XiaoMi-AI文件搜索系统
World File Search System盾构
某盾构机风险控制参数研究
摘要：预拆除管片是适用于盾构扩站技术的一种新型结构管片，可方便盾构隧道拆除扩站多余分段管片，但当超过一定的施工控制限值时，可能会造成一定的扩站施工风险。结合试验获得的预拆管片接触面荷载临界曲线，得出预拆管片埋深、错层距离的临界施工控制面，以保证不同土质条件下、各扩建阶段预拆管片的承载能力，为盾构扩建车站预拆管片应用的施工风险控制提供技术指导与参考。
观测到作用于大型衬砌的地面压力...
准确评估隧道衬砌作用下的地压力对隧道结构设计具有重要意义。本文对某地铁隧道4个断面的衬砌作用下土压力和水压力进行了实测分析并与理论值进行了对比分析。研究结果表明：不同埋深条件下，衬砌作用下实测地压力大小及分布不同，现场实测水压力近似等于理论静水压力；盾构隧道衬砌作用下水压力不随盾构隧道开挖而波动，最大地压力发生在桩背注浆过程中，其最大值约大于实测压力稳定值的30%；对于深水河流下的盾构隧道，衬砌作用下水压力占主导地位，实测总地压力近似等于水压力。研究结果可为类似隧道工程的结构设计提供参考。
研究论文 基于监测变形的盾构隧道衬砌外部荷载反分析新方法
近几十年来，随着我国地铁的快速发展，在役盾构隧道衬砌的维护成为亟待解决的问题。外荷载是影响在役盾构隧道变形和性能的重要因素之一，但影响外荷载的因素复杂，难以评估，且现有理论没有考虑任意分布的外荷载。基于Betti定理，提出了一种利用隧道衬砌变形来评估外荷载的新方法。分析了所提方法的理论合理性，并给出了工作流程。采用模型试验数据和仿真模型验证了所提方法的有效性和准确性。结果表明，外荷载可以以令人满意的精度进行反分析，并且计算成本较低。最后，以某在役盾构隧道为例，进行了实际应用，并提出了激光扫描与反分析相结合的对外荷载评估工作流程。所提方法可用于基于隧道内部扫描衬砌变形的外部荷载反分析，具有良好的性能。
空气速度和支撑推进对屏蔽产生的粉尘的影响
摘要 长壁开采产量的稳步增长要求操作人员使用更多的通风空气，以控制和稀释可吸入粉尘。采煤机速度的显著提高也要求长壁支架以更快的速度推进。这两个因素都可能影响长壁开采面上的总体可吸入粉尘水平，因为随着支架的降低和推进，从顶棚顶部落下的破碎材料会直接夹带到气流中。为了解决这个问题，匹兹堡研究实验室从四个长壁开采面上收集了可吸入粉尘样本，以表征盾构产生的粉尘。本文研究了空气速度和盾构推进速度对可吸入粉尘水平的影响。本文还讨论了目前用于减少盾构粉尘的工程控制措施以及国家职业安全与健康研究所 (NIOSH) 正在研究的替代控制措施。
隧道掌子面稳定性
• 在各种各样的岩土工程条件下（均质或混合面、破碎岩体、软土地基等），以及在所有钻孔方法（传统隧道掘进、开放式盾构、土压平衡或泥水盾构）都可能发生面不稳定， • 在地下，所涉及的体积可以从几立方分米（局部不稳定）到几百立方米（影响整个前缘甚至覆盖层）的整体不稳定， • 机制的形状取决于地面的性质：由岩石中预先存在的不连续性界定的块体、粉状地面中靠近面局部的机制（向地面逐渐演化）和粘性粘土地面中体积更大的机制， • 因部分或不当控制面稳定性而引起的不稳定性可能会在时间和空间上延迟影响到地面， • 面不稳定的后果变化很大，从“几乎可以忽略不计”到“非常严重”（延迟可达几个月）不等个月）或巨大的额外成本（高达数百万欧元），以及人员伤亡（因为地下工人面临风险）。
基于实际经验的长壁工作稳定性的几何结构对失去长壁的工作
本文重点介绍了确保由于支持部分的结构的错误几何形式而产生的长壁稳定性的困难。根据原位测量和数值计算，作者证明了与岩体的适当合作需要正确确定沿着冠层长度（比率）的液压支腿的支撑点，以及对电力屋顶支撑的盾构支撑的倾斜。缺乏这两个基本要素可能会导致屋顶下降，直接影响地下工作人员的生产结果和安全性。由构造的不正确几何形式产生的另一件事是在节点中产生的力值将冠层连接起来，将冠层连接起来，这可以做出重大贡献，以限制动力屋顶支撑的操作高度的实际范围（由于有能力的支撑与岩石支撑的相互作用）在造型支持的手术范围内提供了动力支持者的操作范围。在某些高度范围内，动力屋顶支撑的操作可能会阻碍，甚至在某些情况下阻止了动力支撑的操作员，移动盾牌并用适当的几何形状放置它们（确保在冠层和部分的地板之间进行并行性）。
使用多物理信息神经网络预测复合地层中隧道施工引起的地表沉降
摘要 摘要 准确预测隧道施工引起的地表沉降对于保证隧道工程安全施工和决策至关重要。本文建立了一种用于预测盾构隧道施工引起地层变形的物理信息神经网络（PINN）模型。该模型将隧道收敛变形与隧道开挖位置的关系纳入深度神经网络（DNN）框架中。考虑到多地层的地质特点，提出了一种多物理信息神经网络（MPINN）模型，在统一的框架下表示不同地层的物理信息。结果表明，MPINN模型可以高度再现有限差分法的计算结果，并能准确预测考虑复合地层的复杂地质信息的隧道施工引起的地表沉降。由于MPINN模型具有完整的物理机制，适用于隧道施工引起的地表沉降问题，可以预测不同地质和几何条件下的隧道施工引起的地表沉降。基于实测数据,提出的MPINN模型能够准确预测监测断面地表沉降曲线,为隧道施工过程中地表沉降预测预警提供参考。
土压平衡隧道回填注浆方法的数值模拟
摘要 隧道掘进机施工过程中涉及的主要问题之一是尾部间隙注浆。该间隙位于隧道衬砌外径和开挖边界之间，并用高压注浆材料填充。本文研究了 FLAC3D 软件中三种不同的间隙注浆建模方法，特别关注注浆材料硬化过程的影响。在第一种方法中，将注浆在注入过程中模拟为液体，考虑 TBM 的推进及其硬化时间，将注浆特性转变为固体注浆的性质。在第二种方法中，在模型中将注浆材料从注入开始时就视为具有固体注浆性质，忽略液相。在第三种方法中，不考虑模型几何中的回填注浆区域，只在盾构末端和已安装管片后方施加注入压力。根据最大地表沉降评估了这三种方法的有效性。这三种方法估算的表面沉降量不同，但第一种方法的结果更接近监测数据。同样作为敏感性分析，在这项工作中，我们研究了液体和固体灌浆材料的弹性模量对表面沉降量的影响，这有助于更准确地了解灌浆混合物的影响。
基于灰狼优化的隧道工程围岩挤压分类改进概率神经网络算法
围岩挤压变形是隧道工程中常见且突出的病害，常在TBM掘进过程中诱发盾构卡洞灾害。本文基于139组历史挤压变形案例，建立了混合PCA-IWGO-PNN挤压分类模型。根据挤压变形的影响因素及特点，选取强度应力比、隧道埋深、隧道等效直径、岩体质量指数、支护刚度等建立挤压程度预测指标体系。由于概率神经网络（PNN）要求输入变量独立，因此采用主成分分析（PCA）对原始数据进行预处理，消除预测指标间的相关性并实现降维。扩展系数是PNN中关键的超参数，采用改进的灰狼优化（IGWO）算法实现其高效的自动寻优。然后，将PNN模型应用于工程实际，20个试验样本中仅有1个误判，预测精度达到95%。最后，与人工神经网络（ANN）模型、支持向量机（SVM）模型、随机森林（RF）模型进行对比分析，其中PNN模型的预测精度最高，其次是人工神经网络（85%）、RF（85%）、SVM（80%）。此外，PNN模型的运行速度最快，仅耗时5.6350 s，而ANN、SVM、RF的运行时间分别为8.8340、6.2290、6.9260 s。本研究提出的混合PCA-IWGO-PNN模型为围岩挤压分类提供了一种有效的方法，在预测精度和运行速度方面均具有优势。