利用智能节段技术的物联网监测方法对盾构隧道纵向接头进行监控：通过可测量的节段旋转角度推断出隐藏的结构状态

《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》：Smart segment-enabled IoT monitoring of shield tunnel longitudinal joints: Inferring hidden structural states from measurable segment rotations

　　**摘要：**
在盾构隧道中，接头是脆弱的组成部分。就纵向接头而言，诸如开口角度和混凝土损伤等关键状态在运行过程中仍然是隐藏的。直接测量这些状态需要在接头上放置传感器，但这些传感器在恶劣条件下可能会出现故障，甚至可能损坏防水系统。本研究考虑了从位于受保护位置的段内传感器推断隐藏接头状态的问题，而不是在接头上放置传感器。这种方法基于物理基础的传递函数，将可测量的段旋转与隐藏的接头状态联系起来。整个框架包括四个步骤：首先，全尺寸弯曲试验为表征纵向接头的非线性力矩-旋转行为提供了基础，揭示了从弹性响应到失效的不同阶段；这些结果为数值校准提供了物理真实的依据。其次，针对试验结果校准段级有限元模型，以建立经过验证的数值模型，包括材料参数、接触设置和边界条件。第三，环级参数化模拟继承这些校准参数，并改变表面荷载，以建立从嵌入式传感器位置的旋转到接头开口角度和混凝土损伤的传递函数。第四，可靠性分析框架结合了荷载不确定性，以量化不同安全状态的概率。上述受保护的传感器是通过嵌入无线倾斜传感器的智能段实现的。这些物联网（IoT）支持的智能段与无线网关和云平台集成，作为核心监测元件，能够从浇筑到运行期间持续采集数据。一年期的现场监测数据被用来评估该框架的有效性。推断出的接头开口角度约为-0.13°，相当于73.3 kPa的等效表面荷载；在假设的荷载分布下，健康、警告和临界状态的概率分别为88%、8%和4%。该框架将隧道监测从被动的变形观察转变为主动的结构状态推断，为预防性维护提供了实用的智能解决方案。

**1. 引言**
段接头被广泛认为是盾构隧道中最脆弱的组成部分。特别是，纵向接头的状态直接影响结构安全（Ma等人，2025年；Jiang等人，2024年）。由于接头开口以及螺栓腐蚀和结构逐渐破坏，隧道可能会发生渗漏，这可能影响隧道的使用性和安全性（Liu等人，2024年；Gong等人，2019年）。不利的荷载条件，如衬砌背后的灌浆空洞引起的条件，也可能促进段结构的开裂和损伤（Bao等人，2025a）。大多数现有的接头状态监测技术都需要在接头上放置传感器。在高湿度等恶劣的接头条件下，传感器可能会随时间损坏，使得长期监测变得困难。此外，在接头上安装传感器还可能损坏防水系统。因此，可靠地监测接头状态对于隧道预防性维护至关重要。

盾构隧道的结构健康监测最近受到了重视，已经开发了几种针对接头的技术（Chen等人，2025年）。传统的监测技术，如收敛度和沉降监测，记录了整体结构反应，但无法单独量化各个接头的贡献或提供有关接头内部应力状态的信息（Zhang等人，2017年）。近年来，专门为接头开发了先进的监测技术。对于变形监测，基于布里渊散射的分布式光纤传感技术能够实现沿接头的连续应变测量，具有高空间分辨率，并能检测到开合变形和位移变形（Zhang等人，2022年；Wang等人，2018年）。类似的分布式光纤传感器系统也已被开发用于浸没式隧道接头，能够检测到亚毫米级的水平接头开口和垂直不均匀沉降（Zhang和Broere，2023年）。为了监测老化隧道中的环向变形，已经开发了优化的数据处理方法，将离散的分布式光纤传感测量转换为连续的隧道收敛度记录（Xiao等人，2024年）。多传感器数据融合技术结合了旋转和应变测量，提高了变形监测的准确性，而无需参考框架（Ding等人，2024年）。对于应力和损伤监测，已经开发了压电传感器，用于在施工期间测量接头处的接触应力（Jiang等人，2024年），并通过环形接缝压力分布识别接头开口（Xu等人，2024年）。还开发了一种使用基于深度学习的图像分析方法从隧道检查图像中自动检测和量化接头渗漏的方法（Ma等人，2025年）。在系统层面，Li等人（2026年）开发了集成多源数据和早期预警系统的智能监测平台，以实现全面的隧道安全管理。此外，Afrazi等人（2026年）表明，数字孪生和人工智能技术对实时隧道监测和主动维护有益。同时，物联网（IoT）和物理信息学习已被引入隧道工程：Zhang等人（2021年）构建了一个基于人工智能物联网（AIoT）的系统，实时传输盾构运行参数和施工引起的沉降，以支持闭环控制；物理信息模型如用于段衬砌抬升的Transfer Learning DeepONet（Elbaz等人，2026年）和用于正向及反向隧道问题的三保真TF-PINN（Elbaz等人，2025年）将机械原理嵌入数据驱动的预测中。然而，这些IoT和物理信息方法针对的是整体施工响应，如沉降和抬升，而不是运行过程中单个纵向接头的隐藏状态。

为了评估这些关键接头状态，目前的监测系统仍然主要依赖于通过接触传感器、干涉相机等直接测量接头级别的量。然而，如前所述，这些直接方法要么需要在接头位置进行侵入式安装，要么只能在损伤发生后才能检测到。另一种方法是借助基于物理的传递函数，从段级变形中获取接头状态，这需要理解段变形与接头行为之间的机械关系。物理模型中的弯曲试验表明，纵向接头的力矩-旋转关系表现出高度的非线性，通常可以分为几个阶段，包括弹性行为、软化和失效（Feng等人，2026年；Wang等人，2020年；Gong等人，2017年；Li等人，2015年）。通过使用受混凝土损伤塑性（CDP）模型的数值模拟，可以捕捉接头的渐进性损伤演变（Li等人，2024年；Liu等人，2022年）。这些机械研究主要集中在设计方面，但如何利用这些知识进行实时监测尚未研究。换句话说，目前还没有基于物理的框架可以从可测量的段变形中推断隐藏的接头状态，而不需要在接头上放置传感器。这一差距推动了基于物理的推断方法的发展，使得可以从段级测量中评估接头状态。

为了减少施工干扰并促进全生命周期监测，提出了智能段的概念，即配备传感器的预制混凝土元件，这些传感器可以在其整个使用寿命期间跟踪其性能（Tshimbombo等人，2023年；Tshimbombo，2023年）。这些段避免了在施工期间安装监测设备的需要，实现了从浇筑到运行期间的连续监测。在各种传感技术中，无线倾斜传感器具有特殊优势，如最小的操作干扰、可靠性、易于安装以及无需清晰视线即可提供实时反馈（Zhang等人，2024年；Bennett等人，2010年；Ko等人，2010年；Lewis，2004年）。已经开发了基于无线倾斜传感器的实时水平收敛度监测系统，并优化了传感器嵌入位置，以从段旋转计算收敛度（Chang等人，2022年；Wang等人，2021年）。然而，智能段的现场应用仍然有限，它们作为间接传感工具来推断隐藏接头状态的研究尚未进行。

为了支持地下基础设施的预防性维护，本研究提出了一个基于物联网的框架，可以从可测量的段旋转中推断隐藏的接头状态。该框架结合了全尺寸弯曲试验来研究非线性接头行为，校准的有限元（FE）模型来建立物理传递函数，以及基于物联网的智能段进行实时现场监测。还开发了可靠性分析框架，以计算在荷载不确定性存在下的安全概率。与现有的需要在接头上放置传感器或只能在损伤发生后才能检测到损伤的接头监测方法不同，当前框架通过实验校准的物理传递函数，从受保护的段内位置测量的旋转中推断出运行中盾构隧道的隐藏纵向接头状态，并进一步将推断的状态转换为荷载不确定性下的概率安全状态。这项工作的主要贡献包括：（1）一个基于物理的推断框架，它将可测量的段旋转与隐藏的接头状态联系起来，而无需在接头位置放置传感器；（2）一年的现场验证表明其适用于隧道预防性维护；以及（3）一个考虑荷载不确定性的可靠性分析框架，用于概率安全评估。

**2. 框架概述**
本研究提出了一个基于物联网的智能监测框架，将可测量的段旋转与隐藏的纵向接头状态联系起来。如图1所示，该框架包括四个相互连接的组件，具有渐进的信息流：（a）全尺寸测试，（b）段级FE模型校准，（c）环级参数化模拟，以及（d）结合可靠性分析的基于物联网的智能段。这些组件之间的信息传递建立了一条从实验表征到实时现场推断的完整链：

- **全尺寸测试**通过表征非线性接头行为建立了物理基础，如图1(a)所示。对全尺寸纵向接头进行负弯曲测试表明，它们会经历六个阶段，从弹性到最终失效。测试研究展示了开口角度与混凝土损伤之间的关系的发展。力矩-旋转（M-φ）关系是主要输出。实验确定的M-φ关系作为真实依据，并传递（图1中的链接I）到段级FE模型进行数值校准。
- **段级FE模型校准**过程包括使用全尺寸测试中的M-φ关系来建立和验证接头行为的数值模型，如图1(b)所示。一个整合了CDP本构行为和固体元件螺栓建模的FE模型被校准，以复制实验观察到的M-φ关系。这种校准验证了模型捕捉接头刚度退化和失效机制的能力。然后，校准后的模型参数（包括本构关系、接触设置和边界条件）被传递（图1中的链接II）到环级模型进行参数化模拟。
- **环级FE模型参数化模拟**利用段级校准的验证建模方法，并基于荷载-结构方法将其扩展到三环配置，如图1(c)所示。使用截断的对数正态分布对表面荷载进行建模，以考虑荷载不确定性，并在操作荷载范围内模拟多种情景。每种情景生成包含传感器位置段旋转作为可测量输入和接头状态（具体为开口角度和加权平均混凝土损伤）作为隐藏输出的数据对。通过回归分析，建立了将可测量的段旋转与隐藏接头状态联系起来的定量传递函数。这些基于物理的传递函数随后被应用于现场监测系统（图1中的链接III）进行实时推断。
- **物联网监测和可靠性评估**将参数化模拟获得的传递函数直接应用于现场测量，如图1(d)所示。带有嵌入式无线倾斜传感器的智能段在隧道运行期间持续测量旋转。物理传递函数使得可以直接从这些测量中推断隐藏的接头状态：将嵌入式传感器位置的旋转转换为段边缘旋转，计算接头开口角度，并评估相应的损伤状态。可靠性分析框架进一步结合荷载不确定性，以评估不同安全状态（健康/警告/临界）的概率，提供概率置信水平以支持基于风险的维护决策。最终输出包括推断的接头开口角度和被监测隧道段的安全状态概率。

**3. 全尺寸测试和段级FE模型校准**
所考虑的段尺寸如下：外径为8.8米，内径为8.0米，段宽度为1.8米。每个环由七个块组成，包括一个关键块（F）、两个相邻块（L）和四个标准块（B）。使用M30斜向螺栓进行连接，其中14个周向螺栓将七个块连接在一起，19个纵向螺栓连接周向接头。本节报告的满尺寸测试以及与之校准的节段级有限元模型（图2、图3、图4、图5）最初由Feng等人（2026年）提出，他们利用这些模型来量化水平轴向力和顶升力对纵向接头弯曲性能的耦合效应。在本研究中，这些模型具有不同的用途，为第4节建立的传递函数提供了实验和数值基础。

下载：下载高分辨率图像（409KB）
下载：下载全尺寸图像
图2. 满尺寸测试概述（Feng等人，2026年）
下载：下载高分辨率图像（432KB）
下载：下载全尺寸图像
图3. 满尺寸测试的加载方案和仪器布置
下载：下载高分辨率图像（299KB）
下载：下载全尺寸图像
图4. 纵向接头开角与负弯矩之间的关系（Feng等人，2026年）
下载：下载高分辨率图像（294KB）
下载：下载全尺寸图像
图5. 测试与有限元模型之间弯矩-旋转关系及失效模式的比较（Feng等人，2026年）

3.1. 测试配置和加载协议
测试需要选择三个载荷分量：单个环段内块与块之间的水平载荷N、环段之间的纵向相互作用力LT，以及通过接头两侧的垂直载荷P施加在纵向接头上的负弯矩。在本研究中，弯矩的符号约定基于接头变形：负弯矩导致外缘闭合而内缘打开，正弯矩则产生相反的效果（外缘打开而内缘闭合）。满尺寸测试装置以及详细的载荷和边界条件分别显示在图2(a)和(b)中。虽然纵向顶升力和垂直载荷不会直接引起末端块E1和E2的水平位移，但仍可能发生微小的水平移动。因此，施加水平载荷N以抑制这种移动。在本测试中，单个环段内块与块之间的水平载荷为80 kN。

环段之间的纵向相互作用力是根据Liao等人（2017年）报告的应力松弛现象确定的，他们发现环段之间的接触应力松弛经历了四个发展阶段：(1) 盾构隧道施工期间的动态调整；(2) 隧道内部施工期间的临时平衡；(3) 隧道内部施工后的逐渐减小；(4) 最终稳定。在这四个阶段之后，环段之间的接触应力从大约2 MPa逐渐减小到1 MPa，平均应力松弛程度约为50%。基于这种应力松弛行为，通过将1 MPa的稳定状态降低50%来设定失效测试的接触压力为0.5 MPa。与完全失效状态（接触为零）不同，这个值代表了一个保守的临界情景，在这种情况下，环段仍然通过摩擦、榫槽互锁和螺栓预紧等仍然活跃的耦合机制保持接触。在0.987 m2的受力面积上，这对应于493.5 kN的纵向顶升力??T。纵向顶升力分三个阶段施加（200 kN、200 kN和93.5 kN，即总计493.5 kN），施加速率为100 kN/min。对于垂直加载，每侧的力量P以15 kN/min的速率递增，直至270 kN，然后以10 kN/min的速率递增，直至峰值载荷约300 kN。总共，纵向顶升力施加了3个水平，垂直力施加了11个水平，如图3(a)所示。关于仪器，图3(b)详细说明了传感器布置，其中面板(b-I)和(b-II)分别描述了环段内缘和外缘的布置。该系统使用四个点来监测接头开角：两个在外缘测量开角，两个在内缘记录闭合情况。位移数据以1 Hz的频率记录。

弯矩计算遵循Gong等人（2017年）提出的方法，但在此研究中未对纵向接头施加水平轴向力N。考虑到中间环段的加载条件，弯矩分布如图3(a)所示，纵向接头的弯矩使用公式(1)计算：
(1)
?{ {?{ {???A=???(?????1)??B=????/2??=??A+??B
其中P表示作用在接头一侧的垂直载荷。e是从纵向螺栓中心到纵向接头的距离，等于693 mm。标准块M1和M2的水平尺寸为1300 mm。从两侧的垂直载荷到纵向接头的距离??1为400 mm。标准块M1和M2的弹性模量G为21.75 kN。需要注意的是，公式(1)仅考虑了中间环的外部载荷，并保守地忽略了由摩擦、榫槽互锁和螺栓预紧等环间耦合机制提供的弯曲约束，这些机制的作用在第3.3节中进一步研究。

3.2. 纵向接头的弯矩-旋转关系
基于满尺寸测试，分析在施加负弯矩下的纵向接头的弯矩-旋转关系。从弯矩-旋转分析中排除了负荷保持阶段的数据。然后使用公式(2)（Li等人，2015年）计算纵向接头的旋转：
(2)
??=??2???1?
其中??2表示图3(b)中位移传感器??2,1和??2,2测得的平均开角，??1表示图3(b)中位移传感器??1,1和??1,2测得的平均闭合角，所有单位均为毫米；h是环段厚度，等于400 mm。纵向接头开角与负弯矩之间的关系如图4所示，并根据六个不同阶段进行解释：
(1) 初始弹性阶段：弯矩-旋转关系大致呈线性，弯曲刚度很高。混凝土和钢螺栓均处于线性弹性状态，接头界面完好无损，没有可见裂纹。
(2) 非线性过渡阶段：从线性行为向非线性行为转变。随着接触压力分布的变化，切线刚度开始减小，局部材料非线性开始显现。
(3) 第一个塑性平台阶段：曲线出现明显的平台，弯曲刚度降至几乎为零（类似于完全塑性响应）。这归因于混凝土压缩区的局部压碎和螺栓的屈服，导致旋转增加但弯矩增益可以忽略不计。
(4) 刚度恢复阶段：曲线的斜率再次增加，表明弯曲刚度恢复。这种现象是由于螺栓的应变硬化和混凝土压缩区的压实，使接头在初始屈服平台后能够承受更高的载荷。
(5) 第二个塑性平台阶段：刚度再次显著减小，接近零，曲线进入第二个平台。螺栓发生广泛的塑性流动，混凝土达到其极限压缩应变，导致无限制的塑性旋转。
(6) 最终失效阶段：由于螺栓的最终应变硬化，弯矩略微增加至峰值。该阶段在图4中的红色圆圈和内嵌照片所示的失效点突然结束，这是由于螺栓达到其极限抗拉强度和混凝土的广泛压碎造成的。

3.3. 基于满尺寸测试结果验证节段级有限元模型
基于满尺寸测试结果，开发了一个节段级有限元模型来模拟在493.5 kN顶升力作用下的纵向接头弯曲行为，如图2(b)所示。表1中的材料参数采用来自C55混凝土的现有文献（GB 50010–2010，2010年，Li等人，2024年，Tian等人，2025年）。通过将模拟的M-φ关系与实验结果进行比较，确认了这些参数的有效性，如图5(a)所示，模拟曲线再现了测试的整体演变趋势和弯矩能力。螺栓锚固端连接到节段上。节段之间以及节段与螺栓之间采用表面接触，摩擦系数为0.3，法向为硬接触。

表1. 材料参数（Feng等人，2026年）
| 材料 | 属性 | 值 | |
|--------------|-----------------|----------------------|--------------------|
| C55混凝土 | 标准模量 | E_c (MPa) | 2.4 |
| | 泊松比 | ?_c (f) | 0.2 |
| | 密度 | ?_c (t/m3) | 3.3 |
| | 抗压强度 | f_ck (MPa) | 35.5 |
| | 抗拉强度 | f纺织品 (MPa) | 27.4 |
| | 扩张角 | ??/° | 0.0 |
| | 黏度系数 | ? | 0.6 |
| | 屈服表面参数 | E_c (MPa) | 0.6 |
| | 偏心率 | f_b?0?/??_c?0 | 3.8 |
| | 螺栓 | E_b (MPa) | 21.0 |
| | 泊松比 | ?_b (f) | 0.6 |
| | 抗拉强度 | f тек (MPa) | 35.5 |
| | 极限强度 | f_u (MPa) | 64.0 |
| | | | |

FE模型施加了与满尺寸测试一致的边界条件和载荷。如图5(a)所示，节段级FE模型捕获了测试的整体响应。然而，观察到与实验结果的某些偏差。首先，在弹性阶段（第1阶段），FE模型的旋转量略小于测试在相同时刻的水平。相反，在弹性极限之后（第2至4阶段），FE模型产生的旋转量大于测试，表明数值响应略软。这种转变主要是由于物理测试不可避免地涉及支撑和加载系统中的寄生摩擦约束，这些约束抵抗了大变形，而理想化的数值边界条件并未捕捉到这些因素。此外，CDP模型的连续介质损伤公式导致弹性极限后的刚度减小更为渐进。其次，FE分析的第(5)阶段没有显示出测试中观察到的急剧刚度下降；相反，弯矩-旋转关系大致保持线性，弯曲刚度几乎恒定为322.7 kN·m/rad，与测试中接近零的刚度（塑性平台）相反，因为CDP模型模糊了局部混凝土压碎现象，而螺栓遵循理想的弹性-塑性规律。应当注意的是，这种比较的目的是为了验证传递到环级别模型的本构关系、接触设置和螺栓建模，而不是逐阶段再现测试曲线。第4节中的环级别模拟得到的接头开角幅度不超过0.323°，对应于曲线早期偏差最小的部分，而第(5)阶段的平台出现在旋转量约为1.8°以上。因此，第4.3节推导出的传递函数和随后的接头状态推断在研究的操作范围内是可靠的。

图5(b)比较了M1块和M2块中靠近E2块的榫槽部分的混凝土损伤模式。由于测试考虑了环与环之间的相互作用，纵向接头经历弯曲，而周向接头在垂直载荷下抵抗剪切；周向接头中的榫槽连接部分的混凝土主要受到压缩。CDP模型中的压缩损伤指数用于量化局部微裂纹的传播和刚度下降。这个标量损伤变量随着非弹性应变的累积而变化，范围从0（完整材料）到1（完全失去压缩能力）。数值结果与满尺寸测试观察结果一致，表明周向接头在纵向接头弯曲期间抵抗剪切，榫槽混凝土中观察到显著的压缩-剪切破坏。这表明周向接头的剪切性能直接影响纵向接头的弯曲能力。

验证后的节段级FE模型建立了纵向接头行为的本构关系、接触设置和边界条件。这些建模参数随后被转移到第4节的环级别FE模型中，用于在不同表面附加荷载情况下进行参数模拟。

4. 隐藏状态推断的物理传递函数
本节建立了将可测量的节段旋转与隐藏接头状态联系起来的物理传递函数。开发过程分为两个阶段：首先，介绍环级别FE模型和在不同表面附加荷载情况下的参数模拟；其次，推导节段旋转与接头状态之间的定量关系，包括从传感器位置到节段边缘的传递函数、接头开角计算和混凝土损伤演变。

4.1. 监测截面的地质条件
所研究的盾构隧道的埋深范围为11.6 m至38.8 m。在监测截面，隧道顶部覆盖有淤泥、泥泞土壤和从表面向下沉积的固结泥质粘土层，盾构隧道主要穿过中粗砂层。在监测横截面处的地质剖面如图6(a)所示，从现场调查报告中获得的各土层的物理和力学参数总结在表2中。下载：下载高分辨率图像（521KB）下载：下载全尺寸图像图6. 基于荷载-结构方法的环形FE模型概览。表2. 监测横截面各土层的物理和力学参数。编号 土层 淹没单位重量 ???? (kN/m3) 厚度 ???(m) 内聚力 ????(kPa) 内摩擦角 ???? (°) 周围岩石分类 1 泥沙 6.3 18.4 6 5.0 5.0 6 2 泥质土壤 6.7 3.1 8 7.0 6.0 3 固结泥质粘土 7.9 7.7 5 10.0 8.0 4 中粗砂 9 1.3 3 0.0 3 2.0 5 隧道主体 4.2. 基于荷载不确定性的环形FE模型参数化仿真本小节开发了用于参数化仿真的环形FE模型，涵盖了模型配置（包括几何形状、材料属性、边界条件及荷载方案），并使用截断的对数正态分布来表示隧道运行期间表面附加荷载的变化性。4.2.1. 环形FE模型概览环形FE模型采用了第3节中节段级校准验证的建模方法，包括接触设置和材料参数。监测横截面处的地质剖面如图6(a)所示，施加在结构上的荷载如图6(b)所示。在图6(b)中，活荷载（即未受扰动的原位应力）包括：??v?1 是顶部处的垂直土压力和表面附加荷载；??h?1 和 ??h?2 分别是顶部和底部处的水平土压力和表面附加荷载；??0 是结构自重；??w?1 和 ??w?2 分别是顶部和底部处的静水压力。地面反力包括：??r?1 是由垂直土水压力引起的岩层反力；??r?2 是岩层的水平阻力；??g 是由节段自重引起的岩层反力（Wei等人，2025年，Wei等人，2024年，Liu等人，2022年）。如图6(c)所示，??r?1、??r?2 和 ??g 通过弹簧连接衬砌与地面，其中正常弹簧仅承受压缩荷载，而切向弹簧提供摩擦阻力。由于隧道主体位于中粗砂中，并根据静态圆锥贯入试验，地面反力系数K取为20 MPa/m。正常弹簧的刚度由网格节点数确定。切向弹簧的刚度设置为正常弹簧的三分之一（Arnau和Molins，2012年）。环形FE模型包含三个节段环，以考虑环与环之间的相互作用效应，如图6(d)所示。节段细节，包括齿槽连接，如图6(e)所示。对于FE分析，屏蔽隧道节段的纵向位移（沿环形FE模型的Z轴）受到限制。数值模拟包括两个分析步骤：步骤1涉及对螺栓施加100 kN的预紧力。步骤2涉及施加土水压力并激活地面弹簧以完成分析。4.2.2. 荷载不确定性为了捕捉基于可靠性的预警系统中表面附加荷载的变化性，使用截断的对数正态分布来表征荷载不确定性（Ang和Tang，2007年，Baecher和Christian，2003年）。选择对数正态分布是因为其非负支持和右偏特性，反映了从健康状态到预警状态再到临界荷载范围的概率递减。第5.2.2节检验了结果对分布参数的敏感性。表面附加荷载S的概率密度函数表示为：(3)???(??)=1/??·??ln???√2πexp?[?(ln??????ln???)2/2??2ln???]·1/???(??max)，0
第4节使用有限元（FE）建模分析了纵向关节开口角度与段体旋转之间的关系，而本节重点关注现场监测数据。为了与第4节中的参数区分开来，从监测数据中得到的参数用上标“m”表示（表示“测量值”）：??mBs和??mLs表示B1块和L1块中嵌入传感器位置的旋转；??mBe和??mLe表示B1块和L1块的边缘旋转；??mJ表示B1块和L1块之间推断出的关节开口角度。

基于第4.3节建立的传递函数，可以从??mLs和??mBs推断出??mJ：首先使用方程（6）、（7）将嵌入传感器位置的旋转转换为边缘旋转，然后使用方程（8）计算??mJ。图17展示了整个监测期间??mLs、??mLe、??mBs、??mBe和??mJ的时间历史。逆时针旋转的??mLs和顺时针旋转的??mBs与第4.3节中的数值结果一致，验证了监测策略的可靠性。在整个监测期间，??mLe相对稳定在大约?0.08°。相比之下，??mBe在前三个月内表现出显著变化，从接近零的值变化到大约?0.21°，然后在剩余时间内趋于稳定。??mJ也遵循类似的趋势，在初始调整期后稳定在大约?0.13°。根据方程（9），这相当于大约73.3 kPa的等效表面超载，表明监测的隧道段在预期的运行范围内（0–150 kPa）处于健康状态。前三个月测量到的旋转变化反映了时间依赖的过程，而不是瞬时加载，主要是隧道上方软沉积物的施工后固结以及Liao等人（2017年）报告的环间应力松弛。经过这种调整后，推断出的关节开口角度稳定在大约?0.13°，因此图16和图17构成了全年测量倾斜角度和推断关节状态的时间依赖记录。

下载：下载高分辨率图像（209KB）
下载：下载全尺寸图像
图17. 测量到的段体旋转、边缘旋转和推断出的关节开口角度的时间历史。

5.2. 在负载不确定性下的可靠性分析

虽然第5.1.2节中的确定性推断提供了当前安全状态的实时评估，但它仅基于可用测量值考虑了瞬时条件。为了进行全面的安全评估，必须考虑整个运行期间的负载变化，因为表面超载会因交通负载、临时施工活动和附近的城市发展而变化。为此，第4.2.2节中建立的负载不确定性表征将表面超载S建模为一个截断的对数正态分布，其平均值为???? = 75 kPa，变异系数COV?? = 0.5，上限为Smax = 150 kPa。该分布代表了隧道在其运行期间可能经历的负载条件范围，参数是根据现场条件和工程经验估计的。在此基础上，本节开发了一个可靠性分析框架，首先介绍了用于计算整体安全状态概率的加权积分方法，然后进行了参数敏感性分析（第5.2.2节），以量化这些负载分布参数对可靠性评估结果的影响。

5.2.1. 加权积分可靠性方法

可靠性分析通过对负载分布进行积分来计算每种安全状态的概率。根据第4.3.3节中得出的损坏阈值，采用警告阈值??Warning = 107.46 kPa和临界阈值??Critical = 129.79 kPa来定义三种安全状态：健康状态（概率??Healthy），对应于表面超载低于??Warning；警告状态（概率??Warning），对应于表面超载在??Warning和??Critical之间；以及临界状态（概率??Critical），对应于表面超载超过??Critical。对于给定的负载概率密度函数f(S)，每种安全状态的概率由方程（17）、（18）、（19）给出，其中截断的对数正态密度f(S)在方程（3）中定义。

(17) ??Healthy = ∫??Warning????(??)d??
(18) ??Warning = ∫??Critical??Warning???(??)d??
(19) ??Critical = ∫??max??Critical???(??)d??

预期的关节开口角度由以下公式给出：
(20) ???(??J) = ∫??max???J?(??)·???(??)d??
其中??J?(??)是作为表面超载函数的关节开口角度，如方程（9）中所定义。

5.2.2. 参数敏感性分析

可靠性评估结果取决于假设的负载分布参数。为了量化这种依赖性并为不同的运行场景提供指导，通过改变平均值????和变异系数COV??来进行参数敏感性分析。平均表面超载????的影响反映了基线负载条件的差异：较低的值表示隧道位于表面负载控制严格的区域，而较高的值对应于负载更重的城市环境。COV??的影响捕捉了负载条件的变化：较小的值表示稳定、控制良好的负载，而较大的值表示高度可变的条件。这个参数框架使工程师能够：(1) 评估特定地点的负载条件下的可靠性；(2) 评估负载控制措施的有效性；(3) 识别需要加强监测的关键参数组合；以及(4) 支持隧道运营和维护的风险知情决策。

图18展示了????和COV??对??Healthy、??Warning和??Critical概率的综合影响。如图18(a)所示，随着????的增加，??Healthy在所有COV??值下都降低。在低平均表面超载（???? = 15 kPa）时，??Healthy接近1.0，无论变异系数如何，表明处于健康负载范围内的隧道保持了良好的安全裕度。随着????增加到75 kPa，??Healthy在COV?? = 0.5时降低到0.88，在???? = 135 kPa时进一步降低到0.60。与????相比，COV??对??Healthy的影响是次要的，尽管较高的变异性倾向于在中等表面超载水平下降低健康状态的概率。图18(b)展示了警告状态??Warning的概率。在低COV??值时，??Warning与????的关系是非单调的，先增加然后在高表面超载水平时减少。例如，在COV?? = 0.1时，??Warning在???? = 115 kPa时达到约0.63的峰值，然后下降。这种行为反映了警告状态的过渡性质：在非常高的表面超载水平下，概率质量直接转移到临界状态，绕过了警告状态。在更高的COV??值下，这种非单调趋势变得不那么明显。在基准条件（???? = 75 kPa，COV?? = 0.5）下，??Warning约为0.08。图18(c)显示了临界状态??Critical的概率。这种概率随着????的增加而增加，特别是在负载分布集中的低COV??值时。在COV?? = 0.1时，??Critical从???? = 75 kPa时的接近零显著增加到???? = 135 kPa时的0.58。在基准条件（???? = 75 kPa，COV?? = 0.5）下，??Critical约为0.04。较高的COV??值倾向于通过将概率质量分散到所有状态来缓和??Critical的增长。

图18进一步展示了????和COV??对??Healthy、??Warning和??Critical概率的综合影响。

图19进一步展示了????和COV??对状态概率和预期关节开口角度???(??J)的影响。如图19(a)所示，在固定COV?? = 0.5的情况下，??Healthy从???? = 15 kPa时的接近1.0逐渐减少到???? = 75 kPa时的0.88，再到???? = 135 kPa时的0.60。同时，??Warning和??Critical都随着????的增加而增加，在???? = 135 kPa时分别达到0.23和0.17。在整个负载范围内，??Healthy始终占主导地位，尽管在高表面超载水平下显著减少。预期的关节开口角度???(??J)从???? = 15 kPa时的?0.03°增加到???? = 75 kPa时的?0.13°，再到???? = 135 kPa时的?0.19°，反映了在更高负载下的关节逐渐恶化。图19(b)展示了在固定???? = 75 kPa时对COV??的敏感性。概率??Healthy与COV??的关系是非单调的，从COV?? = 0.1时的接近1.0减少到中等变异性（COV??= 0.5）时的大约0.88，然后在更高的COV??值时略有恢复。这种行为反映了对数正态分布的特性：在低COV??时，负载紧密集中在平均值附近，这处于健康范围内；随着COV??的增加，概率质量分布在所有状态之间。预期关节开口角度???(??J)的幅度首先增加，然后随着COV??的增加而减少，在COV?? = 0.25时达到峰值?0.135°，然后在COV?? = 0.9时恢复到?0.107°。

参数敏感性分析为隧道运营和维护提供了实际指导。对于可能在高表面负载（????>100 kPa）下的城市环境中的隧道，建议采取严格的负载控制措施和增加监测频率。对于负载变化较小的隧道（COV??<0.3），从健康状态到临界状态的转变可能突然发生，需要更加保守的安全阈值。本研究中采用的基准条件（????= 75 kPa，COV?? = 0.5）得出??Healthy = 0.88，??Warning = 0.08，??Critical = 0.04，表明隧道在典型运营条件下保持了足够的安全裕度。

6. 讨论

6.1. 所提出框架的优势

本框架的主要贡献是将可测量的量与在隧道运营期间不可观察的安全关键参数联系起来。通过收敛或沉降测量捕捉和监测结构响应的标准技术无法识别可能开始损坏的个别纵向关节的状态。该框架通过段体的旋转生成关节级别的状态，从而将监测方法从全局变形的被动观察转变为局部结构状态的主动推断。

严格的基于物理的校准链确保了这种推断的可靠性。首先，全尺寸弯曲测试表征了实际的力矩-旋转行为，揭示了六个不同的阶段，提供了物理上的真实依据。FE模型根据实验结果进行了验证，随后建立了传递函数（见方程（6）、（7）、（8）、（9）、（10）、（11）、（12）、（13））。使用基于物理的验证方法为设计工程师提供了可解释的关系，而基于物联网的智能段体和可靠性分析框架将这些关系转化为对运行中隧道的连续概率安全评估。

6.2. 局限性和未来工作

所提出的框架将物理传递函数视为确定性的，并且只考虑了负载不确定性。实际上，推断还受到传感器漂移、温度对读数的影响以及简化土壤-结构相互作用的模型不确定性的影响，数值模型没有考虑时间依赖效应，如软土的固结和混凝土的蠕变。因此，从现场数据反计算的等效表面超载73.3 kPa可能会高估实际负载。此外，段级别FE模型没有完全捕捉到全尺寸测试中观察到的急剧的刚度下降，因此当前的传递函数仅适用于运行负载范围，而不是接近失效的条件，需要进一步完善对平台状态的本构建模，以便将框架扩展到最终状态。通过考虑所有不确定性来源以及时间依赖的土壤行为的综合框架可以获得更可靠的估计。

负载-结构模型采用了水平分层的土壤剖面，因此施加的土压力和地面反作用力遵循相当均匀的模式，而在现实中遇到的不均匀土壤条件、渗流下空间变化的水力特性（Chen等人，2026年）和不对称界面（Razgordanisharahi等人，2026年，Moritz，2011年）会在衬砌上产生特征性的正负摩擦力模式，这会改变内部力和传递函数系数。从实施的角度来看，单个仪器化的横截面展示了该框架，但不足以对隧道进行完整评估。传递函数是基于监测横截面的地质条件开发的，需要为具有不同土壤类型、地质条件或负载模式的隧道截面重新生成。此外，激光扫描-based点云重建的补充监测技术可以实现段体几何形状的自动化数字重建，并直接测量关节位移和旋转（Lin等人，2025年），这可以独立验证推断出的关节状态。将这种光学技术与分布式光纤传感技术结合使用，后者可以沿隧道连续测量关节变形（Zhang和Broere，2023年），将是跨验证的多技术监测关节状态的有希望的方向。

在未来的研究中，我们计划将监测系统扩展到隧道沿线覆盖不同地质单元的多个横截面，这可以通过动态更新3D地质模型来支持，以减轻地质不确定性（Jiang等人，2026年）。在那里，我们将测量和模型不确定性纳入可靠性框架，并开发机器学习方法，这些方法明确考虑这些不确定性以更稳健地预测关节状态。一个有希望的途径是通过贝叶斯更新进行连续模型细化。时间依赖效应，如固结和蠕变，也将被纳入环级别模拟中，以便传递函数同时依赖于载荷和时间。此外，由于环级别模型已经为每个超载等级提供了监测接头处的法向力和弯矩，因此可以进一步将这些内部力的代码兼容交互包（Razgordanisharahi等人，2026年）与推断的状态进行对比，从而提供更接近常规施工规范的联合指标。在结构方面，该框架也可以应用于具有增强抗裂性的衬砌材料，例如那些采用混合纤维钢筋系统加固的衬砌材料（Bao等人，2025b年），在这种情况下需要重新推导传递函数，以反映修改后的接头刚度和损伤演化。

7. 结论

本研究提出了一种基于物联网的智能监测框架，该框架能够从盾构隧道中可测量的节段旋转数据中推断出隐藏的纵向接头状态。全尺寸试验、有限元建模、基于物联网的监测和可靠性分析相结合，填补了通常可获得的测量数据与安全关键参数之间的差距，为隧道的预防性维护提供了实际可行的解决方案。本研究的主要贡献如下：

（1）本研究采用的全尺寸弯曲试验（Feng等人，2026年）表明，当纵向接头受到负弯曲时（即外拱展开而内拱闭合），会表现出六个行为阶段。从初始弹性响应到最终破坏的实验性弯矩-旋转关系为模型校准提供了基础。从校准后的有限元模型中得出的传递函数基于物理原理，将传感器测量值与接头开口角度和混凝土损伤联系起来。这保证了推断状态的一致性和可解释性。这些函数能够表征随着表面荷载变化而演变的损伤过程，从而客观评估预警和临界阈值，减少了对主观经验判断的依赖。

（2）在一座正在运营的地铁隧道中进行的一年现场监测验证了所提出框架的实际适用性。带有嵌入式无线倾斜传感器的智能节段能够在节段浇筑期间持续采集数据，无需在接头位置安装侵入式传感器。推断出的接头开口角度在初始变化后稳定在约-0.13°，相当于大约73.3千帕的表面荷载，表明隧道处于预期的正常运行范围内。需要注意的是，这个等效值可能会高估实际的表面荷载，因为当前模型没有考虑时间依赖的土壤固结效应。

（3）开发了一个可靠性分析框架，用于量化在荷载不确定性下的这些安全状态的概率，这些不确定性由截断的对数正态分布表示。在平均表面荷载为75千帕、荷载变异系数为0.5的典型运行条件下，健康状态、预警状态和临界状态的概率分别约为88%、8%和4%。参数敏感性分析显示，平均表面荷载水平对安全状态的概率具有主导作用，而变异系数对健康状态的概率的影响是非单调的。

**作者贡献声明：**

冯浩蓝：撰写——原始草稿、可视化、验证、软件开发、资金筹集、正式分析、数据管理。
张东明：撰写——审稿与编辑、监督、资源协调、项目管理、资金筹集、概念构思。
斯特凡诺·马里亚尼（Stefano Mariani）：撰写——审稿与编辑、监督。
加布里埃莱·德拉韦基亚（Gabriele Della Vecchia）：撰写——审稿与编辑、监督。
黄宏伟（Hongwei Huang）：监督、资源协调、项目管理、概念构思。
陈刚（Gang Chen）：资源协调、概念构思。