CN115950947A - 一种tbm隧洞基于振动信号实时的地质参数预测方法 - Google Patents
一种tbm隧洞基于振动信号实时的地质参数预测方法 Download PDFInfo
- Publication number
- CN115950947A CN115950947A CN202211372583.1A CN202211372583A CN115950947A CN 115950947 A CN115950947 A CN 115950947A CN 202211372583 A CN202211372583 A CN 202211372583A CN 115950947 A CN115950947 A CN 115950947A
- Authority
- CN
- China
- Prior art keywords
- geological
- vibration
- parameters
- tbm
- geological parameters
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种TBM隧洞基于振动信号的地质参数实时预测方法，包括以下步骤：在TBM掘进过程中，获取TBM隧洞的地质参数，在不同的地质参数、相同的外部因素情况下实时监测TBM振动信号；振动监测是通过监测多个固定点位的监测点，得到水平、垂直、隧道轴向三个方向的振动参数；对振动数据进行小波变换获得时频图；将振动数据与对应时段的地质参数拆分为训练集、验证集和测试集；通过训练集数据，建立振动时频图与地质参数的关系模型；关系模型是选用小波变换基于卷积神经网络建立的预测模型；通过测试集数据，测试模型并进行模型参数优化；取验证集数据进行地质参数反演，验证振动信号与地质参数的回归关系；在模型种输入振动信号，预测地质参数。
Description
技术领域
本发明涉及隧道施工技术领域，具体涉及一种TBM隧洞基于振动信号实时的地质参数预测方法。
背景技术
大型掘进装备(tunnelboringmachine,TBM)是一个复杂的机械、电子、液压混合系统。与传统的钻爆方法相比，TBM具有安全、高效、环保等优点，在隧道施工中得到了广泛的应用。
TBM法隧道施工过程中，地质条件至关重要，直接对影响TBM施工过程。目前，在TBM隧洞施工中，地质探测主要通过超前地质预报，对施工干扰较大，地质分析需要专业技术人员，且选择地质预报的时机不好把握，时常造成塌腔、涌水、甚至卡机，严重制约施工进度。然而，隧道所经过的地层是多样而复杂的。隧道常伴有滑坡、崩塌、泥石流等危险地质现象。
TBM掘进参数的动态特性取决于TBM的运行参数数据。相反，掘进参数的近似范围完全取决于地质条件。TBM掘进参数预测优化数据集应包括地质特征数据和运行参数数据。
中国专利202210305215.9公开了一种基于地质信息和运行参数的TBM掘进参数实时预测方法，TBM驱动参数预测任务转化为预测周期范围为一个环段的多周期多变量时间序列预测任务，提出了一种利用地质特征和TBM运行参数数据进行TBM驱动参数预测的TransTP网络，该网络通过时间模式注意检测(TPAD)学习具有卷积分量的多周期特征表示，通过时间模式注意机制(TPAM)辅助深度网络提取输入的多元特征，进而有效地完成多周期、多变量的TBM掘进参数时间序列预测。
中国专利202010550394.3公开了一种根据TBM自振信息识别地层并调整掘进参数的方法，包括如下步骤：
S1.在TBM硬岩掘进机的刀盘后侧设置振动传感器及通讯处理模块；S2.在TBM操作区设置数据接收模块及数据处理模块；S3.设置振动传感器获取TBM硬岩掘进机刀盘的实时振动信息，并将振动信息通过通讯处理模块以及数据接收模块传递到数据处理模块；S4.设置数据处理模块分析TBM硬岩掘进机刀盘的实时振动信息，反演出实时掘进处的地质信息，再结合之前设定第一时间段内掘进的地质信信息，预测设定第二时间段之后掌子面的地质信息；S5.设置TBM硬岩掘进机根据预测的地质信息对掘进参数进行动态调整。
但是由于超前钻、地勘的不足，不能实时提供地质参数；由于TBM掘进过程中的地质不透明性，不能提前预警不良地质。
有鉴于此，需要提供一种TBM隧洞基于振动信号实时的地质参数预测方法。
发明内容
本发明所要解决的技术问题是一种TBM隧洞基于振动信号实时的地质参数预测方法。
为了达到上述目的，本发明有如下技术方案：一种TBM隧洞基于振动信号的地质参数实时预测方法，包括以下步骤：
S1、在TBM掘进过程中，获取TBM隧洞的地质参数，在不同的地质参数、相同的外部因素情况下实时监测TBM振动信号；
所述的获取TBM隧洞的地质参数包括地质勘探报告中的地质参数和TBM掘进过程中通过振动监测实时得到的地质参数；
所述的不同的地质参数包括抗压强度、抗拉强度、石英含量、围岩等级、裂隙发育情况或完整性；
所述的相同的外部因素为相同的TBM机型、开挖断面；
所述TBM掘进过程中的振动监测是监测多个固定点位的监测点，得到水平、垂直、隧道轴向三个方向的振动参数；所述的振动监测应覆盖不同的地质条件。
S2、对振动信号进行处理得到振动数据，对振动数据进行小波变换获得时频图；
S3、将振动数据与对应时段的地质参数拆分为训练集、验证集和测试集；
S4、通过训练集数据，建立振动时频图与地质参数的关系模型；
所述的关系模型是选用小波变换基于卷积神经网络建立的预测模型；
S5、通过测试集数据，测试模型并进行模型参数优化；
S6、取验证集数据进行地质参数反演，验证振动信号与地质参数的回归关系；
S7、在模型种输入振动信号，预测地质参数。
作为优选，所述的地质勘探报告中的地质参数通过钻孔取芯试验获得。
作为优选，所述的振动监测的固定点位为3个以上。
作为优选，所述的地质参数反演为建立一定强度范围的频率分布与围岩等级之间的相关关系。
作为优选，所述的地质参数反演为建立每个模态的主频与地质参数的回归关系。
采用上述技术方案所产生的有益效果在于：
1、在TBM施工过程中，通过不同地质条件下的振动监测，基于统计方法建立振动信号与围岩指标之间的相关关系，使振动信号能反映岩体信息。
2、消除了TBM掘进过程中的地质不透明性；
3、克服超前钻、地勘的不足，实时提供地质参数；
4、为TBM掘进参数的选取提供有效参考；
5、出现不良地质提前预警，提前进行不良地质处理，提高TBM的地质适应性。
附图说明
图1为一种TBM隧洞基于振动信号实时的地质参数预测方法流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。
本发明一种TBM隧洞基于振动信号的地质参数实时预测方法，包括以下步骤：
S1、在TBM掘进过程中，获取TBM隧洞的地质参数，在不同的地质参数、相同的外部因素情况下实时监测TBM振动信号；
所述的获取TBM隧洞的地质参数包括地质勘探报告中的地质参数和TBM掘进过程中通过振动监测实时得到的地质参数；
所述的不同的地质参数包括抗压强度、抗拉强度、石英含量、围岩等级、裂隙发育情况或完整性；
所述的相同的外部因素为相同的TBM机型、开挖断面；
所述TBM掘进过程中的振动监测是监测多个固定点位的监测点，得到水平、垂直、隧道轴向三个方向的振动参数；所述的振动监测应覆盖不同的地质条件。
S2、对振动信号进行处理得到振动数据，对振动数据进行小波变换获得时频图；
S3、将振动数据与对应时段的地质参数拆分为训练集、验证集和测试集；
S4、通过训练集数据，建立振动时频图与地质参数的关系模型；
所述的关系模型是选用小波变换基于卷积神经网络建立的预测模型；
S5、通过测试集数据，测试模型并进行模型参数优化；
S6、取验证集数据进行地质参数反演，验证振动信号与地质参数的回归关系；
S7、在模型种输入振动信号，预测地质参数。
实施例
本发明一种TBM隧洞基于振动信号的地质参数实时预测方法，包括以下步骤：
S1、在TBM掘进过程中，获取TBM隧洞的地质参数，在不同的地质参数、相同的外部因素情况下实时监测TBM振动信号；
所述的获取TBM隧洞的地质参数包括地质勘探报告中的地质参数和TBM掘进过程中通过振动监测实时得到的地质参数；
所述的地质勘探报告中的地质参数通过钻孔取芯试验获得。
所述的不同的地质参数包括抗压强度、抗拉强度、石英含量、围岩等级、裂隙发育情况或完整性；
所述的相同的外部因素为相同的TBM机型、开挖断面；
所述TBM掘进过程中的振动监测是监测多个固定点位的监测点，得到水平、垂直、隧道轴向三个方向的振动参数；所述的振动监测的固定点位为3个以上。所述的振动监测应覆盖不同的地质条件。
S2、对振动信号进行处理得到振动数据，对振动数据进行小波变换获得时频图；
S3、将振动数据与对应时段的地质参数拆分为训练集、验证集和测试集；
S4、通过训练集数据，建立振动时频图与地质参数的关系模型；
所述的关系模型是选用小波变换基于卷积神经网络建立的预测模型；
S5、通过测试集数据，测试模型并进行模型参数优化；
S6、取验证集数据进行地质参数反演，验证振动信号与地质参数的回归关系；
所述的地质参数反演为建立一定强度范围的频率分布与围岩等级之间的相关关系，也可为建立每个模态的主频与地质参数的回归关系。
S7、在模型种输入振动信号，预测地质参数。
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。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (5)
1.一种TBM隧洞基于振动信号的地质参数实时预测方法，其特征在于：包括以下步骤：
S1、在TBM掘进过程中，获取TBM隧洞的地质参数，在不同的地质参数、相同的外部因素情况下实时监测TBM振动信号；
所述的获取TBM隧洞的地质参数包括地质勘探报告中的地质参数和TBM掘进过程中通过振动监测实时得到的地质参数；
所述的不同的地质参数包括抗压强度、抗拉强度、石英含量、围岩等级、裂隙发育情况或完整性；
所述的相同的外部因素为相同的TBM机型、开挖断面；
所述的TBM掘进过程中的振动监测是通过监测多个固定点位的监测点，得到水平、垂直、隧道轴向三个方向的振动参数，振动监测范围覆盖不同的地质条件；
S2、对振动信号进行处理得到振动数据，对振动数据进行小波变换获得时频图；
S3、将振动数据与对应时段的地质参数拆分为训练集、验证集和测试集；
S4、通过训练集数据，建立振动时频图与地质参数的关系模型；
所述的关系模型是选用小波变换基于卷积神经网络建立的预测模型；
S5、通过测试集数据，测试模型并进行模型参数优化；
S6、取验证集数据进行地质参数反演，验证振动信号与地质参数的回归关系；
S7、在模型种输入振动信号，预测地质参数。
2.根据权利要求1所述一种TBM隧洞基于振动信号的地质参数实时预测方法，其特征在于：所述的地质勘探报告中的地质参数通过钻孔取芯试验获得。
3.根据权利要求1所述一种TBM隧洞基于振动信号的地质参数实时预测方法，其特征在于：所述的振动监测的固定点位为3个以上。
4.根据权利要求1所述一种TBM隧洞基于振动信号的地质参数实时预测方法，其特征在于：所述的地质参数反演为建立一定强度范围的频率分布与围岩等级之间的相关关系。
5.根据权利要求1所述一种TBM隧洞基于振动信号的地质参数实时预测方法，其特征在于：所述的地质参数反演为建立每个模态的主频与地质参数的回归关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211372583.1A CN115950947A (zh) | 2022-11-02 | 2022-11-02 | 一种tbm隧洞基于振动信号实时的地质参数预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211372583.1A CN115950947A (zh) | 2022-11-02 | 2022-11-02 | 一种tbm隧洞基于振动信号实时的地质参数预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115950947A true CN115950947A (zh) | 2023-04-11 |
Family
ID=87286493
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211372583.1A Pending CN115950947A (zh) | 2022-11-02 | 2022-11-02 | 一种tbm隧洞基于振动信号实时的地质参数预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115950947A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230167739A1 (en) * | 2020-12-09 | 2023-06-01 | Shandong University | Method and system for real-time prediction of jamming in tbm tunneling |
-
2022
- 2022-11-02 CN CN202211372583.1A patent/CN115950947A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230167739A1 (en) * | 2020-12-09 | 2023-06-01 | Shandong University | Method and system for real-time prediction of jamming in tbm tunneling |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110109895B (zh) | 适用于tbm掘进隧道的围岩分级联合预测方法及应用 | |
| AU2020275806B2 (en) | Mining-induced stress assessment method based on microseismic damage reconstruction | |
| CN105974056B (zh) | 隧道突水灾害前兆信息监测模型试验系统及试验方法 | |
| Rostami et al. | Rock characterization while drilling and application of roof bolter drilling data for evaluation of ground conditions | |
| CN103244101B (zh) | 随钻进的岩层质量评价方法 | |
| CN109740119B (zh) | 一种tbm掘进隧洞围岩单轴抗压强度快速估算方法 | |
| CN115950947A (zh) | 一种tbm隧洞基于振动信号实时的地质参数预测方法 | |
| CN114352299B (zh) | 一种深埋长隧洞tbm施工条件下并行超前超深地质预报方法 | |
| CN111077583B (zh) | 构造活化双参数监测系统及监测方法 | |
| CN112580165A (zh) | 一种敞开式tbm穿越不良地质刀盘卡机预测方法及系统 | |
| CN106032750B (zh) | 一种基于钻探能谱的地质编录仪 | |
| CN108868777B (zh) | 一种隧道不良地质围岩综合探治施工方法 | |
| CN115718140A (zh) | 一种tbm隧洞基于振动信号的地质预测方法 | |
| CN114483043A (zh) | 一种用于隧道掘进的探测控制系统及其探测方法 | |
| CN115759351A (zh) | 泥水盾构掘进综合预警方法、系统及存储介质 | |
| CN115758515A (zh) | Tbm隧道不良地质段智能支护决策方法 | |
| CN113536603A (zh) | 一种tbm岩体条件相关利用率的预测方法 | |
| CN104636576A (zh) | 基于加权平均法的地铁施工风险快速评估方法 | |
| You et al. | Stratigraphic identification using real-time drilling data | |
| CN105204066A (zh) | 一种基于谱分解的煤层火成岩侵入位置直接指示方法 | |
| CN115929408B (zh) | 一种巷道掘进过程煤矿顶板裂隙实时监测系统与方法 | |
| Wu et al. | Profiling of weathered argillaceous limestone rock with MWD data from advanced drilling for tunnelling along Wu-Kai expressway in Chongqing, China | |
| CN111663935A (zh) | 一种用于评价井筒环空气密性的方法及系统 | |
| CN113513331A (zh) | 基于盾构机运行参数的掘进掌子面岩土类型识别方法、系统及介质 | |
| CN111090120B (zh) | 一种水下隧道探水方法 |
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 |