基于物联网的盾构隧道智能监测系统：从多源感知到结构响应监测

《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》：An IoT-based intelligent monitoring system for shield tunnels: from multi-source perception to structural response monitoring

　　

摘要：盾构隧道的结构荷载、内力、变形及周围环境监测对于理解结构响应和施工风险至关重要。然而，盾构隧道工程中复杂的施工环境和狭小的空间往往阻碍了监测设备和方法的有效实施。本文提出了一种基于物联网技术的智能感知监测系统。通过构建感知层、传输层和应用层，该系统实现了对盾构隧道结构荷载、内力、变形及周围环境条件的智能化、自动化实时监测。通过工程实例验证了系统的可靠性和稳定性。结果表明，该监测系统能够实现全面的隧道监控，具有可靠性高、可扩展性强、体积小、易于维护等优点，适用于短期和长期监测。实际工程应用表明，外部荷载、管片错台和纵缝开度的实测数据能够准确反映隧道的荷载和变形状态，验证了系统的鲁棒性。然而，隧道布置中的外露传感器容易受到施工机械或人员的干扰；因此，开发具有快速安装/拆卸能力的小型化传感器可以缓解这一问题。所提出的智能感知监测系统为智能盾构隧道施工和结构健康评估提供了基础数据支持。

1. 引言

盾构隧道施工涉及盾构掘进、管片拼装、同步注浆和地层加固等复杂工程过程，其安全性直接影响工程质量和周边环境完整性。对盾构隧道的内力、变形及周围环境的监测对于表征结构响应和施工风险至关重要（Bhalla等, 2005, Sun等, 2020）。施工期间，盾构机与管片之间的位置偏移，叠加注浆的时间依赖特性，导致外部荷载出现显著波动，进而引起衬砌结构的明显内力和变形。此外，施工引起的应力重分布可能导致地表沉降或隆起（Jiang等, 2021），进一步影响隧道周边环境。因此，对管片衬砌和环境条件进行实时精确监测对于风险防控、施工参数优化和结构健康评估至关重要（Tan等, 2020, Cao等, 2021）。

传统监测方法依赖全站仪（空间精度：±1 mm）和水准仪（高程误差：±0.3 mm）等点式仪器，需要人工操作，数据采集周期为2～4小时。这些方法存在时间间隔长、数据采集离散、人为误差主观性强和环境不确定性等问题，无法实现全面、实时的覆盖（Wang等, 2024）。此外，盾构隧道内部空间狭小且以盾构机械为主，视线条件受限，阻碍了光学测量技术的有效性。盾构掘进速度较快也使得间歇性监测无法获取完整的变形数据，因此难以满足现代对高精度、实时监控的需求（Zhang等, 2021）。

传感技术、计算机视觉和智能系统的最新进展推动了隧道工程中自动化、数据驱动监测的应用（Huang等, 2021, Zhu等, 2025）。光纤布拉格光栅（FBG）传感器、倾斜传感器和探地雷达（GPR）被越来越多地用于高精度应变、变形和注浆质量评估（Lee等, 2003, Zhang等, 2022, Zhou等, 2023）。例如，布里渊光时域分析（BOTDA）可以实现隧道沉降、收敛和管片应变的分布式监测（Xing等, 2025, Wang等, 2021）。倾斜传感器结合几何变形模型可以精确计算管片收敛和纵向位移（Zhang等, 2023, Wang等, 2023）。探地雷达利用高频电磁波评估注浆层厚度和质量，指导施工期间的参数调整（Zhang等, 2010, Zeng等, 2023）。在计算机视觉领域，3D激光雷达扫描捕获隧道轮廓并通过点云分析检测衬砌缺陷（Jeong等, 2023, Mizutani等, 2024, Liu等, 2026, Ouyang等, 2026）。这些技术提高了监测的准确性和效率，实现了数据驱动的结构健康评估和维护决策。除上述传感和监测技术外，物联网（IoT）的快速发展进一步增强了隧道监测系统，实现了传感技术、无线通信和自动化数据管理的无缝集成（Abdulkarem等, 2020）。通过无线传感器网络、嵌入式设备和基于云的数据处理的组合，基于物联网的监测框架实现了隧道结构响应的实时、远程获取和分析（Bhushan等, 2025），从单参数环境感知发展为集成的多源结构监测，符合物联网在土木工程基础设施健康监测中应用的更广泛发展趋势（Mishra等, 2022）。早期尝试主要采用无线传感器网络进行地下开挖期间的安全监测，如追踪爆破振动传递至相邻既有隧道（Lai等, 2015），随后扩展到更大、更复杂的环境，包括用于铁路隧道状态监测的自组织无线传感器网络（Yang等, 2024）和地下矿山安全监测（Cacciuttolo等, 2024）。近年来，物联网与人工智能和数字孪生技术相结合，用于实时决策（Zhang等, 2026a, Zhang等, 2026b）：基于AIoT的平台传输盾构运行参数和沉降数据以预测和控制盾构性能（Zhang等, 2021），物联网–数字孪生框架支持隧道开挖全过程中的风险预警（Huang等, 2026），物联网感知还被扩展到特定的施工质量问题，如注浆空洞检测（Luo等, 2024），共同展示了物联网技术在支持隧道施工全过程实时、智能监测方面日益增长的能力。

尽管取得了上述进展，物联网监测在盾构隧道中的应用仍然面临挑战，因为盾构隧道施工是一个高度动态的过程。从管片拼装阶段到隧道衬砌达到稳定状态，结构荷载和边界条件持续变化（Lorenzo, 2019）。这导致隧道结构的内力分布和变形行为具有明显的时间依赖特征（Kasper和Meschke, 2004, Marwan等, 2021）。准确捕捉并系统分析这一动态期间结构系统状态的演化规律具有重要的理论价值和实际工程意义。这种理解对于优化盾构隧道结构设计、改进施工控制措施以及可靠评估长期服役性能至关重要。尽管物联网技术发展迅速并在多个工程学科的结构健康监测中取得了显著成功，但其应用于盾构隧道仍面临重大局限。盾构机器的庞大物理尺寸严重限制了隧道内部的工作空间。因此，传感器安装、线缆敷设和可靠的长距离数据传输都面临相当大的技术挑战。目前，能够覆盖从盾构主动施工到施工后稳定期的完整全过程的综合性、连续性结构健康监测系统的研究仍然有限。在盾构掘进作业固有的复杂环境条件下，能够可靠表征时变力学响应和变形规律的鲁棒、高效监测技术和集成系统解决方案仍然缺乏。

为了进一步增强盾构施工过程的实时监测能力并降低潜在风险，本文提出了一种基于物联网技术的智能监测系统，该系统集成了多维传感器和无线数据传输。该系统采用远程监测和预警功能，以更好地预防盾构施工期间可能出现的异常。通过上海崇明线隧道的案例研究验证了该系统在复杂施工环境中的有效性，实现了从施工阶段到稳定期荷载和结构变形的连续监测，进一步展示了其在风险降低和决策支持增强方面的优势。

本文其余部分结构如下：第2节讨论所提出的监测系统的优势。第3节描述系统的总体架构。第4节详细阐述感知层、传输层和应用层。第5节以上海崇明线为案例验证系统的可靠性。第6节讨论当前研究的局限性。最后，第7节总结全文并提出未来研究方向。

2. 所提出监测系统的创新之处

本研究开发了一种基于物联网的盾构隧道智能监测系统。该系统采用三层架构，包括感知层、传输层和应用层。多种类型的传感器用于收集结构荷载、变形和环境参数的实时数据，然后通过无线网关上传至云平台。此外，利用Unity3D引擎构建的"数字隧道实验室"平台通过多源数据融合技术，将实时盾构机运行参数与现场监测数据相结合，从而构建三维数字孪生环境。这为隧道工程的实时监控和安全管理提供了数字技术方案。

对现有地下工程监测系统（如表1所示）的分析表明，当前系统主要关注运营阶段，通常无法实现施工阶段数据与监测数据的有效集成。这一局限性阻碍了对数据间关联性的快速分析和全面理解。相比之下，本研究开发的监测系统具有以下突出优势：

表1. 监测系统汇总表。

| 序号 | 应用领域 | 感知能力 | 采样或更新频率 |
|------|----------|----------|----------------|
| 1（Zhang等, 2026） | 运营盾构隧道 | 水平收敛、衬砌缺陷和渗漏分别由不同监测系统完成 | 监测传感器：1小时；检测车：每6个月；激光扫描仪：车速0.5 m/s时100 rps |
| 2（Tan等, 2025） | 运营盾构隧道 | 混凝土应变 | 1天 |
| 3（Zhang等, 2024） | 运营沉管隧道 | 接头开度和差异沉降 | 最小间隔：5分钟；光纤环一次完整读取约7分钟 |
| 4（Ding等, 2024） | 运营盾构隧道 | 管片旋转和加固应变 | 高达200 Hz |
| 5（Zhang等, 2021） | 施工盾构隧道 | 地表沉降 | 盾构运行参数：1分钟；沉降：案例研究中每天两次 |

（1）与现有盾构隧道监测系统相比，所提出的系统在工程全生命周期适用性方面具有显著优势。通过采用小型化无线数据网关和高频传输设计，该系统有效满足了盾构施工期间高密度、实时动态监测的需求。同时，基于云的远程采样频率调整功能，由管理平台中的频率调整模块（第4.3节）实现，支持不同采样频率之间的无缝转换，便于灵活过渡到低频率长期模式，从而满足运营阶段结构健康监测的需求。这种在同一硬件架构下实现施工和运营阶段无缝转换的能力，克服了现有系统的常见局限性——要么牺牲长期可持续性而侧重高频施工监测，要么仅关注运营阶段的低频静态监测。因此，所提出的系统有望将应用范围扩展到工程项目的整个生命周期，从而提升整体经济效益。

（2）"数字隧道实验室"集成了多源数据融合与三维可视化。通过将实时盾构掘进数据和现场监测记录相结合，该平台在数字孪生环境中再现施工顺序和结构响应演化过程。与主要关注数据曲线、数值阈值报警或二维图形表示的现有监测系统相比，本系统在全流程重建、机理可视化和决策支持方面实现了单一界面的集成。这种集成方法为盾构隧道工程安全管理提供了客观的数字工具。

3. 监测系统总体设计

监测系统通过嵌入隧道管片内、安装在隧道内弧表面或部署在相邻地层中的传感器获取隧道或周围环境的物理参数。传感器收集的数据通过隧道内部网络经由基站传输至云平台。工程师和研究人员可以通过计算机或移动设备访问实时监测数据。系统的原理图如图1所示。

下载：下载高分辨率图片（334KB）下载：下载全尺寸图片

图1. 监测系统原理图。

基于物联网架构设计，该系统结构化为三个集成层：感知层、传输层和应用层，如图2所示。感知层包括测量物理参数的传感器，涵盖结构荷载、内力、变形和环境条件。传输层采用配备通信模块的无线数据网关，通过WiFi网络和基站将数据中继至云端。应用层设有云平台，用于数据存储、分析和可视化，可通过PC和智能手机等多终端设备访问。此外，云平台支持远程调整传感器采样频率，根据监测阶段和目标进行定制，从而提高系统适应性并延长传感器使用寿命。

为直观展示施工序列与结构行为之间的相互作用，开发了一套名为"数字隧道实验室"的综合数字孪生平台，该平台基于Unity3D引擎构建。该实现在高保真3D环境中实现了实时TBM数据与监测数据的无缝多源融合。这一集成方案为盾构隧道项目的科学分析和实时安全评估提供了稳健的数字框架。

下载：下载高分辨率图片（764KB）下载：下载全尺寸图片 图2. 监测系统架构图

4. 系统组成部分

4.1 感知层

我们设计的监测系统感知层集成了多种传感器类型，能够将盾构隧道中的变形和内力等关键物理量主动转换为电信号或其他可直接测量的信号。为了精确匹配多样化的监测目标，我们将测量参数系统地分为四个不同的类别，如图2所示：（1）结构荷载监测，直接捕捉作用于隧道衬砌的外部荷载和水压力；（2）结构内力监测，量化钢筋应变、钢筋轴力、混凝土应变和螺栓力；（3）结构变形监测，测量接头张开和错动、隧道收敛和差异沉降；（4）周边环境监测，记录地表沉降、深层土体位移和地下水位变化。

监测系统中的传感器根据其测量原理进行选择，主要分为振弦式和电阻式两类。振弦式传感器将应力和压力等物理量转换为张紧金属丝的振动频率变化，并通过标定公式将频率与测量值相关联；例如振弦式土压力盒、孔隙水压力传感器和螺栓力计。相比之下，电阻式传感器通过电阻变化来检测物理量变化，并利用预定义的对应关系将电压测量值转换为物理量，如电阻式位移传感器和应变计即为典型示例。选型过程需要综合考虑测量精度、环境适应性、响应速度以及项目特定需求等因素，需要进行详细分析以确保在现场特定条件下实现最佳性能。

4.2 传输层

传输层主要由多个分布式无线网关组成（如图2所示）。系统采用市售的处理、通信和供电模块作为硬件基础。根据盾构隧道监测的要求，配置了各模块的工作参数，并设计了网关部署方案、模块间协调以及与传感网络和云平台的数据交互方式。每个网关集成了数据处理、无线通信、本地存储和供电功能，从而支持传感器数据采集、预处理、暂存和传输。

处理模块提供RS485和模拟输入接口，用于连接不同类型的传感器，支持数据采集、协议转换、本地预处理和异常检测。当无线通信暂时中断时，监测记录将被本地缓存，并在网络恢复后自动重传，从而减少隧道网络不稳定条件下的数据丢失。

通信模块支持NB-IoT、4G和WiFi，允许根据施工现场的可用网络条件配置传输模式。这种多网络通信方案提高了地下环境中数据传输的适应性和可靠性。

网关采用可充电LiFePO4电池供电，支持睡眠模式、定时唤醒和低电量报警功能。采样和唤醒参数可根据所需的监测频率和持续时间进行调整。使用IP67等级防水连接器，以提高在潮湿、多尘和有振动的隧道条件下传感器连接的可靠性。

4.3 管理平台

监测系统集成了一个管理平台，可通过智能手机、电脑或平板电脑上的网页浏览器或移动应用访问。该平台使授权用户能够实时可视化数据、管理设备和配置监测参数。其核心模块如图3所示，包括：

下载：下载高分辨率图片（413KB）下载：下载全尺寸图片 图3. 数据设备管理平台

（1）登录模块

登录模块通过多层次认证系统确保数据安全。授权人员必须通过凭据或一次性密码（OTP）验证身份才能访问后台。基于角色的权限将用户限制在预定义的操作和数据可见范围内，而项目特定的访问需要管理员的明确邀请和批准。这些措施有效保护了敏感信息并防止未授权操作。

（2）设备状态查询模块

我们利用云设备影子技术为监测硬件创建数字孪生，实现精确且动态的状态感知。无线网关定期将电池电量、充电进度和最新传感器数据传输时间戳打包为JSON数据包，并与云数据库进行同步。用户扫描网关上的二维码或手动输入设备ID，即可即时获取云存储中的设备数据"实时镜像"，从而绕过隧道环境中常见的电磁干扰问题。通过监测这些关键指标，管理者可以及时识别离线设备或连接问题，从而支持主动维护并确保盾构隧道监测的连续性。

（3）数据查询和导出模块

本模块采用"云端存储、客户端渲染"架构，允许用户通过指定传感器类型和时间范围等筛选条件，从云平台以JSON格式查询实时监测数据。利用ECharts等高性能可视化引擎，系统将原始数据集转换为网页或小程序界面上的直观时间序列图表。为了满足深入分析的需求，平台支持服务端生成和导出机制：在收到本地请求后，云服务器自动执行数据聚合和统计综合，生成Excel、CSV或PDF格式的专业报告，确保从数据采集到研究文档的整个工作流高效运行。

（4）离线告警模块

本模块通过建立云端心跳监测机制，实现设备状态的闭环管理。现场隧道网关定期将运行数据发送至云数据库，并同步每个监测点的时间戳。云端定时触发器执行检查功能，对当前系统时间和最后一次数据上传记录进行时间差分析。一旦间隔超过预定义的监测频率阈值，系统自动判定为连接丢失。随后，通过集成腾讯云短信服务（SMS）API，将包含项目名称、监测点ID和网关序列号的结构化告警通知即时发送至管理人员的移动终端。该机制确保了故障的紧急响应，最大限度地减少了潜在数据缺口，并维持了监测运行的整体连续性。

（5）频率调整模块

我们使管理员能够通过本模块远程调整无线网关的采样频率，从而适应不同的监测需求。通过在关键施工阶段动态提高采集率，或在无需高频监测时降低采集率以延长电池寿命，在数据分辨率、传输效率和功耗之间保持有效平衡的同时优化资源利用率。

4.4 数字隧道实验室

为了清晰阐明盾构隧道施工过程与隧道结构响应之间的内在耦合机制，并实现施工过程和监测结果的直观实时可视化，采用了一种多源数据集成方法，将施工数据与现场监测数据进行融合。基于Unity3D平台，开发了"数字隧道实验室"作为一个综合数字分析环境，无缝集成了高保真可视化与交互功能。平台的整体架构包括以下核心模块：监测数据可视化模块、项目信息模块、数据查询模块和实时告警模块，如图4所示的基本框架所示意。通过有效集成多源异构数据，数字隧道实验室平台实现了对复杂时空关系的直观表达并提供实时风险预警，从而大幅提升了隧道施工过程中风险防控的科学基础和智能化能力。

下载：下载高分辨率图片（883KB）下载：下载全尺寸图片 图4. "数字隧道实验室"框架

（1）监测数据可视化模块

基于隧道盾构机（TBM）施工数据与现场监测数据的融合，相关信息被实时可视化并集成到系统主界面中。为实现高效的数据采集和同步，内置的C#程序使用HTTP协议和UnityWebRequest定期从服务器拉取数据，确保虚拟模型与实际施工过程之间的低延迟映射。从现场数据采集到Unity3D界面可视化的端到端延迟约为1～2秒，实现了隧道施工过程的实时可视化。具体来说，TBM运行数据通过RESTful API接口从施工数据存储服务器获取，而现场监测数据则从监测系统的云服务器实时拉取。此外，还开发了一个用于控制TBM和管片衬砌的独立C#程序。TBM控制模块实现了与盾构推进长度和推进速率等关键施工数据的联动控制，从而模拟TBM整体推进和刀盘旋转行为。管片控制模块与施工各阶段的环号和掘进状态相耦合，使程序能够自动确定管片的顺序拼装顺序，并通过预制实体的复制实现逐块管片安装。因此，建立了TBM运动、管片拼装过程与实时施工和监测数据之间的实时映射，构建出与实际工程过程高度一致的虚拟表示。

（2）项目信息模块

本模块主要使用Canvas中的TMP和Image组件来显示工程项目的基本信息和监测项目的详细信息。监测项目内容包括测点布置及其编号等关键信息，从而为后续监测数据的查询和分析提供直观参考，便于快速准确地定位目标测点。

（3）数据查询模块

本模块允许用户指定特定的时间区间，从而方便批量检索所选时段对应的盾构隧道施工数据和监测数据。通过对多源数据进行统一组织和同步处理，利用XCharts对关键施工参数和监测指标进行可视化和对比展示，直观揭示施工过程和结构响应的时变演化特征，从而为施工过程分析和结构状态评估提供强有力的数据支持。

（4）实时告警模块

通过本模块的参数配置功能，可以为不同的监测项目设置相应的预警阈值。系统运行期间，实时采集的每个时刻的监测数据与预设阈值进行比较；一旦任何监测指标超过阈值，平台立即启动预警机制，并在界面上突出显示超标的监测项目及其阈值信息，同时将每次告警事件单独记录在可滚动的告警历史日志中（包括时间戳、监测类型、具体位置、测量值、阈值和偏差量）。因此，这种集成方法为施工安全监测和主动风险缓解提供了强大而直观的决策支持。

5. 案例研究分析

5.1 项目概况

上海轨道交通崇明线项目隧道区间全长9023 m，采用13.5 m泥水平衡盾构机施工。管片外径13 m，内径11.9 m，环宽2 m。在环号1300至1598之间的直线段设置了一个监测断面，具体针对1348环和1349环。如图5所示，监测断面位于江中区域，设计坡度为-5‰，埋深17.91 m。隧道穿越多种地层，包括粉质黏土、粉质黏土混粉砂、砂质粉土混粉质黏土和砂质粉土，上部覆盖含泥质粉砂层、黏土层和粉质黏土层。

下载：下载高分辨率图片（690KB）下载：下载全尺寸图片 图5. 隧道纵断面图及试验段位置

为系统研究隧道衬砌的力学行为，利用"数字隧道实验室"平台对所选断面从管片安装完成到稳定阶段的荷载和变形监测数据进行了全面的可视化分析。该分析清晰地阐明了盾构隧道施工过程中隧道荷载和变形的时变演化特征，以及它们之间的内在耦合关系。此外，平台集成的实时告警模块实现了对异常荷载和变形发展的持续实时监测和自动预警，从而为施工安全提供了有力的技术保障。该监测与分析项目的详细实施过程将在以下章节中介绍。

5.2

监测系统的部署
监测范围涵盖隧道外部荷载和接缝变形，其中接缝变形包括纵向接缝张开度和环向接缝错台。外部荷载测点布置在第1349环，如图6（a）所示。纵向接缝张开度测点布置在第1348环，每个接缝设置2个测点，共计16个测点。环向接缝错台测点布置在第1348环与1349环的交界处，共设置7个测点，如图6（b）和（c）所示。

图6. 监测点布置。

隧道外部荷载和接缝变形分别通过土压力计和位移传感器进行监测。每个土压力计均配有内置热敏电阻，在后续分析前使用传感器标定参数对温度效应进行修正。土压力计预先嵌入混凝土管片内，而位移传感器和无线数据网关则在管片拼装完成后安装（图7）。为保证系统稳定性，每个管片的土压力计配置为独立网络，相邻接缝的位移传感器连接至同一无线数据网关。数据通过WiFi从隧道传输至外部接收器，再经由基站上传至云平台。监测在管片拼装完成后立即开始，初始采样间隔为5秒，并在30天的监测期内逐步延长。无线网关由可充电备用电源系统供电，确保持续运行。在整个监测期间，系统保持稳定的数据传输并产生有效的监测结果，以下章节将对此进行详细讨论。

图7. 部署流程。

监测仪器的规格参数汇总于表2。土压力计为振弦式传感器，量程为0～1.6 MPa，标称分辨率为0.05% F.S.（即约0.8 kPa）；位移传感器为电阻式位移传感器，量程为50 mm，重复精度为±0.01 mm。振弦式传感器的信号由无线网关以频率和温度测量值的形式采集，而位移信号则通过模拟采集通道转换为数字信号后上传至服务器。每条监测记录由对应的网关分配时间戳，网关与服务器时钟通过NTP定期同步。基准时间分别为：土压力计为2023年11月11日04:56，环向接缝错台传感器为2023年11月11日04:56，纵向接缝张开度传感器为2023年11月10日23:16。监测结果的详细信息见第5.3节。

表2. 监测系统汇总。

| 传感器类型 | 型号 | 参数 | 规格 |
|---|---|---|---|
| 土压力计 | Gn-TY0106A | 量程 | 0～1.6 MPa |
| | | 标称分辨率 | ≤0.05% F.S. |
| | | 温度测量范围 | ?25～50 °C |
| | | 温度测量精度 | ±0.5 °C |
| | | 标定 | 逐只出厂标定 |
| 位移传感器 | KTRC-50 L | 量程 | 50 mm |
| | | 重复精度 | ±0.01 mm |
| | | 工作温度 | ?30～70 °C |
| | | 标称电阻 | 5 kΩ |

5.3 监测结果

为便于系统分析，根据监测区段相对于盾构机的相对位置，将监测过程划分为三个阶段：盾尾阶段、注浆阶段和稳定阶段。盾尾阶段指传感器位于盾尾范围内的时期。注浆阶段从传感器驶出盾尾开始，直至盾构机再推进三环。稳定阶段覆盖从三环推进完成至监测期结束的时期。各阶段的具体时间区间和对应监测频率见表3。嵌入式的土压力传感器在管片浇筑、运输和拼装过程中更容易受损。17个外部荷载传感器中有1个（TY-3–7）失效，存活率为94.12%；而所有在管片拼装后安装的位移传感器均保持功能正常，存活率为100%。数据包交付率通常超过95%，端到端传输延迟约为400 ms。电池续航时间与监测频率密切相关，在5秒、5分钟和3小时的采样间隔下分别约为12小时、36小时和25天。以下对三个阶段的监测结果进行分析。

表3. 监测系统汇总。

| 监测项目 | 阶段 | 时间范围 | 采样间隔 |
|---|---|---|---|
| 外部荷载 | 盾尾阶段 | 11/11 6:38～11/11 7:19 | 5 s |
| | 注浆阶段 | 11/11 7:19～11/11 12:23 | 5 s |
| | 稳定阶段 | 11/11 12:23～12/10 00:00 | 11/14 16:00调整为5 min，11/16 00:00调整为3 h |
| 纵向接缝张开度 | 盾尾阶段 | 11/10 23:13～11/11 5:04 | 5 s |
| | 注浆阶段 | 11/11 5:04～11/11 9:16 | 5 s |
| | 稳定阶段 | 11/11 9:16～12/10 00:00 | 11/12 19:20调整为5 min，11/16 03:00调整为3 h |
| 环向接缝错台 | 盾尾阶段 | 11/11 4:56～11/11 6:44 | 5 s |
| | 注浆阶段 | 11/11 6:44～11/11 12:23 | 5 s |
| | 稳定阶段 | 11/11 12:23～12/10 00:00 | 11/12 19:20调整为5 min，11/16 03:00调整为3 h |

5.3.1 荷载监测结果

本分析聚焦于2023年11月11日03:56至2023年12月10日00:00期间第1349环的监测数据，如图8所示。

图8. 第1349环荷载监测结果。

根据传感器相对于盾构机的位置和观测趋势，将荷载数据划分为三个不同阶段。在盾尾阶段，位于盾尾范围内的传感器记录到最大外部荷载为613 kPa，各油脂腔室的环向荷载分布呈现上< /><下的规律，如图9所示。在注浆阶段，即从传感器驶出盾尾至盾构机再推进三环的期间，荷载随同步注浆作业而波动，随着盾构机逐渐远离监测环，注浆影响减弱，荷载变幅逐渐减小。该变化如图10所示。 图9. 各油脂腔室压力荷载。 图10. 监测荷载与注浆压力对比。 在稳定阶段，监测荷载总体保持稳定，但呈现约12小时的周期性波动，与当地半日潮模式一致。为探究潮汐影响，将11月26日00:00至11月30日23:00的荷载测量值与相应潮位进行对比，如图11所示。图11（a）显示荷载与潮位呈现相似的周期性变化。经极值归一化处理后，图11（b）的对比结果显示皮尔逊相关系数为0.91，表明两者存在强正相关，说明周期性荷载波动与潮汐变化密切相关。 图11. 监测荷载与潮位对比。 这些发现揭示了荷载变化与施工因素之间的明显对应关系，包括盾尾阶段的油脂注入、注浆阶段的注浆作业以及稳定阶段的潮汐效应，证明了监测系统的可靠性和稳定性。监测系统能够清晰理解荷载变化与施工因素之间的机理，确认了两者之间的关联。如果没有先进的监测系统，这些关系将主要停留在假设层面，缺乏充分验证。 5.3.2 管片错台监测结果 监测期从2023年11月11日04:55延续至2023年12月10日00:00。监测期间，cd-4、cd-5、cd-6和cd-7传感器依次触发离线告警。现场调查确认信号丢失的原因是机械线缆损坏，很可能由盾构机尾部桁架的碾压或接触所致。处理后的监测数据如图12所示。 图12. 1348–1349环向接缝错台监测结果。 如图12所示，所有测点均表明在监测期间第1349环相对于第1348环呈现向隧道中心方向的径向内移。根据管片接缝相对于盾构机的相对位置和观测趋势，将错台演化过程分为三个不同阶段。在盾尾阶段，所有测点均显示第1349环相对于第1348环向内错台，最大位移记录在左腰部（7.2 mm）。在注浆阶段，第1349环驶出盾尾后，顶部错台方向发生反转（向外位移），但底部仍保持向内位移，表明第1349环相对于第1348环整体呈上移趋势。在稳定阶段，轻微的上移错台趋势持续存在，该阶段最大增量位移出现在前后底脚区域（左前脚0.71 mm，右前脚0.63 mm）。荷载监测数据显示，在盾尾阶段，各油脂腔室的轴向荷载不均匀（后≈中后>中前>前）驱动了向内错台；而在注浆阶段，"梨形"注浆压力分布（上部较低、下部较高）诱导了向上位移。这些发现证明错台测量与荷载模式之间存在强相关性，验证了监测结果的可靠性。

5.3.3 纵向接缝张开度监测结果

本文以第1348环第一排张开度测点的监测结果为例，监测期从2023年11月10日23:13延续至2023年12月10日00:00。监测期间，部分其他测点的传感器因盾构机尾部桁架推进和内部结构安装而被提前移除，导致离线告警和数据丢失。监测结果如图13所示。

图13. 纵向接缝张开度监测结果。

如图13所示，在整个监测期间，第1348环上监测的8个纵向接缝相对于拼装完成时均呈现受压行为。根据第1348环相对于盾构机的位置和变化趋势，总结了以下分阶段变形特征：（1）在盾尾阶段，第1348环逐渐与盾尾接触，所有纵向接缝均显示受压变形。在第1349环拼装过程中，千斤顶的回缩导致第1348环纵向接缝出现显著变形波动和张开，如图14所示；（2）在注浆阶段和稳定阶段，第1348环逐渐远离盾尾，纵向接缝变形趋于稳定，张开度变化在0.4 mm以内。

图14. 千斤顶伸缩引起的纵向接缝张开度变化。

通过对比纵向接缝监测数据、荷载监测数据和盾构机施工时间可以发现，在盾尾阶段，管片各点承受的荷载为整个监测期内的最高。同时，新拼装管片的纵向接缝存在一定间隙。在盾尾荷载作用下，管片纵向接缝呈现受压变形趋势。此外，通过分析盾尾阶段纵向接缝突变时间与第1349环各管片块的拼装时间，发现两者之间存在良好的相关性。具体而言，在千斤顶回缩过程中，环间约束减弱，导致管片纵向接缝发生变形。

5.4 监测告警

为确保盾构隧道的结构安全，本研究开发了一套综合预警系统。系统的核心目标是通过持续实时监测两个关键参数——机械荷载（以识别外部土压异常）和结构变形（以评估接缝稳定性），实现对结构损伤风险的早期检测和预警。该系统通过将理论计算值与国家标准和规范中规定的阈值限值相结合，能够在施工阶段灵敏且及时地识别荷载或变形的超限情况。当监测值超过预设阈值时，"数字隧道实验室"平台中的实时告警模块将立即触发警报，显示时间戳、测量类型、传感器ID和对应监测值等关键信息。这一机制为施工参数的动态调整或及时实施补救措施提供了坚实的科学依据。

5.4.1 告警阈值

对于盾构隧道在长期运营稳定阶段的设

盾构隧道的竖向荷载通常采用以下公式计算（Terzaghi, 1936）：
(1) σV = B1(γ - c/B1)·K0·tanφ·(1 - e^(-K0·tanφ·H/B1)) + P0·e^(-K0·tanφ·H/B1)
其中 γ 为土体单位重力密度；H 为地层厚度；B1 为隧道影响宽度的一半；c 和 φ 分别为土层的凝聚力和内摩擦角；K0 为试验系数，通常取值为1。水平荷载由下式给出：
(2) σH = λ·σV
其中 λ 为侧压力系数，σV 为作用于隧道上的竖向荷载。在隧道拱顶承受竖向附加荷载时，盾构隧道会产生水平变形，从而在隧道结构上诱发侧向土抗力。该抗力主要分布在拱腰（腰线）周围45°范围内，可使用以下公式计算（Koizumi, 2012）：
(3) σk = k·δk·(1 - sinθ/sin(π/4))
上述方程计算得到的荷载为竖向和水平荷载，而传感器监测到的荷载为径向荷载。将竖向和水平荷载转换为径向荷载可使用以下关系式：
(4) PG_R0 = cos2α·(σH + σk) + sin2α·σV
其中 α 为计算点与水平方向的夹角。盾构隧道上计算得到的荷载分布如图15所示，最大荷载出现在拱底，达到405 kPa（包含隧道结构自重）。因此，该值被采纳为监测系统中盾构隧道荷载的警戒阈值。

根据《盾构法隧道施工与验收规范》，盾构管片环向接头错台的允许值设为15 mm（MOHURD, 2017）。对于纵向接头张口，按照盾构隧道防水设计要求，采用4 mm张口宽度作为控制阈值。

**5.4.2 警戒策略分析**

观测期内各监测阈值与对应现场测量值如图16所示。盾构管片的环向接头错台和纵向接头张口均远低于各自允许限值。然而，管片衬砌在盾构尾部附近经历了超过预设警戒阈值的荷载，峰值达到拱底处的613 kPa。对该超荷载事件后管片表面进行目视检查，未发现明显的结构缺陷或损伤，确认隧道结构整体状态良好。这种良好性能主要归因于原始结构设计中的充分安全余量。尽管观测到的峰值荷载显著超过长期运营设计荷载，但衬砌未显示任何可见的结构损伤迹象。然而，这一观察结果值得仔细考量。当前设计标准和规范主要考虑运营阶段荷载进行结构设计，而对施工阶段荷载的考虑相对有限。相比之下，施工阶段荷载往往更高且更具瞬态特征，在传统设计方法中容易被低估或考虑不足。盾构隧道施工过程中结构性异常相对频繁发生，与这些较高的瞬态荷载及其在常规设计方法中受到的有限关注密切相关。

**6. 讨论**

为进一步验证所采用的预警阈值，对比了采用Terzaghi理论和全覆土法计算的荷载，结果如图17所示。选取12月10日00:00记录的监测荷载进行比较。结果显示，Terzaghi理论计算值与监测值之间的平均绝对相对误差为11.58%，而全覆土法预测值与监测值之间的平均绝对相对误差为33.80%。这些结果表明，在本项目条件下，全覆土法显著高估了实际水土荷载。相比之下，Terzaghi理论产生的相对误差更小，与现场测量值吻合更为密切。此外，采用Terzaghi理论确定的警戒阈值低于采用全覆土法计算的荷载。较低的阈值使得异常荷载能够在更早阶段触发预警。因此，从施工监测和风险预警的角度来看，所采用的阈值提供了更大的安全保守性。

然而，这种安全保守性本身也反映了当前阈值设定方法的一种局限性。当前盾构管片衬砌设计规范主要基于运营阶段荷载制定，对施工阶段荷载条件的考虑相对有限。在缺乏成熟的施工阶段荷载规范条款的情况下，本研究出于结构安全考量，从运营阶段荷载出发确定了所采用的阈值。然而，如警戒策略分析所示，该阈值在实际预警性能中表现出明显的局限性：盾构脱尾阶段监测荷载达到613 kPa的峰值，大幅超过阈值并触发警报，但目视检查确认并未出现相应的结构损伤证据。这是因为运营阶段阈值反映的是结构在长期稳定状态下的承载条件，而施工阶段的荷载分布和边界条件，特别是盾构脱尾和注浆阶段，与运营阶段存在根本性差异。直接将运营阶段阈值应用于施工阶段监测会导致力学上的不匹配，无法准确捕捉施工期间结构的实际风险状态。这些发现表明，仅依靠荷载大小定义的单一阈值不足以支撑施工全过程的精细化、阶段感知的预警。更合适的方法应基于结构力学分析，针对盾构脱尾、注浆和稳定阶段分别进行专门的阈值标定，从而建立能够反映各阶段不同加载机理的阶段特异性预警框架。这是研究团队当前工作的持续方向。

此外，数字隧道实验室当前的实现主要支持集成三维可视化环境中的实时数据同步和多源数据融合，而非自主决策。按照Babanagar等人（2025）讨论的数字孪生成熟度分类，该平台在当前形态下更准确地被定义为反映型孪生：它以近实时方式忠实映射已监测的结构和施工状态，但尚未整合预测模型更新或自动化反馈控制。因此，尽管该平台为可视化空间荷载和变形模式（如5.3节讨论的油脂室荷载环向分布和"梨形"注浆压力分布）提供了直观界面，但其作用仍停留在诊断性而非指导性层面。将数字隧道实验室推进至更高层次的数字孪生成熟度，需要将上述阶段特异性阈值框架整合到其实时警报模块中，同时引入能够从实时监测数据预测荷载和变形演变的预测模型，从而在物理隧道掘进过程与其数字孪生体之间实现闭环反馈。

**7. 结论与未来工作**

本研究提出了一种基于物联网技术的盾构隧道智能感知监测系统，集成了感知层、传输层和应用层，实现结构荷载、内力、变形及周边环境条件的自动化实时监测。通过工程案例研究验证了系统的可靠性和稳定性。主要结论和未来方向总结如下：

(1) 所开发的监测系统实现了盾构隧道的全面数据采集、多源数据融合和三维数字孪生，具有高可靠性、强可扩展性、紧凑设计和易于维护等特点。该系统既适用于短期施工监测，也适用于长期结构健康评估，所采集的数据为分析和深入理解盾构隧道的力学行为提供了坚实基础。

(2) 该系统在上海崇明线轨道交通项目中部署应用，有效监测了隧道外部荷载、管片错台和纵向接头张口。采集的数据准确捕捉了荷载分布和变形模式，为系统在该项目条件下运行可靠性和稳定性的验证提供了支撑证据。

(3) 在盾构脱尾阶段，所提出的基于物联网的智能系统表明隧道管片在观测期内经历了最大荷载，纵向接头张口和管片错台表现出最显著的变形速率。这些发现表明，在该阶段进行针对性设计验证的重要性，以缓解施工过程中开裂、渗漏和局部损伤等结构缺陷风险。

(4) 盾构隧道施工空间狭小且施工程序密集，对现场监测构成重大挑战。尽管本研究提出的监测方法在施工期间表现出良好的适用性，但外置传感器仍极易受到机械作业和人员活动的干扰。因此，未来研究应聚焦于传感器的微型化和嵌入式集成，从根本上提升空间受限环境下的监测鲁棒性。

未来研究将致力于扩展系统在复杂隧道几何形状和水下盾构项目中的适用性。此外，将智能体AI集成到结构健康评估的高级预测任务中，如早期损伤检测、损伤演化预测和剩余使用寿命估计，以及开发基于数字孪生的预测性维护框架，将显著提升系统的适应性和决策支持能力，为更先进的结构健康监测解决方案铺平道路。

**作者贡献声明**

Nan Qin：撰写——初稿，软件，方法论，调查。Zhen Liu：撰写——初稿，方法论，调查，数据管理。Ba Trung Cao：撰写——审阅与编辑，验证，方法论，概念化。Zili Li：撰写——审阅与编辑，验证，方法论，概念化。Xian Liu：撰写——审阅与编辑，监督，方法论，资金支持。

Nan Qin | Zhen Liu | Ba Trung Cao | Zili Li | Xian Liu