CN116241327A - 一种隧道掌子面稳定性监测方法及系统 - Google Patents
一种隧道掌子面稳定性监测方法及系统 Download PDFInfo
- Publication number
- CN116241327A CN116241327A CN202211519322.8A CN202211519322A CN116241327A CN 116241327 A CN116241327 A CN 116241327A CN 202211519322 A CN202211519322 A CN 202211519322A CN 116241327 A CN116241327 A CN 116241327A
- Authority
- CN
- China
- Prior art keywords
- face
- tunnel face
- tunnel
- monitoring
- stability
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000006073 displacement reaction Methods 0.000 claims abstract description 26
- 238000009826 distribution Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000007423 decrease Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 8
- 239000011229 interlayer Substances 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 11
- 239000011435 rock Substances 0.000 description 18
- 238000010586 diagram Methods 0.000 description 7
- 238000005422 blasting Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000005553 drilling Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002893 slag Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004873 anchoring Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及岩土工程灾害监测技术领域，提供了一种隧道掌子面稳定性监测方法及系统，包括：获取包含掌子面区域的图片；基于获取的图片，识别并提取出掌子面的结构面，得到掌子面结构面分布情况，并根据掌子面结构面分布情况进行块体的识别；根据掌子面结构面分布情况及块体识别结果对掌子面进行区域划分，并根据掌子面区域划分设定多普勒激光雷达测振系统监测点密度，以使多普勒激光雷达测振系统基于监测点密度获取监测点的掌子面的位移和速度；对于每个监测点，基于掌子面的位移和速度，计算掌子面的固有振动频率，并融合掌子面的速度与固有振动频率，预测隧道掌子面稳定性。有效提高了掌子面稳定性判识速度与精度，为隧道工程安全建设保驾护航。
Description
技术领域
本发明属于岩土工程灾害监测技术领域，尤其涉及一种隧道掌子面稳定性监测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
钻爆法隧道中，隧道掌子面围岩坍塌频率高、危害大、难预测，掌子面附近已成为施工过程中最危险的区域。长期以来，掌子面围岩坍塌灾害严重威胁隧道施工及人员安全，轻者造成设备砸毁工期延误，重者导致大量人员伤亡和重大经济损失，灾害发生次数及造成的伤亡人数均居各类灾害前列。
目前，相对单一的监测指标体系，必然导致监测预警技术的预警时效性、准确性与可实施性方面存在较大制约；传统方法中基于位移、应力等监测指标的监测预警，虽然有较好的准确性，但具有一定的时间滞后性和不确定性；而单一固有振动频率的频域预警方法，虽然在时效性方面有较好效果，但其监测往往会受到环境白噪音的影响，预警的准确性方面存在诸多限制。
发明内容
为了解决上述背景技术中存在的技术问题，本发明提供一种隧道掌子面稳定性监测方法及系统，根据数码摄影系统获取的图片，进行掌子面的区域划分，以对不同区域进行多普雷激光雷达测振系统监测点密度的设定，对不同区域采用不同的监测点密度进行掌子面稳定性监测，有效提高了掌子面稳定性判识速度与精度，为隧道工程安全建设保驾护航。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种隧道掌子面稳定性监测方法，其包括：
获取包含掌子面区域的图片；
基于获取的图片，识别并提取出掌子面的结构面，得到掌子面结构面分布情况，并根据掌子面结构面分布情况进行块体的识别；
根据掌子面结构面分布情况及块体识别结果对掌子面进行区域划分，并根据掌子面区域划分设定多普勒激光雷达测振系统监测点密度，以使多普勒激光雷达测振系统基于监测点密度获取监测点的掌子面的位移和速度；
对于每个监测点，基于掌子面的位移和速度，计算掌子面的固有振动频率，并融合掌子面的速度与固有振动频率，预测隧道掌子面稳定性。
进一步地，所述固有振动频率的计算方法为：
基于掌子面的位移和速度，通过快速傅里叶变换，得到频域信息；
根据频域信息，获得固有振动频率。
进一步地，当速度的峰值因子下降时，所述掌子面稳定性下降。
进一步地，当固有振动频率下降时，所述掌子面稳定性下降。
进一步地，通过赤平投影法或矢量分析法判断结构面有没有相互切割成块体。
进一步地，所述包含掌子面区域的图片通过数码摄影系统获取；
所述数码摄影系统采用动态目标剔除技术，将视频帧中的人员和设备剔除掉，仅保留掌子面区域。
进一步地，所述区域划分的具体方法为：
掌子面拱肩、掌子面涌水量超过设定值的区域、识别出的块体以及识别出的掌子面的结构面中的软弱夹层和断层属于重点区域；
掌子面的中部和拱腰属于次要区域；
掌子面中的高度在阈值以下的区域属于普通区域。
本发明的第二个方面提供一种隧道掌子面稳定性监测系统，其包括：
图片获取模块，其被配置为：获取包含掌子面区域的图片；
结构面和块体识别模块，其被配置为：基于获取的图片，识别并提取出掌子面的结构面，得到掌子面结构面分布情况，并根据掌子面结构面分布情况进行块体的识别；
区域划分模块，其被配置为：根据掌子面结构面分布情况及块体识别结果对掌子面进行区域划分，并根据掌子面区域划分设定多普勒激光雷达测振系统监测点密度，以使多普勒激光雷达测振系统基于监测点密度获取监测点的掌子面的位移和速度；
预测模块，其被配置为：对于每个监测点，基于掌子面的位移和速度，计算掌子面的固有振动频率，并融合掌子面的速度与固有振动频率，预测隧道掌子面稳定性。
本发明的第三个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种隧道掌子面稳定性监测方法中的步骤。
本发明的第四个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种隧道掌子面稳定性监测方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明提供了一种隧道掌子面稳定性监测方法，其根据数码摄影系统获取的图片，进行掌子面的区域划分，以对不同区域进行多普雷激光雷达测振系统监测点密度的设定，对不同区域采用不同的监测点密度进行掌子面稳定性监测，有效提高了掌子面稳定性判识速度与精度，为隧道工程安全建设保驾护航。
本发明提供了一种隧道掌子面稳定性监测方法，其通过将掌子面各点多普勒激光雷达测振系统的速度、加速度及固有振动频率监测结果融合至数码摄影系统的监测结果中，可实现监测数据的可视化；即使在较多作业人员进行作业的环境下也能够对整个掌子面进行监测，可实现掌子面稳定监测的快速化、实时化、智能化；结构简单、设计合理，能够有效实时监测隧道掌子面围岩坍塌灾害，保障隧道工程的安全建设，便于大范围推广应用。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例一的一种隧道掌子面稳定性监测方法的相关设备示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
实施例一
本实施例提供了一种隧道掌子面稳定性监测方法，如图1所示，采用了数码摄像监测系统5、多普勒激光雷达测振系统6、掌子面稳定性分析系统7和声光模块8，其具体包括如下步骤：
步骤1、在钻爆法隧道爆破出渣工序后，此时掌子面围岩2最容易坍塌，因此一般在爆破出渣后立钢拱架前，进行掌子面的稳定性监测。
步骤2、在振动较小、视野宽广的地方架设多普勒激光雷达测振系统与数码摄影系统。
通过多普勒激光雷达测振系统监测掌子面的位移、速度等信息，具体的，激光雷达可根据多普勒原理，测量获得被监测点的速度和位移。其中，多普勒激光雷达测振系统，其雷达为128线雷达，位移监测精度为0.1mm，速度监测精度为0.01mm/s，监测距离为10-50m；多普勒激光雷达测振系统为适应隧道粉尘浓度高、湿度高的环境，测量激光波长为1600nm。
通过数码摄影系统对整个掌子面区域(监测范围3)进行拍照，得到包含整个掌子面区域的图片。
通过数码摄影系统对掌子面落石情况进行监测。在拍照、激光测振监测的同时，通过数码摄像系统对掌子面进行视频监测，视频监测可以通过光流法，识别掌子面裂缝、剥落、掉块等，从而实现落石监测。
其中，数码摄像系统主要有两个作用，一个是对整个掌子面区域进行拍照，以用于通过图片识别掌子面；另一个是进行视频监控，通过视频监测掌子面落石。
其中，数码摄影系统可监控整个掌子面及周边区域的落石情况，其落石最小识别精度为10cm，识别准确率≥90％。
其中，数码摄影系统可监控整个掌子面及周边区域的施工人员4与机械设备情况，即使在较多作业人员进行作业的环境下也能够对整个掌子面进行监测，识别准确率≥90％。视频监控中的常用动态目标剔除技术，可以将施工人员与机械设备特征提前输入监测系统，在数码摄像系统进行掌子面视频监测时，把视频帧中动态的人员和设备剔除掉，仅保留可监测到的掌子面信息。
步骤3、掌子面稳定性分析系统，基于包含整个掌子面区域的图片，识别并提取出掌子面的结构面(包括断层、软弱夹层、节理裂隙等)，得到掌子面结构面分布情况(收集隧道施工现场的掌子面图像信息，对收集到的图像进行处理并形成掌子面结构面分布信息数据库，得到训练数据集和测试数据集，根据收集到的掌子面图像数据库，进行UNET神经网络训练，得到训练结果)；根据掌子面结构面分布情况进行关键块体1的识别定位，具体的，在进行结构面识别之后，提取岩体结构面产状，根据结构面的产状等信息，判断结构面有没有相互交叉，将岩石切割成块体，如果切割成了块体，那么就可以进行定位。
识别并提取出掌子面的结构面的具体方法为：通过基于UNET神经网络算法的结构面识别方法，识别出是结构面的类别(断层、软弱夹层、节理裂隙)；若是断层、软弱破碎带等特殊地质体，则可使用磁性追踪提取算法进行提取；若是较规则长大的节理裂隙，则可使用线性成组提取算法进行提取；若是细小、随机裂隙，则可使用形态学边缘检测法进行提取。
岩体结构面产状提取：基于稳健特征值(取结构面两边缘相对特征点连线中点)的结构面准确拟合，计算机可通过赤平投影法或矢量分析法判断结构面有没有相互切割成块体，块体在哪里。
根据掌子面结构面分布情况及关键块体识别结果对掌子面进行区域划分为重点区域、次要区域和一般区域；掌子面稳定性分析系统可根据掌子面区域划分设定多普勒激光雷达测振系统监测点密度(监测一个位置即为一个监测点，不同区域的监测点密度不同，就是不同区域的监测位置疏密不同)，其中重点区域监测点密度为100点/m2，次要区域监测点密度为50点/m2，一般区域监测点密度为10点/m2。
其中，数码摄影系统可采集整个掌子面的结构面信息，其结构面最小识别精度为1mm，识别准确率≥90％。
其中，识别出的掌子面的结构面中的软弱夹层和断层、识别出的关键块体(由于各种结构面(软弱夹层、裂隙、节理等)的存在，岩体并非一个均质的整体，而是被结构面切割成形态各异的岩块的集合体；块体理论的核心就是找出临空面上的关键块体；所谓关键块体，即在外荷载和块体自重作用下，由于滑移面上的抗剪强度不足以抵御滑动力而将失稳的块体；在块体理论中先运用有限性定理判别块体是否有限，运用可动性定理判别块体是否可动；然后对可动块体进行力学分析，进一步判断哪些块体是真正的关键块体)、掌子面涌水量超过设定值的区域和掌子面拱肩属于重点区域；掌子面的中部和拱腰属于次要区域；掌子面中高度在阈值以下的区域属于普通区域。具体的：
重点区域为：已识别出的潜在关键块体及附近、已识别出的主要地质构造(软弱夹层、断层等)、掌子面出水量较大区域或者掌子面拱顶、拱肩及附近区域。其中，涌水量信息，基于包含整个掌子面区域的图片，采用光流法进行识别得到。
次要区域为：掌子面中部、拱腰及附近区域。
普通区域为：掌子面高2m以下区域。
步骤4、通过掌子面稳定性分析系统对多普勒激光雷达测振系统获取的位移、速度等信息进行FFT变换，得到掌子面的固有振动频率等信息。
多普勒激光雷达测振系统基于监测点密度进行不同区域的掌子面的位移和速度的获取。
其中，快速傅里叶变换(FFT)是一种成熟的方法，可直接将测得的速度、位移等时域信息，通过FFT变换得到频域信息，根据频域信息可获得固有振动频率，固有振动频率分析精度为0.1Hz。
步骤5、对于每个监测点，通过掌子面稳定性分析系统，融合分析掌子面位移、速度与固有振动频率的监测数据，预测隧道掌子面稳定性及围岩坍塌风险，并将风险等级分为4级，即Ⅰ级红色风险，Ⅱ级黄色风险，Ⅲ级蓝色风险，Ⅳ级绿色风险。当掌子面振动的位移、速度上升，固有振动频率下降时，可视为掌子面稳定性下降，应将风险等级提升。
根据速度的峰值因子，当峰值因子从最大值开始下降时，可认为块体稳定性下降；根据固有振动频率，当固有振动频率持续下降时，可认为块体稳定性下降。
峰值因子持续上升时Ⅳ级绿色风险，达到最大值时Ⅲ级蓝色风险，当峰值因子从最大值开始下降时，可认为块体稳定性下降，为Ⅱ级黄色风险，下降至为周围稳定岩体峰值因子1.25倍时，为Ⅰ级红色风险。
固有振动频率稳定不变时Ⅳ级绿色风险，开始下降时Ⅲ级蓝色风险，缓慢下降时为Ⅱ级黄色风险，加速下降时Ⅰ级红色风险。
掌子面稳定性分析系统可将掌子面各点多普勒激光雷达测振系统的速度、加速度及固有振动频率监测结果融合至数码摄影系统的监测结果中，实现监测数据的可视化。
掌子面稳定性分析系统设有声光模块，当掌子面稳定性分析系统发布预警信息时，该声光模块可同步发出声音与闪光，进行预警信息的发布。
步骤6、对于不稳定且危险性较低的危险块体，可采取机械排除的处理方式，对不稳定且危险性较高的危险，应采用局部锚固、联合加固等方式对危险块体进行支护。根据实时预测风险等级采取发布灾害预警通知、通知人员撤离、及时对危险块体和危险区域进行加固等相应措施，避免隧道掌子面围岩坍塌灾害的发生。
本实施例提供的一种隧道掌子面稳定性监测方法，针对隧道掌子面坍塌频率高、危害大、难预测的问题，在钻爆法隧道施工过程中，基于多普勒激光雷达测振系统监测掌子面的位移、速度等信息，通过基于掌子面实时数码影像实现掉块的识别与监测数据的可视化，最后基于掌子面稳定性分析系统融合分析掌子面的位移、速度、固有振动频率变化，快速判别掌子面的整体稳定性，为隧道施工决策提供理论指导。
本实施例提供的一种隧道掌子面稳定性监测方法，解决了掌子面稳定性的快速判别难题；与前人研究相比，可有效提高掌子面稳定性判识速度与精度，为隧道工程安全建设保驾护航。
本实施例提供的一种隧道掌子面稳定性监测方法，通过融合位移、速度和固有振动频率信息的关联和结合分析，能够提高隧道掌子面围岩坍塌灾害预测的可靠性；通过将掌子面各点多普勒激光雷达测振系统的速度、加速度及固有振动频率监测结果融合至数码摄影系统的监测结果中，可实现监测数据的可视化；即使在较多作业人员进行作业的环境下也能够对整个掌子面进行监测，可实现掌子面稳定监测的快速化、实时化、智能化；结构简单、设计合理，能够有效实时监测隧道掌子面围岩坍塌灾害，保障隧道工程的安全建设，便于大范围推广应用。
实施例二
本实施例提供了一种隧道掌子面稳定性监测系统，其具体包括如下模块：
图片获取模块，其被配置为：获取包含掌子面区域的图片；
结构面和块体识别模块，其被配置为：基于获取的图片，识别并提取出掌子面的结构面，得到掌子面结构面分布情况，并根据掌子面结构面分布情况进行块体的识别；
区域划分模块，其被配置为：根据掌子面结构面分布情况及块体识别结果对掌子面进行区域划分，并根据掌子面区域划分设定多普勒激光雷达测振系统监测点密度，以使多普勒激光雷达测振系统基于监测点密度获取掌子面的位移和速度；
预测模块，其被配置为：基于掌子面的位移和速度，计算掌子面的固有振动频率，并融合掌子面的速度与固有振动频率，预测隧道掌子面稳定性。
此处需要说明的是，本实施例中的各个模块与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的一种隧道掌子面稳定性监测方法中的步骤。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的一种隧道掌子面稳定性监测方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种隧道掌子面稳定性监测方法，其特征在于，包括：
获取包含掌子面区域的图片；
基于获取的图片，识别并提取出掌子面的结构面，得到掌子面结构面分布情况，并根据掌子面结构面分布情况进行块体的识别；
根据掌子面结构面分布情况及块体识别结果对掌子面进行区域划分，并根据掌子面区域划分设定多普勒激光雷达测振系统监测点密度，以使多普勒激光雷达测振系统基于监测点密度获取监测点的掌子面的位移和速度；
对于每个监测点，基于掌子面的位移和速度，计算掌子面的固有振动频率，并融合掌子面的速度与固有振动频率，预测隧道掌子面稳定性。
2.如权利要求1所述的一种隧道掌子面稳定性监测方法，其特征在于，所述固有振动频率的计算方法为：
基于掌子面的位移和速度，通过快速傅里叶变换，得到频域信息；
根据频域信息，获得固有振动频率。
3.如权利要求1所述的一种隧道掌子面稳定性监测方法，其特征在于，当速度的峰值因子下降时，所述掌子面稳定性下降。
4.如权利要求1所述的一种隧道掌子面稳定性监测方法，其特征在于，当固有振动频率下降时，所述掌子面稳定性下降。
5.如权利要求1所述的一种隧道掌子面稳定性监测方法，其特征在于，通过赤平投影法或矢量分析法判断结构面有没有相互切割成块体。
6.如权利要求1所述的一种隧道掌子面稳定性监测方法，其特征在于，所述包含掌子面区域的图片通过数码摄影系统获取；
所述数码摄影系统采用动态目标剔除技术，将视频帧中的人员和设备剔除掉，仅保留掌子面区域。
7.如权利要求1所述的一种隧道掌子面稳定性监测方法，其特征在于，所述区域划分的具体方法为：
掌子面拱肩、掌子面涌水量超过设定值的区域、识别出的块体以及识别出的掌子面的结构面中的软弱夹层和断层属于重点区域；
掌子面的中部和拱腰属于次要区域；
掌子面中的高度在阈值以下的区域属于普通区域。
8.一种隧道掌子面稳定性监测系统，其特征在于，包括：
图片获取模块，其被配置为：获取包含掌子面区域的图片；
结构面和块体识别模块，其被配置为：基于获取的图片，识别并提取出掌子面的结构面，得到掌子面结构面分布情况，并根据掌子面结构面分布情况进行块体的识别；
区域划分模块，其被配置为：根据掌子面结构面分布情况及块体识别结果对掌子面进行区域划分，并根据掌子面区域划分设定多普勒激光雷达测振系统监测点密度，以使多普勒激光雷达测振系统基于监测点密度获取监测点的掌子面的位移和速度；
预测模块，其被配置为：对于每个监测点，基于掌子面的位移和速度，计算掌子面的固有振动频率，并融合掌子面的速度与固有振动频率，预测隧道掌子面稳定性。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种隧道掌子面稳定性监测方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种隧道掌子面稳定性监测方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211519322.8A CN116241327A (zh) | 2022-11-30 | 2022-11-30 | 一种隧道掌子面稳定性监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211519322.8A CN116241327A (zh) | 2022-11-30 | 2022-11-30 | 一种隧道掌子面稳定性监测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116241327A true CN116241327A (zh) | 2023-06-09 |
Family
ID=86633772
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211519322.8A Pending CN116241327A (zh) | 2022-11-30 | 2022-11-30 | 一种隧道掌子面稳定性监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116241327A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117292148A (zh) * | 2023-11-27 | 2023-12-26 | 中交第二公路勘察设计研究院有限公司 | 一种基于定向钻探及测试数据的隧道围岩级别评估方法 |
-
2022
- 2022-11-30 CN CN202211519322.8A patent/CN116241327A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117292148A (zh) * | 2023-11-27 | 2023-12-26 | 中交第二公路勘察设计研究院有限公司 | 一种基于定向钻探及测试数据的隧道围岩级别评估方法 |
| CN117292148B (zh) * | 2023-11-27 | 2024-02-09 | 中交第二公路勘察设计研究院有限公司 | 一种基于定向钻探及测试数据的隧道围岩级别评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108431585B (zh) | 信息处理装置及信息处理方法 | |
| CN107036581B (zh) | 基于mems陀螺仪的桥梁变形在线监测系统及方法 | |
| KR102042616B1 (ko) | ＩｏＴ 기반 도심지 건설현장 상시 안전관리 시스템 | |
| JP5631688B2 (ja) | 地上３ｄレーザースキャナーを用いた、ターゲット無設置による斜面の変動監視方法。 | |
| CN109685704B (zh) | 基于vr的管网巡检系统 | |
| CN111046460A (zh) | 一种基于bim的基坑监测系统及监测方法 | |
| CN106224007A (zh) | 隧道施工安全监测预警管理系统 | |
| CN105091951A (zh) | 一种闸站水工建筑物变形监测及状态预警方法 | |
| CN110121053B (zh) | 一种钻井现场风险分级预警的视频监控方法 | |
| CN112539704B (zh) | 一种输电线路通道内隐患与导线距离的测量方法 | |
| CN116241327A (zh) | 一种隧道掌子面稳定性监测方法及系统 | |
| CN108205874A (zh) | 基于多参数联动的地质灾害预警方法、现场主控站及系统 | |
| CN112132314A (zh) | 一种用于隧道围岩块体垮塌的点域监测方法及系统 | |
| CN116291724A (zh) | 一种用于公路隧道施工的实时预警检测方法及系统 | |
| CN108562933B (zh) | 一种融合多类数据源的震级快速估计方法 | |
| CN109139019A (zh) | 潜埋暗挖隧道下穿地铁既有线路的监测方法及监测装置 | |
| CN109190139A (zh) | 一种基于bim技术的滑坡应急抢险系统 | |
| CN111062084A (zh) | 一种市政桥梁工程施工监理用系统 | |
| CN108592869A (zh) | 一种高支模超载监测方法及装置 | |
| CN115565337B (zh) | 一种基于地质灾害管控的滑坡灾害预警系统 | |
| CN110057310B (zh) | 一种人工挖孔桩变形监测报警方法及系统 | |
| CN109458924A (zh) | 基于十轴传感器的阻值机敏格栅变形测试系统及方法 | |
| CN114360211A (zh) | 一种人防洞安全监测管理系统 | |
| JP7094208B2 (ja) | 斜面安定性評価システム、及び斜面安定性評価方法 | |
| JP7174601B2 (ja) | 天端面段差抽出システム、及び天端面段差抽出方法 |
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 |