体条件相关利用率的预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113536603A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116108587A (zh) * | 2023-03-03 | 2023-05-12 | 黄河勘测规划设计研究院有限公司 | 一种考虑多源信息不确定性的tbm利用率预测方法 |
-
2021
- 2021-08-23 CN CN202110965000.5A patent/CN113536603A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116108587A (zh) * | 2023-03-03 | 2023-05-12 | 黄河勘测规划设计研究院有限公司 | 一种考虑多源信息不确定性的tbm利用率预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Delisio et al. | Analysis and prediction of TBM performance in blocky rock conditions at the Lötschberg Base Tunnel | |
| Hassanpour et al. | Evaluation of common TBM performance prediction models based on field data from the second lot of Zagros water conveyance tunnel (ZWCT2) | |
| Hoek et al. | Rock slopes in civil and mining engineering | |
| Choi et al. | Numerical study to estimate the cutting power on a disc cutter in jointed rock mass | |
| CN107478803B (zh) | 一种隧道悬臂掘进机施工适应性分级方法 | |
| Zhang et al. | Application of block theory for evaluating face stability under disc cutters loading of TBM, case study of a water-conveyance tunnel project | |
| CN113536603A (zh) | 一种tbm岩体条件相关利用率的预测方法 | |
| Gong et al. | Tunnel boring machines (TBMs) in difficult grounds | |
| Bilgin et al. | Probe drilling ahead of Two TBMs in difficult ground conditions in Turkey | |
| Guo et al. | Influence analysis and relationship evolution between construction parameters and ground settlements induced by shield tunneling under soil-rock mixed-face conditions | |
| YAN et al. | Predicting TBM penetration rate with the coupled model of partial least squares regression and deep neural network | |
| CN115950947A (zh) | 一种tbm隧洞基于振动信号实时的地质参数预测方法 | |
| Prasad et al. | Challenges in drill equipment selection vis-à-vis underground excavations–a methodology | |
| Reyes-Montes et al. | Microseismic tools for the analysis of the interaction between open pit and underground developments | |
| Stavropoulou et al. | Characterization of rock masses based on geostatistical joint mapping and rock boring operations | |
| Yagiz et al. | Geological controls on the breakthrough of tunnel boring machines in hard rock crystalline terrains | |
| Bilgin et al. | The effect of EPB face pressure on TBM performance parameters in different geological formations of Istanbul | |
| Brady et al. | Rock mechanics and mining engineering | |
| Pandey et al. | Influence of geology on tunnel boring machine performance: A review | |
| You et al. | Stratigraphic identification using real-time drilling data | |
| Yang et al. | The influence of heading rate on roof stability in coal entry excavation | |
| Xue et al. | A Fine Simulation Analysis of Rock Fragmentation Mechanism of TBM Disc Cutter with DEM | |
| Wu et al. | Rapid profiling rock mass quality underneath tunnel face for Sichuan-Xizang Railway | |
| Sjölander et al. | Analysis of caving and ground deformations in Malmberget using a coupled CAVESIM-FLAC3D model | |
| Vara et al. | Optimizing the penetration rate of a TBM based on AI algorithms and evaluation of geological conditions in real-time |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |