在喀斯特盾构隧道施工中,通过基于簇的地质识别技术实现实时刀盘扭矩预测
《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》:Real-time cutterhead torque prediction via cluster-based geological identification in karst shield tunneling
【字体:
大
中
小
】
时间:2026年04月28日
来源:TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY 7.4
编辑推荐:
杨超月|闵新豪|赵林双|王彦宁
中国广东省汕头市汕头大学工程学院土木工程与智慧城市系,邮编515063
摘要
在喀斯特地层中进行盾构隧道施工面临重大挑战,因为地质条件变化突然且难以预测。刀盘扭矩(CHT)对地质变化非常敏感,如果控制不当,可能会导致过度磨损甚至设备故障。本研究
杨超月|闵新豪|赵林双|王彦宁
中国广东省汕头市汕头大学工程学院土木工程与智慧城市系,邮编515063
摘要
在喀斯特地层中进行盾构隧道施工面临重大挑战,因为地质条件变化突然且难以预测。刀盘扭矩(CHT)对地质变化非常敏感,如果控制不当,可能会导致过度磨损甚至设备故障。本研究提出了一种实时协同框架,将地质识别与CHT预测相结合,以增强适应性控制。开发了一种混合无监督聚类方法(K-means + DBSCAN),利用盾构施工数据对地层类型进行分类,识别异常地层的准确率达到96.8%。这些标签被嵌入到一个复合的CNN–LSTM–MHA预测模型(CLM)中,该模型能够捕捉隧道参数的局部模式和时间依赖性。与没有地质输入的模型相比,所提出的GI-CLM将MAE降低了20.7%,并将60分钟预测的R2提高了26.6%。SHAP分析确认地质类型是CHT预测中第二重要的特征。该框架在徐州地铁4号线的实际隧道项目中得到了验证,证明了其在复杂喀斯特环境中的有效性。这种集成方法能够在复杂地层中实现准确、可解释和适应性的隧道控制,为其他异质地质场景提供了有希望的应用前景。
引言
由于其在复杂地下环境中的高效性和适应性,盾构隧道施工已成为城市基础设施开发中广泛采用的技术。在众多操作参数中,刀盘扭矩(CHT)在决定挖掘性能方面起着关键作用,因为它直接反映了刀盘与周围地质之间的相互作用(Fu等人,2020年;Koohsari等人,2023年)。值得注意的是,CHT对地质条件非常敏感,不正确的扭矩设置可能导致能源消耗过多、刀盘磨损加速,甚至严重的设备故障(Dalong等人,2020年;Wang等人,2025年;Zhang和Shen,2025年)。在喀斯特地层中,高度变化和不连续的地质特征进一步导致扭矩频繁且突然波动(Agrawal等人,2022年;Jiajia等人,2022年;Kang等人,2021年;Wang等人,2020年)。
可靠的扭矩预测对于优化盾构控制和确保挖掘安全至关重要。现有的模型主要基于应用于盾构施工数据的机器学习,已经显示出有希望的结果(Elbaz等人,2023年;Qin等人,2021年;Shan等人,2024年;Zhang等人,2021年)。然而,大多数数据驱动的方法忽略了地质变化。一些研究试图结合勘探前的地质信息来提高预测性能(Sebbeh-Newton等人,2024年;Xu等人,2023b年;Zhang等人,2024年)。然而,这类数据的稀疏空间分辨率限制了其在实时场景中的适用性,特别是在高度变化的喀斯特地层中。
由于地质复杂性直接影响CHT的稳定性,实时地质识别对于提高操作参数的预测准确性至关重要。为了获得更详细的地质信息,提出了诸如SE、TPI、FPI和GFII等地质评估指标来反映地质变化趋势(Teale,1965年;Yamamoto等人,2003年;Chen等人,2021年;Yan等人,2023a年)。这些指标为实时地质识别提供了宝贵的见解。然而,仅使用有限数量的参数无法完全代表隧道条件和相关的地质特征。近年来,基于数据驱动的地质识别方法受到了越来越多的关注。基于聚类分析(Hu等人,2023年;Zeng等人,2024年;Zhang等人,2019年)、隧道参数(Guo等人,2023年;Xu等人,2023a年)和加速度信号响应(Fang等人,2023年;Liu等人,2021年)的数据驱动方法已被用于实现实时地质识别。然而,大多数研究集中在软土或相对均匀的风化岩层上(Hu等人,2023年;Yan等人,2023b年;Yu等人,2021年),这使得它们不适用于复杂的地质条件。
为了弥合地质变化与参数控制之间的差距,本研究提出了一种智能的实时协同框架,该框架使用K-means + DBSCAN聚类动态地对地层类型进行分类,并将结果标签嵌入到一个复合的CNN–LSTM–MHA预测模型(CLM)中。这种集成增强了模型对突然地层变化的适应性,提高了CHT预测的准确性,并支持在复杂喀斯特环境中的数据驱动决策。所提出的协同方法通过徐州地铁4号线的实际隧道数据得到了验证,证明了其在地质可解释性和预测性能方面的改进。
章节片段
方法论
为了解决喀斯特地层中高度变化和不连续地质条件带来的挑战,本研究提出了一种实时刀盘扭矩预测方法,该方法通过基于簇的地质识别进行了增强。如图1所示,该框架由三个主要模块组成:(1)数据预处理和特征构建,(2)自适应地质聚类,以及(3)时间序列隧道参数预测。这种集成方法
项目描述
选择徐州地铁4号线的Kuangtai段作为研究区域。该隧道的设计长度为1,751米,使用直径为6.44米的土压平衡(EPB)盾构机进行挖掘。该机器配备了一个六辐复合刀盘,开口比为33%。由于整个隧道尚未完成,因此选择了从Ring 195到Ring 620的段——这部分已经完全挖掘完毕——作为本研究的验证区间。
实时地质识别对参数调整的影响
在盾构隧道施工过程中,操作参数通常是根据预期的地质条件设置的,然后根据反馈结果进行调整。因此,地质信息的准确性和及时性直接影响参数控制的效果。
如图13所示,选择了从Ring 505到Ring 545的数据段,以突出施工前调查中错误的地质推断导致预期与实际之间显著不匹配的情况
结论
为了解决复杂喀斯特地层中CHT不可控波动的挑战,本研究提出了一种实时刀盘扭矩预测方法,该方法通过基于簇的地质识别进行了增强。通过徐州地铁4号线(Kuangtai段)的案例验证,地质识别与预测建模之间的协同作用不仅提供了准确的预测,还为智能操作提供了可解释的决策支持。主要结论
关于写作过程中生成式AI和AI辅助技术的声明
在准备这项工作时,作者使用了ChatGPT来改进句子结构并纠正语法错误。使用该工具/服务后,作者根据需要审查和编辑了内容,并对出版物的内容负全责。
CRediT作者贡献声明
杨超月:撰写——原始草稿,可视化,验证,软件,方法论。
闵新豪:撰写——审阅与编辑,监督,概念化。
赵林双:撰写——审阅与编辑,监督。
王彦宁:监督,方法论,资金获取。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文报告的工作。
致谢
本研究得到了广东省基础与应用基础研究基金会(2026A1515011400)、2025年地方科学技术开发指导基金(用于汕头创新城市发展项目(STKJ2025060)以及喀斯特地区盾构隧道智能建造技术和关键控制技术研究(CR17GD-GD-XZ6103-JSFW-2023-001)的支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号