CN117874882A - 一种隧道前摄性检评方法 - Google Patents
一种隧道前摄性检评方法 Download PDFInfo
- Publication number
- CN117874882A CN117874882A CN202410031331.5A CN202410031331A CN117874882A CN 117874882 A CN117874882 A CN 117874882A CN 202410031331 A CN202410031331 A CN 202410031331A CN 117874882 A CN117874882 A CN 117874882A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- comprehensive
- deformation
- model
- service performance
- 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
- 238000011156 evaluation Methods 0.000 title abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 40
- 239000002689 soil Substances 0.000 claims abstract description 38
- 238000012544 monitoring process Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 239000011435 rock Substances 0.000 claims abstract description 27
- 238000009826 distribution Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000037406 food intake Effects 0.000 claims abstract description 5
- 238000006073 displacement reaction Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 18
- 239000004567 concrete Substances 0.000 claims description 8
- 238000005192 partition Methods 0.000 claims description 3
- 239000011150 reinforced concrete Substances 0.000 claims description 3
- 201000010099 disease Diseases 0.000 description 12
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 12
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000009933 burial Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010023204 Joint dislocation Diseases 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Abstract
本发明涉及一种隧道前摄性检评方法,包括以下步骤:S1选择重点监测部位,进行局部全面服役性能监测;S2针对真实隧道结构建立精细化隧道结构模型和基于变形的围岩或土压力计算方法;S3输入重点监测部位的结构变形计算局部全面围岩压力或土压力大小和分布;通过S1中的监测数值对S2的计算方法和模型进行验证;S4对隧道进行全面结构变形检测,获得全域全面结构变形,输入S2的计算方法得到全域全面围岩压力或土压力大小和分布,进行普通区域的全面服役性能分析。与现有技术相比,本发明通过重点区监测验证基于变形的围岩压力或土压力计算方法和精细化隧道模型,通过全域全面结构变形摄取全面服役性能,解决了隧道服役性能全面摄取难题。
Description
技术领域
本发明属于隧道评估技术领域,尤其是涉及一种隧道前摄性检评方法。
背景技术
隧道,是地下工程的一种结构方式,因其“穿越地下”和“截弯取直”等特点,使得隧道给人民生活带来极大便利性。经济发展和生活质量要求的大幅提高,促使隧道被广泛应用于轨道交通、交通运输、市政管道、输水管道和矿井巷道等重大工程。地铁隧道、公路隧道、电力隧道、输水隧道等地下隧道,已经成为百姓日常出行和日常生活的重要组成部分。
随着运营时间不断延长,隧道病害日益增多、隧道病害日趋恶化,已经严重影响了隧道服役质量和运营安全。摄取隧道服役性能指标,判断病害关键部位,是隧道病害维养的前提。由于隧道结构具有纵向超长线性、横向大断面和埋于地下的特点,考虑技术局限性和经济问题,目前摄取隧道服役性能的方法是重点区域监测、普通区域检测和间接评估法(如图1所示)。
根据隧道埋深、水位、线性曲率等因素,从经验角度,选取最可能发生病害的环段作为关键部位,进行重点区域监测。一般在纵向上会选取2个或3个环段作为重点监测部位,尽可能监测所有指标,包括土压力、构件内力、接头变形等服役性能指标。对于普通区域,采取少部分指标的直接检测。目前直接检测,有三种方法。方法一、人工巡视抽查:采用人工巡视方法,对接头变形、管片裂纹裂缝、螺栓变形等进行抽查。方法二、间隔检测:在纵向上,每隔一定距离(10m、20m或50m等)设置位移检测点,构成纵向沉降曲线。方法三,表面病害检测:如渗漏水、裂缝、构件点云等。通过三维激光扫描方式,获得隧道全域全面结构变形点云,进而提取纵向变形、横向轮廓、接头错台等变形信息。间接评估方法(以下简称评估方法),是根据服役性能指标之间的关联性,由已知信息摄取未知信息。已知信息,是指可以直接检测的信息。未知信息,是难以检测或不能检测的信息。服役指标之间的关联性,通常借助工程经验、室内试验和神经网络方法,或者混合应用。方法一、单一指标法。主要依据长期积累经验,建立某一病害与某一指标的关联新。例如,隧道规范,采用纵向曲率、直径收敛量、横向椭圆度、接头变形量等等表达结构健康状态。例如,直径收敛量0.5%为病害轻微的标准、3%为病害严重的标准。但是,工程实践中常出现直径收敛量远超过3%,结构完好无损的情况。反而,在小于0.5%,仍然出现大量裂纹裂缝等病害。单一指标法,忽略了多种类病害之间的关联性,在工程实践中出现理论与实践脱节的问题。方法二、多指标交叉分析法,是考虑多种病因和多种病害的因果关系,以建立服役指标之间的关联性。这种关联性,往往是借助工程经验、神经网络等方法建立,有一定合理性和科学性。但是,借助工程经验时,需要经验权重因子描述病害之间的关联性。借助人工神经网络时,由于实际病害工况的类型远大于经验或数值分析工况,会使得训练数据库不足,进而造成服役指标之间的关联性阐述不清。方法三、结构性能计算分析法,是借助隧道模型反映结构性能。目前主要有荷载-结构法或地层结构法。荷载-结构法的优点是能够建立精细化隧道结构模型,问题在于围岩压力或土压荷载分布的模式是事前假定的、大小是由地层参数和经验系数计算。压力荷载的假定分布模式,不能反映纵向隧道区域的地质环境的复杂多变性。地层-结构法的优点,从理论上,只要有足够的地层参数和能够建立精细化隧道模型,就可以开展复杂多变环境下的结构性能分析。但是,在实践中,地层参数不能实现随时、随地方便摄取。另外,隧道结构模型过于细致时,则会导致建模困难和计算困难。
综上所述,针对长线性、大断面、埋地下特点的隧道结构,目前服役性能摄取方法,是经验区分关键部位+经验判断关键病害,未能解决隧道服役性能指标全面摄取问题。
发明内容
本发明的目的就是为了克服现有技术未能解决隧道服役性能指标全面摄取问题而提供一种隧道前摄性检评方法。
本发明的目的可以通过以下技术方案来实现:
一种隧道前摄性检评方法,包括以下步骤:
S1:选择重点监测部位,进行局部全面服役性能监测;
S2:针对真实隧道结构,建立精细化隧道结构模型和基于变形的围岩或土压力计算方法;
S3:输入重点监测部位的结构变形,计算局部全面围岩压力或土压力大小和分布;通过步骤S1中得到的监测数值对步骤S2中的计算方法和模型进行验证;
S4:对隧道进行全面结构变形检测,获得全域全面结构变形,输入步骤S2中的计算方法得到全域全面围岩压力或土压力大小和分布,进行普通区域的全面服役性能分析。
进一步地,步骤S1中,所述重点监测部位选取隧道的任意几环。
进一步地,步骤S1中,所述局部全面服役性能通过安置于隧道中的传感器获得。
更进一步地,所述传感器包括土压力传感器、位移传感器、混凝土应力传感器、混凝土应变传感器、钢筋应力传感器或钢筋应变传感器中的一种或多种。
进一步地,步骤S2中,所述精细化隧道结构模型由内而外依次包括接头分区、钢筋混凝土层和素混凝土层。
进一步地,步骤S2中,根据精细化隧道结构模型建立如下解析模型:
{Fji}={Kji}·{Sji} (1)
其中,j为隧道三维空间位置的纵向位置,i为隧道三维空间的横向位置;{Fji}为隧道结构外力矩阵,{Sji}为结构位移矩阵,{Kji}为模型刚度矩阵。
进一步地,步骤S2中,所述基于变形的围岩或土压力计算方法具体为:
建立真实工况位移场与解析模型位移场的关系式:
{Sji}·{qji}={Fji}·{δji} (2)
其中,j为隧道三维空间位置的纵向位置,i为隧道三维空间的横向位置;{δji}为真实工况的结构位移矩阵,{qji}为真实工况的土压力矩阵。
进一步地,步骤S4中,所述全域全面结构变形通过经纬仪、全站仪或三维激光扫描中的一种或多种获得。
进一步地,步骤S4中,所述普通区域的全面服役性能还包括衬砌内力、螺栓变形和内力和接头变形等。
本发明还提供一种隧道前摄性检评方法在摄取长线性、大断面和埋地下隧道服役性能中的应用。
与现有技术相比,本发明具有以下有益效果:
(1)本发明在隧道病害发生至影响隧道安全服役前通过重点区域进行监测,验证基于变形的围岩压力或土压力计算方法和精细化隧道模型,通过全域全面结构变形摄取全面服役性能,解决了隧道服役性能全面摄取难题,达到科学选取关键病害部位和提供维养依据的目的。
(2)本发明以重点监测区域的服役性能信息,对基于变形的围岩或土压力计算方法和精细化隧道结构模型进行验证;以全域全面结构变形信息为已知信息,通过基于变形的围岩或土压力计算方法得到全域全面土压力大小和分布,进而通过精细化隧道结构模型,摄取全面服役性能信息的方法。本发明以基于变形的围岩压力或土压力计算方法解决边界问题、基于精细化模型建立任意分布方式的荷载-结构模型,达到科学全面服役性能指标的关联性的目的。
(3)本发明不同于常规方法通过经验划分重点区段和普通区域,对重点区段长期监测,以及对普通区段的少部分指标检测和经验分析,尽可能获得服役性能信息,以判断关键病害部位,而是不依赖任何经验判断关键部位,以全域全面服役性能指标为依据。
(4)本发明进行重点监测的目的是对计算方法和模型进行验证,从而广泛应用于长线性、大断面和埋地下的全域隧道,以及同类结构的其它隧道。
(5)本发明的常规检测只有域全面结构变形,目的是为基于变形的围岩压力或土压力计算提供基本输入参数。同时,全域全面结构变形只是判断关键部位的其中一个参数,接头变形、渗漏水、裂纹裂缝、注浆缺陷等指标都可以作为全域隧道结构性分析的验证。
(6)本发明不同于传统方法对普通区域的间接评估,而是以基于变形的围岩压力或土压力计算方法解决边界问题、基于精细化模型建立任意分布方式的荷载-结构模型,达到科学全面服役性能指标的关联性的目的。
(7)本发明考虑到传感器的耐久性问题,用重点监测区数据作为验证方法和模型的依据,可以实现全寿命期应用。
附图说明
图1为目前现有的隧道服役性能摄取方法示意图。
图2为本发明的隧道前摄性检评方法示意图。
图3为隧道真实工程实践示意图。
图4为隧道真实工况的力学场示意图。
图5为精细化隧道结构模型的示意图。
图6为根据精细化隧道结构模型的解析模型设计的力学-位移场。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例:
本发明实施例的隧道前摄性检评方法包括以下步骤:
S1:选择重点监测部位,进行局部全面服役性能监测;
S2:针对真实隧道结构,建立精细化隧道结构模型和基于变形的围岩或土压力计算方法;
S3:输入重点监测部位的结构变形,计算局部全面围岩压力或土压力大小和分布;通过步骤S1中得到的监测数值对步骤S2中的计算方法和模型进行验证;
S4:对隧道进行全面结构变形检测,获得全域全面结构变形,输入步骤S2中的计算方法得到全域全面围岩压力或土压力大小和分布,进行普通区域的全面服役性能分析。
以下实施例提供一种隧道前摄性检评方法的具体步骤:
(1)第一步,选择重点监测部位,进行局部全面服役性能监测。
对纵向长线性、横向大截面、埋于地下环境的隧道,任意选取几环作为重点监测部位。即,在隧道结构制作时或建设阶段,安置各种传感器(包括位移传感器、混凝土应力传感器和应变传感器、钢筋应力传感器和应变传感器、土压力传感器等等),在隧道病害发生至影响隧道安全服役前,尽可能获得最全面的服役性能信息。
(2)第二步,建立基于变形的围岩或土压力计算方法和精细化隧道模型,并采用局部重点监测部位服役性能信息进行方法和模型验证。
根据能量法基本原理,建立基于变形的围岩或土压力计算方法,输入重点监测部位的结构变形计算全域全面围岩压力或土压力大小和分布。以土压力监测值,对基于变形的围岩或土压力计算方法进行验证。
图3为隧道真实工程实践示意图。针对真实隧道工程,建立真实的位移场(图4)。虚线代表原结构位置,实线代表隧道变形后的位置。在隧道结构外土压力{qji}的作用下,产生了结构变形{δji}。其中,j为隧道三维空间位置的纵向位置;i为隧道三维空间的横向位置。{qji}为隧道三维空间的某点所受的土压力矩阵。{δji}为隧道三维空间的某点位移矩阵。
针对真实隧道结构,建立精细化盾构隧道结构模型。如图5所示的一种结构模型,其包括接头分区、钢筋混凝土层、素混凝土层三部分。如式(1)所示建立模精细化模型解析模型。其中,{Fji}为结构外力矩阵,{Sji}为结构位移矩阵,{Kji}为模型刚度矩阵。建立模型试验,结构模型的解析模型进行验证。
{Fji}={Kji}·{Sji} (1)
如图6所示,依托精细化结构模型的解析模型,设计力学-位移场。虚线代表原位置,实线代表变形后的位置。在隧道结构外土压力{Fji}的作用下,产生了结构变形{Sji}。其中,j为隧道三维空间位置的纵向位置;i为隧道三维空间的横向位置。
基于虚功原理,建立真实工况位移场与设计位移场关系式(2):
{Sji}·{qji}={Fji}·{δji} (2)
上式中,{δji}为真实工况的结构位移,可以通过检测获得。{Fji}、{Sji}为基于精细化结构模型设计值和计算值。因此,可以求得真实工况的土压力{qji}。
然后,通过局部重点监测的土压力值,对式(2)进行验证。
(3)第三步,普通区域(非重点监测部位)的全面服役性能分析
由于重点监测段的隧道结构和普通段的隧道结构是一样的,意味着可以用重点段的解析模型方程和虚功能方程。
通过经纬仪、全站仪或三维激光扫描等方式对隧道进行全面结构变形检测,获得全域全面结构变形{δji}。根据上述虚功能方程计算土压力大小和分布。
在解决土压力的情况下,通过解析模型方程,计算全面服役性能信息,还包括衬砌内力、螺栓变形和内力、接头变形等。
针对长线性、大断面和埋地下隧道服役性能难以摄取的问题,根据上述前摄性检评方法,通过重点区监测验证基于变形的围岩压力或土压力计算方法和精细化隧道模型、通过全域全面结构变形摄取全面服役性能,解决了隧道服役性能全面摄取难题,达到科学选取关键病害部位和提供维养依据的目的。
上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和使用发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于上述实施例,本领域技术人员根据本发明的揭示,不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。
Claims (10)
1.一种隧道前摄性检评方法,其特征在于,包括以下步骤:
S1:选择重点监测部位,进行局部全面服役性能监测;
S2:针对真实隧道结构,建立精细化隧道结构模型和基于变形的围岩或土压力计算方法;
S3:输入重点监测部位的结构变形,计算局部全面围岩压力或土压力大小和分布;通过步骤S1中得到的监测数值对步骤S2中的计算方法和模型进行验证;
S4:对隧道进行全面结构变形检测,获得全域全面结构变形,输入步骤S2中的计算方法得到全域全面围岩压力或土压力大小和分布,进行普通区域的全面服役性能分析。
2.根据权利要求1所述的一种隧道前摄性检评方法,其特征在于,步骤S1中,所述重点监测部位选取隧道的任意几环。
3.根据权利要求1所述的一种隧道前摄性检评方法,其特征在于,步骤S1中,所述局部全面服役性能通过安置于隧道中的传感器获得。
4.根据权利要求3所述的一种隧道前摄性检评方法,其特征在于,所述传感器包括土压力传感器、位移传感器、混凝土应力传感器、混凝土应变传感器、钢筋应力传感器或钢筋应变传感器中的一种或多种。
5.根据权利要求1所述的一种隧道前摄性检评方法,其特征在于,步骤S2中,所述精细化隧道结构模型由内而外依次包括接头分区、钢筋混凝土层和素混凝土层。
6.根据权利要求1所述的一种隧道前摄性检评方法,其特征在于,步骤S2中,根据精细化隧道结构模型建立如下解析模型:
{Fji}={Kji}·{Sji} (1)
其中,j为隧道三维空间位置的纵向位置,i为隧道三维空间的横向位置;{Fji}为隧道结构外力矩阵,{Sji}为结构位移矩阵,{Kji}为模型刚度矩阵。
7.根据权利要求6所述的一种隧道前摄性检评方法,其特征在于,步骤S2中,所述基于变形的围岩或土压力计算方法具体为:
建立真实工况位移场与解析模型位移场的关系式:
{Sji}·{qji}={Fji}·{δji} (2)
其中,j为隧道三维空间位置的纵向位置,i为隧道三维空间的横向位置;{δji}为真实工况的结构位移矩阵,{qji}为真实工况的土压力矩阵。
8.根据权利要求1所述的一种隧道前摄性检评方法,其特征在于,步骤S4中,所述全域全面结构变形通过经纬仪、全站仪或三维激光扫描中的一种或多种获得。
9.根据权利要求1所述的一种隧道前摄性检评方法,其特征在于,步骤S4中,所述普通区域的全面服役性能还包括衬砌内力、螺栓变形和内力和接头变形。
10.一种权利要求1-9任一项所述的隧道前摄性检评方法在摄取长线性、大断面和埋地下隧道服役性能中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410031331.5A CN117874882A (zh) | 2024-01-09 | 2024-01-09 | 一种隧道前摄性检评方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410031331.5A CN117874882A (zh) | 2024-01-09 | 2024-01-09 | 一种隧道前摄性检评方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117874882A true CN117874882A (zh) | 2024-04-12 |
Family
ID=90580653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410031331.5A Pending CN117874882A (zh) | 2024-01-09 | 2024-01-09 | 一种隧道前摄性检评方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117874882A (zh) |
-
2024
- 2024-01-09 CN CN202410031331.5A patent/CN117874882A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112945139B (zh) | 一种三维扫描结合bim技术的盾构工程辅助系统 | |
Huang et al. | Damage detection and quantitative analysis of shield tunnel structure | |
Bado et al. | A review of recent distributed optical fiber sensors applications for civil engineering structural health monitoring | |
Zhu et al. | Challenges and development prospects of ultra-long and ultra-deep mountain tunnels | |
Liu et al. | Long-term performance of metro tunnels induced by adjacent large deep excavation and protective measures in Nanjing silty clay | |
Zhang et al. | Ground and tunnel responses induced by partial leakage in saturated clay with anisotropic permeability | |
CN114894154B (zh) | 一种盾构施工段稳定性判断方法及设备 | |
CN111058855B (zh) | 一种盾构下穿的结构物的形变控制方法及评估系统 | |
Xu et al. | Diseases failures characteristics and countermeasures of expressway tunnel of water-rich strata: A case study | |
Chen et al. | Condition evaluation of urban metro shield tunnels in Shanghai through multiple indicators multiple causes model combined with multiple regression method | |
Liu et al. | Full-scale experimental investigation on stagger effect of segmental tunnel linings | |
CN103810524A (zh) | 一种预测地下铁路建设过程中地表沉降的方法 | |
CN114841532A (zh) | 一种盾构开挖过程中地表沉降的安全性评价方法和系统 | |
CN110173305B (zh) | 断层处隧道结构全寿命监测预警方法 | |
Chen et al. | Sustainable health state assessment and more productive maintenance of tunnel: A case study | |
Ledyaev et al. | An assessment of the sewer tunnel stress-strain behavior during the reconstruction of an object of cultural heritage | |
CN113221399B (zh) | 一种铁路隧道装配式衬砌构件划分方案决策方法 | |
Deng et al. | Study on deterioration, cracking mechanism and treatment measures of plain concrete lining with cold joints in high-speed railroad tunnel | |
Tian et al. | Health-degree model for stagger-joint-assembled shield tunnel linings based on diametral deformation in soft-soil areas | |
CN117874882A (zh) | 一种隧道前摄性检评方法 | |
CN116128290A (zh) | 城市建成区盾构法施工环境风险智能评估数字孪生系统 | |
CN112257154B (zh) | 一种城市隧道透明施工监测方法及系统 | |
Zhang et al. | The real-time monitoring system for metro shield tunnels: from research to application | |
Ye et al. | LSTM-based deformation forecasting for additional stress estimation of existing tunnel structure induced by adjacent shield tunneling | |
Liu et al. | A review of research situation on shield tunnel diseases |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |