一种基于数据的隧道掘进机刮刀布局设计框架:分类与参数化建模
《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》:A data-driven framework for scraper layout design in tunnel boring machines: Classification and parametric modeling
【字体:
大
中
小
】
时间:2026年08月29日
来源:TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY 8.7
编辑推荐:
摘要
在隧道掘进机(TBM)中,刮板布局设计仍然是切割头配置中相对较少被研究的方面,尽管它对开挖效率和工具磨损缓解具有关键影响。本研究引入了一个结构化的框架,用于刮板布局分类和几何设计,以实现可复制、平衡和可调的布局方案。通过对228个高性能TBM项目的数据集进行分析,确定了
摘要
在隧道掘进机(TBM)中,刮板布局设计仍然是切割头配置中相对较少被研究的方面,尽管它对开挖效率和工具磨损缓解具有关键影响。本研究引入了一个结构化的框架,用于刮板布局分类和几何设计,以实现可复制、平衡和可调的布局方案。通过对228个高性能TBM项目的数据集进行分析,确定了关键预测因素——机器类型(MT)、切割头直径(Dia.)和地下条件(GC)——并利用这些因素训练了一个分类与回归树(CART)模型。该模型将布局类型分为四种:无刮板(None)、辐射型(Radial)、辐条型(Spoke)和多方案型(Multi-scheme)。然后应用确定性参数公式,根据覆盖宽度、间距、重叠和力的对称性生成刮板布局。研究表明,地下条件(GC)是最具影响力的预测因素(标准化重要性=100%),其次是机器类型(MT,88.1%)和切割头直径(Dia.,42.6%)。CART模型的测试准确率为71.9%,大多数类别的接收者操作特征曲线(ROC)下面积(AUC)值超过0.85。在土压平衡(EPB)和直径大于6.545米的泥浆掘进机中,多方案型布局较为普遍;而在该阈值以下,则以辐条型和辐射型布局为主,这受到地下条件的影响。所提出的方法为基于数据的布局选择提供了替代方案,并通过案例研究展示了其实际应用性。这为智能切割头配置以及未来整合到CAD环境和数字孪生平台奠定了基础。
1. 引言
TBM切割头配置会根据地下条件和开挖要求进行调整。在硬岩和混合面地层中,通常使用盘式切割器作为主要切割工具,单独使用或与刮板结合使用,因为它们能够破碎和穿透磨蚀性岩石。在软地面条件下(如粘土、淤泥和沙子),破碎切割器和刮板更为常见。破碎切割器有助于松散粘性土壤,而刮板负责收集和输送松散的物质。值得注意的是,在非常软的土壤中,刮板可以作为主要切割工具,无需破碎切割器或盘式切割器(Farrokh和Lotfi,2025)。在软地面条件下,刮板是主要的切割和清理工具,因此其几何布局对于开挖效率和表面覆盖至关重要。相反,在硬岩TBM中,盘式切割器是主要挖掘工具,刮板则起到辅助作用,用于清理碎屑。因此,本研究提出的严格参数设计框架主要针对软地面应用(EPB和泥浆TBM),在这些应用中,刮板的几何形状直接影响性能。
TBM切割头中的刮板布局设计传统上依赖于经验性启发式方法和制造商的经验,相关文献中的系统化程度有限。尽管针对不同地下条件对盘式切割器配置进行了广泛研究和优化(Rosam等人,2024;Sun等人,2018;Xia等人,2015;Grothen,2015),但现有研究主要集中在性能预测、切割器磨损或一般切割头配置上,尚未解决刮板布局的系统性分类或几何生成问题。在切割头设计方面的一些显著进展包括Huo(2014)提出的多目标耦合布局模型和切割头结构,Cheng(2018)的地质适应性切割头设计方法,以及Farrokh(Farrokh,2020;Farrokh,2021a;Farrokh,2021b;Farrokh,2022b;Farrokh,2022a)提出的周边切割器布置优化策略和均匀分布布局设计。Deng等人(2024)为布局优化提供了切割力建模的见解,而Ling等人(2019)提出了复合地面条件下切割头动力学的预测框架。
与盘式切割器相比,刮板在TBM研究中的关注度相对较低,尽管它们在软地面开挖中起着关键作用。刮板负责收集松散的土壤并确保全面覆盖,特别是在EPB和泥浆TBM中。虽然之前的研究已经探讨了刮板磨损和效率问题(如Cao和Zhang(2021)以及Gwildis等人(2018)通过非线性多目标模型和共同进化算法(Li,2010)进行了布局优化),但很少有研究提出正式的刮板布置方法。Tang等人(2024)对磨蚀性沙土中的刮板磨损进行了实验研究,确定了几何形状、材料成分和硬度对耐磨性的影响。他们的发现确定了最佳的前后角度、边缘轮廓和材料特性以提高性能。Tang等人(2022)的补充工作引入了一种新的土壤磨损测试方法,揭示了刮板磨损与地质参数(如石英含量、颗粒大小、形状和湿度水平)之间的相关性。这些贡献强调了刮板设计在提高切割头适应性和开挖效率方面的重要性。本研究通过引入基于几何和数据的刮板布局分类和设计框架,填补了这一空白。
然而,尽管刮板几何形状和材料选择受到了越来越多的关注,但布局策略——特别是刮板的空间排列和分类——仍然主要基于经验且缺乏记录。鉴于切割头设计的多目标性质,其中切割工具的定位必须满足TBM结构和操作中的复杂非线性约束(Alebouyeh等人,2024),这一空白尤为重要。现有做法通常依赖制造商的启发式方法或项目特定经验,限制了不同机型和地面条件下的可复制性和适应性。新兴的布局范式,如随机配置,在减少侧向力和偏心扭矩方面显示出潜力,但缺乏正式的分类框架或设计工作流程的整合。
最近的数据分析和机器学习进展显著扩展了TBM操作的能力,实现了预测建模、过程优化和自动化。实时地质预测(Zhao等人,2019)和参数优化(Liu等人,2023)等技术越来越多地被用于提高决策制定、操作效率和安全性。大数据框架和机器学习算法在地下条件预测和异常检测方面具有变革潜力(Mostafa等人,2024)。然而,实际应用仍具有挑战性,许多模型尚未完全转化为现场可用的解决方案。Shan等人(2023)的系统性回顾强调了机器学习在捕捉复杂非线性相互作用以预测TBM性能、地表沉降和时间序列动态方面的有效性。正在进行的研究继续推进智能化隧道施工方法,旨在提高不同地质环境下的安全性、可持续性和成本效益。
本研究引入了一种新颖的两步框架,用于TBM中刮板布局设计,结合了数据驱动的分类和参数化几何建模。使用分类与回归树(CART)算法分析了包含228个TBM项目的数据集,该算法因其高可解释性和一致的有效验证性能而被选中。在第一阶段,该框架根据机器和地质参数对刮板布局类型进行分类。在第二阶段,使用原始几何公式生成详细的刮板布置,这些公式考虑了力的对称性和全面覆盖。这种混合方法将传统上基于经验启发式指导的刮板布局设计形式化,为工程决策提供了可复制、可定制的工具。决策树模型既是一个强大的分类器,也是根据项目特定输入(如地下条件、机器类型和切割头直径)选择常用刮板布局类型(无刮板、辐射型、辐条型或多方案型)的实际指南。
该框架的主要目标用户是TBM制造商的设计团队,在切割头配置的早期概念布局阶段,工程师需要快速、可复制的方法来选择和生成基于项目规格(机器类型、直径和地面条件)的刮板布置。该框架也对承包商和咨询工程公司有价值,他们可以评估和验证制造商的设计提案,评估技术合理性,识别潜在改进之处,并在必要时提出修改建议。此外,开发模拟工具或数字孪生平台的研究人员可以将这些参数公式作为性能建模的几何基础。该框架旨在在详细CAD建模和结构分析开始之前支持初始布局决策,提供了对临时经验实践的系统替代方案。本研究提出的详细程度和严谨性旨在满足早期工程设计的需求,其中透明度、适应性和可复制性至关重要。
本研究的核心创新在于将机器学习分类与确定性设计方法相结合,特别是应用于TBM切割头配置。虽然决策树模型已经成熟,但在此背景下的使用实现了从分类预测到几何布局合成的结构化过渡——这在刮板布局设计中是前所未有的。所提出的参数公式控制刮板间距、覆盖宽度、重叠条件和力平衡,支持手动和自动化的布局生成。这些公式旨在满足机械约束,同时允许每圈刮板对的灵活分配,特别是在磨损加速的区域。
此外,该框架解决了TBM设计实践中一个关键问题:刮板布局决策的缺乏验证和重复性。通过将布局选择基于统计验证的规则,并提供可复制的设计程序,该方法增强了切割头配置的可靠性和效率。CART模型展示了强大的分类性能,整体测试准确率为71.9%,大多数类别的ROC曲线下面积(AUC)值超过0.85。预测因素的相对重要性强调了所选特征的地质技术和机械相关性。为了进一步提高决策信心,CART输出中加入了类别概率估计,使工程师能够以量化的确定性解释布局建议。后续部分详细介绍了决策树的构建和验证过程,展示了设计方程和布局生成工作流程,并通过来自实际TBM应用的案例研究说明了该方法。所提出的框架为刮板布局设计提供了一种可扩展和可适应的解决方案,对于基于历史实践 formalize 布局选择具有重要意义。
本研究提出的框架适用于各种TBM项目。它基于从更大数据池中选出的228个高性能案例,以确保机器类型、切割头直径和地下条件的多样性。这种多样性有助于开发适用于早期设计决策的通用模型。与传统的经验实践不同,后者可能无法系统地考虑地质参数、力对称性或表面覆盖,所提出的方法提供了可复制和可定制的替代方案。参数公式允许灵活布置刮板——包括每圈多个刮板对——支持在磨损加速区域的设计调整。这种两步方法提高了透明度、可重复性和与CAD工作流程的整合。
2. 刮板布局分类
安装在TBM切割头上的刮板作为辅助组件,帮助清除挖掘面上的松散土壤或岩石,并将其引导至螺旋输送机或泥浆入口。这些刮板的空间配置对切割头效率、磨损分布和泥浆流动行为有重大影响。通过对228个高性能TBM项目的全面回顾,确定了四种不同的刮板布局方案,并进行了系统分类如下:
2.1. 无刮板(类别N)
在硬岩TBM配置中,通常完全省略刮板。这些机器依赖盘式切割器和铲斗唇进行破碎和物料处理,因此不需要额外的刮板工具。省略刮板反映了专注于最大化切割头强度和减少地质稳定环境下工具冗余的设计策略。因此,“无刮板”类别并非由于数据缺失,而是硬岩TBM的一种故意且物理上准确的设计选择。包含这一类别对于决策树模型成功区分需要刮板布局的机器配置(软地面)和故意省略刮板的机器配置(硬岩)至关重要。
2.2. 辐射型布局(类别R)
辐射型刮板布置的特点是工具沿着从切割头中心延伸的直线排列,形成类似辐条的图案(图1)。这种布局促进均匀的表面覆盖,通常用于在软地面条件下运行的土压平衡(EPB)机器,尤其是那些切割头直径适中的机器。当主要切割工具均匀分布在切割头表面而不是集中在臂上时,辐射型布局更为常用。刮板沿着从切割头中心辐射的直线安装,促进均匀覆盖和磨损平衡。这种配置简化了制造和布局对称性,适用于空间约束较小且切割头几何形状不拥挤的情况。
下载:下载高分辨率图像(190KB)
下载:下载全尺寸图像
图1. 刮板辐射型设计的示例(改编自Herrenknecht,2025)。
2.3. 辐条型布局(类别S)
辐条型布局的特点是从切割头中心沿两条平行线安装的刮板对(图2)。这些臂可能包含也可能不包含切割工具箱。当需要更高的开口比以确保高效的泥浆流动时,辐条型布局特别有效。在这样的情况下,主要的切割工具——如圆盘切割器或撕裂器——被径向安装在一些臂上,开口必须保持尽可能宽。为了适应这一点,臂的宽度在径向上保持一致。因此,刮板沿着这些臂平行排列。这种布局在受限的切割头设计中平衡了挖掘效率与工具分配。下载:下载高分辨率图像(203KB)下载:下载全尺寸图像图2. 刮板辐条设计的一个例子(改编自Herrenknecht,2025年)。2.4. 多方案布局(M类)多方案配置结合了径向和辐条元素,通常伴随着对称的开口模式(图3)。在切割头中心附近,由于空间受限和工具拥挤,通常需要采用径向刮板布置。向周边移动时,径向布置有助于防止开口过宽,同时保持覆盖范围。这种混合配置主要用于异质地面和大型TBM。下载:下载高分辨率图像(465KB)下载:下载全尺寸图像图3. 刮板多方案设计的一个例子(改编自Herrenknecht,2025年)。每种布局类型都反映了不同的工程哲学和操作环境。这里提出的分类框架构成了本研究开发的决策树模型的基础,使得可以根据机器规格和地面条件自动选择刮板布局。3. 方法论3.1. 数据收集和特征工程本研究使用了228个隧道掘进机(TBM)项目的数据集,这些项目因其在不同地质和操作环境中的高性能而被选中。记录来自制造商档案、学术出版物、承包商的设计数据库和公开的工程报告。每个条目包括关键属性,如切割头直径、TBM类型、地面分类和记录的刮板布局类型。该数据集涵盖了广泛的软土地隧道挖掘场景,并经过精心策划,以确保一致性、完整性和与刮板布局设计的相关性。每个条目包括三个已知会影响切割头设计的关键特征:•机器类型(MT):分类为开放型、双盾型(DS)、单盾型(SS)、土压平衡型(EPB)或泥浆型。•切割头直径(Dia):被视为一个连续变量,分类阈值通过决策树分析统计确定。•地面条件(GC):根据Farrokh和Lotfi(2025年)提出的分类框架,根据隧道沿线的主要地质特征进行分类(表1)。在涉及多个地层的情况下,分配的GC标签对应于对切割头设计影响最大的地层——通常是由于其范围、磨蚀性或机械复杂性(例如,存在巨石或硬岩包含物决定了结构要求和开口配置,超过了较软的土壤基质)。表1. 本研究中使用的地面条件(GC)分类,基于Farrokh和Lotfi(2025年)提出的框架。GC解释典型地质类型SSo软土通常包括细沙和粉砂,含粘土HSo硬土包括硬/压实沙、壤沙、粉砂和含少量砾石的沙土,含少量砾石的细土,SPT超过40CSo粗土包括冰川沉积物和粗土(冰碛、砾石和卵石)BGr多石地面含有巨石的异质地面SMx软岩与软土的混合面包括软土与软岩的组合(泥质基质、泥岩、页岩、粉砂岩、石膏、泥灰岩)HMx硬岩与硬岩的混合面包括软土与硬岩的组合(花岗岩、硬石灰岩、凝灰岩、砂岩)HRo硬岩类似于花岗岩的硬岩、硬石灰岩、凝灰岩和砂岩。SRo软岩类似于泥质基质、泥岩、页岩、粉砂岩、石膏、泥灰岩的软岩。SHRo软岩和硬岩的交替这些特征是根据它们在TBM设计文献中的机械相关性和普遍性选择的,并且在所有案例中都是一致且可解释的,从而实现了稳健的分类,而不会引入数据稀疏或偏差。这些因素直接影响实际中的刮板布局决策。例如,较大的切割头通常需要多方案布局,以确保全面覆盖,同时遵守切割头边缘所需的开口宽度限制。本研究中使用的决策树结构反映了这种工程逻辑,使得可以根据实际隧道参数和设计约束对刮板布局类型进行可解释的分类。本研究的响应变量是刮板布局类型,分为四个不同的类别:无(N)、径向(R)、辐条(S)和多方案(M),如第2节所定义。为了确保模型的泛化能力并降低过拟合的风险,使用15折交叉验证对数据集进行了验证。为了评估数据集的代表性,表2提供了228个TBM项目的统计摘要。四个刮板布局类别的分布相当平衡,无(N)占28.9%,径向(R)占30.7%,多方案(M)占21.5%,辐条(S)占18.9%。没有单一类别在训练数据中占主导地位,从而最小化了分类偏差的风险。在机器类型中,EPB和泥浆TBM合计占数据集的70.2%,反映了它们在软土地隧道挖掘中的普遍性,其中刮板布局最为关键。剩余的29.8%包括开放型、双盾型(DS)和单盾型(SS)机器,主要与硬岩条件相关,以及“无”布局类别。在EPB/泥浆子集(160个样本)中,直径分离为6.545米以下的占56.3%,以上的占43.8%。地面条件分布涵盖了表1中定义的所有九个类别,其中软岩与硬岩的混合面(HMx)最为常见,占18.9%,其次是软岩与软岩的混合面(SMx),占14.5%。表2. 数据集中228个TBM项目的统计摘要。类别子类别样本数量百分比(%)刮板布局类别N6628.9R7030.7S4318.9M4921.5机器类型(MT)EPB7934.6泥浆8135.5开放3013.2DS219.2SS177.5机器类型(分组)EPB + 泥浆16070.2开放 + DS + SS6829.8切割头直径(仅EPB/泥浆,n = 160)Dia. ≤ 6.545 m9056.3Dia. > 6.545 m7043.8地面条件(GC)SSo229.6HSo2511.0CSo156.6BGr208.8SMx3314.5HMx4318.9HRo3013.2SRo167.0SHRo2410.5总计2281003.2. CART模型构建和理由为了根据项目特征对刮板布局类型进行分类,构建了一个分类和回归树(CART)模型。CART是一种监督学习算法,通过递归地将数据集分割成子集来构建二叉决策树,以最大化类别纯度(Daniya等人,2020年;Breiman等人,1984年)。Gini指数被用作分割标准,它倾向于减少类别不纯度的分割(Daniya等人,2020年;Bello等人,2025年)。所有类别被赋予相等的先验概率,以避免对更常见布局的偏好。选择CART模型是因为它在工程应用中的独特优势:•可解释性:与神经网络或支持向量机等黑盒模型不同,CART产生了一套易于解释和审核的决策规则。这一特性在需要解释和可追溯的设计决策的工程应用中特别有价值。正如Hastie等人(2009年)所指出的,CART模型提供了直观的结构和清晰度,使其在需要可解释性的环境中更受欢迎。•基于规则的决策制定:TBM设计通常依赖于启发式或经验法则方法。CART通过从历史隧道数据中提取统计验证的决策规则,弥合了经验实践和数据驱动建模之间的差距(Salimi等人,2016年)。•处理混合数据类型:数据集包括分类(机器类型、地面条件)和连续(直径)变量。分类和回归树(CART)算法已被证明可以有效地处理混合数据类型,包括分类和连续变量,而无需复杂的预处理(Bishnoi等人,2022年)。CART的灵活性使其可用于分类和回归分析,同时适应混合预测器类型(Hancock,2006年)。在一项关于棉花基因型分类的研究中,基于决策树的集成方法随机森林和AdaBoost在处理混合数据方面优于其他机器学习分类器(Bishnoi等人,2022年)。CART也可以应用于多变量数据集,允许同时分析多个统计变量(Soni,2010年)。然而,传统的基于距离和基于密度的方法往往难以处理混合类型的数据。为了解决这个问题,提出了密度加权信息增益(DWIG)树算法,该算法通过递归分割整合了连续和分类特征,在聚类混合类型数据方面优于K-Prototypes方法(Zhao,2024年)。•鲁棒性和验证:使用15折交叉验证对模型进行了验证,这对于这种规模的数据集(n = 228)特别合适,以确保鲁棒性能并防止过拟合。在此过程中,数据集被随机分为15份(每份大约15个样本)。模型训练了15次,每次使用14份数据进行训练,剩余的一份进行测试。选择这种方法是为了最大化训练数据的使用和测试的可靠性。报告的总体测试准确率和类别特定的接收者操作特征曲线下面积(ROC-AUC)值代表了所有15份的平均预测结果,确保数据集中的每个样本都得到了评估,而无需单独的保留测试集。这种验证的详细数值结果在3.3节中呈现。•工程相关性:提取的规则与已知的设计实践一致。例如,大直径的EPB和泥浆机器通常需要多方案刮板布局来管理复杂的泥流,而小型机器在软土地中则倾向于使用径向布置,以实现简单性和覆盖范围。最终的决策树包括:•3个总预测因子(MT、Dia、GC)•4个终端节点,每个对应一个刮板布局类别•最小终端节点大小为38个样本•误分类成本为0.3339(训练)和0.3649(测试)3.3. 分类结果和规则提取CART模型的整体测试准确率为71.9%。为了进一步评估模型对每个布局类别的区分能力,计算了接收者操作特征曲线下面积(ROC-AUC)。模型在所有类别中表现出强劲的性能,AUC值为无(N)0.9689,多方案(M)0.8972,辐条(S)0.8556,径向(R)0.8066。这些指标证实了模型在区分不同刮板布局配置方面的鲁棒性。在验证了模型的性能之后,决策树分析产生了一套可解释的刮板布局分类规则,如图4所示。下载:下载高分辨率图像(180KB)下载:下载全尺寸图像图4. 用于预测刮板布局的CART模型。为了提高决策信心并解决刚性阈值的局限性,每条规则都附有从终端节点分布中得出的类别概率估计:•如果MT ∈ {开放型,DS,SS},那么布局 = 无(N),N的概率为91%,R为7%,M为2%。•如果MT ∈ {EPB,泥浆}且Dia > 6.545米,那么布局 = 多方案(M),M的概率为64%,R为20%,S为14%,N为1%。•如果MT ∈ {EPB,泥浆}且Dia ≤ 6.545米且GC ∈ {BGr,SMx,HRo},那么布局 = 径向(R),R的概率为82%,S为8%,N为8%,M为2%。•如果MT ∈ {EPB,泥浆}且Dia ≤ 6.545米且GC ∈ {CSo,HMx,HSo,SHRo,SRo,SSo},那么布局 = 辐条(S),S的概率为58%,R为38%,M为4%。这些概率规则经过统计验证,并与既定的工程直觉和现场经验一致。它们是后续部分中介绍的参数设计流程的基础。需要注意的是,6.545米的阈值是根据CART算法得出的统计分割,而不是严格的工程边界。对于直径接近此阈值的项目,最终布局选择还应考虑实际工程因素,如切割头开口比例、结构布置、泥浆系统容量和维护要求。图5说明了在预测刮板布局时各种特征的相对重要性,提供了关于影响隧道掘进机(TBM)操作布局选择因素的关键见解。地面条件(GC)作为最具影响力的预测因子,其标准化重要性得分为100%,证实了其在塑造布局决策中的主导作用。这一发现与既定的隧道施工实践一致,其中地面条件显著影响机器性能和结构设计。下载:下载高分辨率图像(63KB)下载:下载全尺寸图像图5. 相对于目标参数刮板布局的相对特征重要性。机器类型(MT)的得分为88.1%,反映了TBM配置和能力对刮板布局的显著影响。不同的机器类型被设计用来应对特定的地质挑战,它们对布局选择的影响反映了这一实际情况。直径(Dia.)的得分为42.6%,也对模型的预测有重要贡献。尽管其影响不如GC和MT明显,但机器大小的变化影响空间约束和机械要求,使其成为布局优化中的相关因素。这些分数以百分比表示,并来自CART模型的内部特征排名算法,其中最具影响力的特征被缩放到100%,其他特征按比例标准化。总体而言,这种特征重要性分析加强了地质和机器相关参数在刮板布局选择中的重要性,为工程师和决策者提供了更清晰的理解,以优化TBM的部署效率。4.### 扫刀器布局设计程序
在通过决策树模型对扫刀器布局类型进行分类(例如径向、辐条式、多方案式或无方案式)后,基于机器和地面参数,下一步是在TBM刀盘上生成扫刀器的几何配置。虽然分类提供了一个战略性的布局类别,但它并不规定扫刀器放置的几何细节。为了解决这个问题,作者开发了一种参数化设计程序,将布局分类转化为完全定义的扫刀器排列。该程序由确定性公式控制,这些公式定义了每个布局类别的扫刀器覆盖宽度、间距和设计师指定的重叠量。这种两阶段方法确保了智能布局选择后的精确几何实施,从而实现了可复制和可适应的扫刀器设计,同时考虑到刀盘几何形状、覆盖要求和机械约束。
#### 4.1 设计目标和约束条件
扫刀器布局必须满足以下设计目标:
- **双侧扫刀器布局**:根据扫刀器在刀盘旋转过程中与隧道面的接触情况,将其分为主动式和被动式。主动式扫刀器在正常旋转时直接接触并清扫挖掘表面,有助于清除污物和覆盖隧道面。被动式扫刀器放置在主动式扫刀器后面,方向与旋转方向相反。虽然被动式扫刀器在标准操作时不与隧道面接触,但如果刀盘旋转方向反转(例如在盾构滚动校正期间),它们会变成主动式,从而实现双向清扫功能。这些扫刀器对通常成对排列在一个圆环内,以便于高效的物料清除和操作灵活性。

- **扫刀器布局定位以实现覆盖和平衡**:首先将扫刀器分配到同心环中,这些环定义了径向覆盖区域,并支持设计师确定所需的重叠量。在每个环内,扫刀器的角度定位可以采用几何图案,如阿基米德螺旋、成对对称(180°间距)或其他先前为圆盘切割器分配开发的布局策略(Farrokh, 2024)。选择这些图案是为了满足设计目标,包括均匀的表面覆盖、力平衡和刀盘对称性。例如,成对布置可以促进力的平衡(图7)。在微型TBM中,由于空间限制,扫刀器可能不对称地放置在开口周围。在磨损加速的情况下,可以在一个环内分配多个扫刀器对以保持性能(图8)。

- **成对设计以平衡力**:扫刀器以180°的角度间隔成对排列,以促进几何对称性,减轻刀盘上的不平衡力(图7)。
- **重叠控制**:扫刀器的放置必须避免过度重叠或间隙,以免产生未清扫的区域。在粘聚性土壤中,扫刀器设计为能够清扫整个隧道面。在磨蚀性土壤中,故意引入重叠量以补偿边缘磨损并保持覆盖完整性(图9)。

- **工具可访问性**:保持扫刀器之间的适当间距,以便于检查、更换和维护活动,同时不牺牲布局效率。
- **力对称性**:扫刀器的分布确保力的对称应用,最小化刀盘的振动和不均匀磨损。
用于生成扫刀器布局的确定性公式基于机械原理,包括力对称性、覆盖优化和可访问性约束。例如,成对扫刀器布置(工具以180°间距对称放置)旨在促进几何对称性,并减轻潜在的不平衡力和力矩。这种方法建立在之前为圆盘切割器布局优化开发的力平衡方法基础上(Farrokh, 2024),现在已适应特定的扫刀器负载条件。虽然当前研究重点是布局生成,但未来的工作将包括基于仿真的验证,以评估力平衡和磨损均匀性,从而确认所提出公式的机械优势。
设计目标通过根据所选扫刀器类型变化的几何和机械约束条件来具体化。如图10所示,主动式和被动式扫刀器四个角的极坐标在一个由内外半径定义的圆环内确定。每对扫刀器的布置使得主动式扫刀器从一个角度位置θ开始,而相应的被动式扫刀器则偏移Δθ,位于相邻开口边界附近。用于计算这些坐标的完整参数方程组在方程(1)、(2)、(3)、(4)、(5)、(6)、(7)、(8)、(9)、(10)、(11)、(12)、(13)、(14)、(15)、(16)中提供。

其中:
- $\rho_{oi}$ 是由一对主动式和被动式扫刀器形成的覆盖圆环的内半径。
- $\rho_{ou}$ 是由一对主动式和被动式扫刀器形成的覆盖圆环的外半径。
- $w_{s}$ 是扫刀器的径向宽度。
- $\rho_{i}$ 和 $\theta_{i}$ 是主动式扫刀器四个角的极坐标,其中 $i = 1,2,3,4$。
- $\rho_{yi}$ 和 $\theta_{yi}$ 是被动式扫刀器四个角的极坐标,其中 $i = 1,2,3,4$。
- $\theta$ 是主动式扫刀器前缘的角度位置。
- $\Delta\theta$ 是主动式和被动式扫刀器对之间的角度偏移。
#### 4.2 参数化公式
本节概述了在三种不同布局类别(径向布局(R类)、辐条式布局(S类)和多方案式布局(M类)中分配扫刀器所需的参数化公式。每种布局类型都受其几何配置和操作约束的支配,需要定制的数学处理以确保最佳的扫刀器分布和覆盖。
需要强调的是,尽管CART决策树基于历史数据提供了稳健的初步分类,但得到的布局类别仅作为早期设计指导,并非严格的工程规范。最终布局选择和详细的几何实现必须根据项目的具体机械和结构约束进行细化。这些约束包括刀盘开口比例、臂的结构排列、切割箱的位置以及维护空间要求等。此外,本节中提出的确定性参数化公式主要用于早期几何布局生成,以确保表面覆盖和对称性;它们并不自动考虑所有详细的结构干扰,这些干扰必须在最终的CAD设计阶段解决。
为了展示所提出框架的实际工作流程和适用性,提供了来自三个真实世界隧道掘进机(TBM)项目的匿名案例示例,作为设计演示而非严格的独立验证。每个案例都遵循完整的工作流程——从通过决策树模型进行布局分类开始,然后使用相应的参数化公式进行扫刀器排列。最后阶段包括对结果的工程解释,包括覆盖效率、重叠宽度和机械可行性的分析。这些示例说明了理论框架如何转化为在不同项目条件下可行的扫刀器放置策略。
#### 4.2.1 径向布局
径向布局主要用于直径较小的TBM掘进机中,其中扫刀器工具对称地放置在开口的两侧。这种配置有助于高效地覆盖挖掘面,同时保持较低的机械复杂性。该布置的控制几何参数和尺寸规格如图13所示。方程(20)、(21)、(22)、(23)、(24)提供了计算图13中所示每个主动式和被动式扫刀器一个角点的极坐标的公式。其余角点的计算遵循相同的公式方法(见方程(1)、(2)、(3)、(4)、(5)、(6)、(7)、(8)、(9)、(10)、(11)、(12)、(13)、(14)、(15)、(16)。


图14展示了为浆土型TBM配置的径向扫刀器布局,其中地质剖面包括粉砂砾岩、沙子、钙质泥岩、石灰岩、粉砂岩和粉砂粘土——统称为软混合(SMx)地面条件。根据先前建立的分类规则和参数标准,CART决策模型确认了这种辐射布局的适用性,当TBM类型为泥浆钻机、刀盘直径不超过6.545米,且地质条件属于BGr、SMx或HRo类别时。### 实际应用与概念验证
为了证明所提出框架的可计算性,第4.1节中提出的参数公式(方程式1-19)以及针对径向、辐条式和多方案配置的特定布局公式(方程式20-29)已被实现在一个基于电子表格的工具中。该工具能够接收论文中定义的关键设计参数——切割头直径、刮板径向宽度(??????)、刮板周向宽度(??????)、内外半径(??????, ????????)、开口几何形状(径向布局为??????或辐条布局为??)以及重叠要求——并根据分类的布局类型生成刮板角点的极坐标。
对于第4.2节中提到的三个案例研究(6.5米的泥浆TBM、4.7米的EPB TBM和9.76米的EPB TBM),该工具复现了与图14、图15、图16中显示的实际物理布局一致的刮板排列。坐标输出可以直接导入CAD环境中进行可视化,从而确认这些几何公式在计算上是可行的,并且能够生成与现实世界设计相符的刮板排列。尽管这一实现验证了核心计算逻辑,但与参数化CAD插件和数字孪生平台的全面集成仍是未来的发展方向。
### 结论
本研究提出了一个新颖的集成框架,用于隧道掘进机(TBM)切割头的刮板布局设计,结合了基于机器学习的分类方法和参数化几何建模。通过对228个高性能TBM项目的分析,使用CART算法开发了一个决策树模型,根据三个关键预测因子对刮板布局类型进行分类:机器类型、切割头直径和地面条件。与以往主要关注磨损行为或依赖经验布局实践的研究不同,本研究对布局选择和几何实现进行了系统化。为此,作者为通过数据分析确定的常见布局类型开发了三组参数公式,使得刮板排列具有可重复性、适应性,并能被工程师理解。
分析表明,关键因素相互作用决定了刮板布局的偏好:直径超过6.545米的较大隧道更倾向于多方案布局,而较小直径的隧道则通常采用辐条式或径向布局。这些偏好受到地面条件的强烈影响,地面条件仍然是布局决策的主要驱动因素。预测模型表现出可靠的性能,准确率达到71.9%。特征重要性分析进一步确认了地面条件(GC)的重要性为100%,其次是机器类型(MT)为88.1%,直径(Dia.)为42.6%,这突显了地质和机器相关参数在确定刮板布局中的关键作用。
基于分类后的布局类型,研究人员使用原始参数方程开发了一种确定性设计程序,以定义刮板间距、覆盖宽度和几何对称性,从而减少不平衡力。该程序支持手动和自动布局生成,确保了几何一致性和操作平衡。通过EPB、泥浆护盾和硬岩TBM的代表性案例研究证明了该框架适应不同地质和操作环境的能力。
这项研究的核心创新在于将数据驱动的分类与基于规则的参数化设计相结合——这是TBM文献中尚未 formalized 的方法。该框架提供了一种可重复、可扩展且透明的方法论,填补了切割头工程领域长期存在的空白。尽管当前存在一些局限性,如缺乏动态挖掘反馈、需要更广泛的数据集多样性,以及该模型主要针对软土地质的应用而具有经验性,但这项研究为未来基于仿真的性能优化、实时监控和数字孪生集成研究奠定了坚实的基础。
### CRediT作者贡献声明
Ebrahim Farrokh:负责写作、审阅与编辑、撰写初稿、指导、方法论制定及资金筹集、概念构思。
Davood Lotfi:负责写作、审阅与编辑、撰写初稿、数据分析。
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