隧道围岩变形预报的高斯过程机器学习模型
第30卷第4期2010年11月
桂林理工大学学报
Journal of Gu ili n Un i versity ofTechnol ogy
Vol130No14
N ov12010
文章编号:1674-9057(2010)04-0551-05
隧道围岩变形预报的高斯过程机器学习模型
苏国韶,张研,燕柳斌
(广西大学a1土木建筑工程学院;b1工程防灾与结构安全教育部重点实验室,南宁530004)摘要:针对隧道围岩变形过程是一个高度复杂的非线性时间序列的问题,以隧道围岩变形历史资料作为知识源,通过构建围岩变形时间序列,采用高斯过程模型建立隧道围岩当前变形与历史变形的非线性映射关系,在此基础上分别提出了基于静态知识库与基于动态知识库的隧洞围岩变形预报的高斯过程模型。工程实例应用研究表明,围岩变形预报的高斯过程机器学习模型是可行的,无需建立复杂的岩体力学模型,根据历史实测资料就能够对隧道围岩变形做出合理预报,与基于静态知识库的高斯过程模型相比较,基于动态知识库的高斯过程模型的预报精度更高。
关键词:围岩变形;高斯过程;机器学习;预报
中图分类号:U45112;U456文献标志码:A
隧道围岩变形随时间变化的过程是一种高度复杂的非线性变化过程,围岩变形的准确预报对隧道工程安全具有重要意义。多年来,学者们采用力学分析、数值模型、回归分析、灰色理论等众多方法对此问题进行了大量研究,取得了一定成效[1]。但由于问题的高度复杂性,现有的理论和方法还难以完全满足复杂条件下工程实践的要求。近年来,一些学者另辟蹊径,将神经网络(ANN)、支持向量机(SVM)等机器学习方法应用于围岩的变形时间序列预测,取得了不少有价值的研究成果[2-5],然而这些方法还存在着一些瓶颈问题,如神经网络对于小样本问题推广能力有一定的局限性,最优网络结构不易确定;支持向量机对核函数、核函数的参数和损失函数难以确定[6]。为此,研究更为有效的预测方法是很有必要的。
高斯过程(Gaussian process,GP)是近年来发展起来的一种新的机器学习方法,它有着严格的统计学习理论基础,对处理高维数、小样本、非线性等复杂的问题具有很好的适应性[7-9]。与神经网络(ANN)和支持向量机(SVM)相比,GP具有容易实现、概率意义的预测输出、参数自适应化等突出优点。
本文在GP回归模型的基础上,将GP应用于隧道围岩变形预报,提出了围岩变形时间序列预报的GP模型,为实现隧道围岩变形的合理预报提供一条新的途径。
1GP回归模型的基本原理
在机器学习领域中,GP是指在高斯随机过程与贝叶斯学习理论基础上发展起来的一种机器学习方法。在统计学理论中,GP是这样的一个随机过程:其任意有限变量集合的分布都是高斯分布,即对任意整数n\1及任意的一组随机变量X,与其对应的t时刻的过程状态f(X)的联合概率分布服从n维高斯分布。GP的全部统计特征完全由它的均值m(t)和协方差函数k(t,t c)来确定,其定义式表示如下:
f(t)~GP(m(t),k(t,t c))。(1)假设有n个观察数据的训练集D={(x i,y i)| i=1,,,n},x是d维输入矢量,观察目标值y i I R。如果X表示d@n维输入矩阵,y表示输出矢量,
收稿日期:2009-11-13
基金项目:国家自然科学基金项目(50809017);中国博士后科学基金特别资助项目(20080440812;200902354)
作者简介:苏国韶(1973)),男,博士,副教授,研究方向:智能方法及其土木水利工程应用,suguos hao@1631co m。
引文格式:苏国韶,张研,燕柳斌.隧道围岩变形预报的高斯过程机器学习模型[J].桂林理工大学学报,2010,30(4): 551-555.
那么训练集D =(X,y )。
对于新的输入X *
,GP 模型的任务是根据先验知识预测出与X *
相对应的输出值y *
。
带高斯噪声的标准线性回归模型为 y =f (X )+E 。(2)
其中:f (X )为回归函数值,E 为符合高斯分布的独
立随机变量,均值为0,方差为R 2n
,即 E ~N (0,R 2
n )。
(3)观察目标值y 的先验分布为 y ~N (0,K +R 2
n
I )。
(4)
式中:K =K (X,X ),为n @n 阶对称正定的协方差矩阵,矩阵中的任一项k ij 度量了x i 和x j 的相关性。
n 个训练样本的观察目标值y 和1个测试样本
的回归函数输出f *
所形成的联合高斯先验分布为y f
*
~N 0,
K (X,X )+R 2
n I K (X,X *
)K (X,X *
)
T
k(X *
,X *
)
。(5)
式中:K (X,X *
)是测试点X *
与训练集的所有输入点X 的n @1阶协方差矩阵,k (X *
,X *)是测试点X *
自身的协方差,可分别简写为K (X *
)、k(X *
)。
GP 模型可选择不同的协方差函数。协方差函数需要满足:对任一点集都能够保证产生一个非负正定协方差矩阵。常用的协方差函数为
k y (x p ,x q )=R 2f exp (-12l 2(x p -x q )2)+R 2
n D pq 。(6)
协方差函数的超参数l 、R f 、R n 的大小对学习与预测结果的影响较大。在GP 回归模型中,最优超参数可通过极大似然法自适应获得,即建立训练样本的对数边缘似然函数,对超参数求偏导,再采用共轭梯度优化方法搜索出超参数的最优解。对数似然函数的形式为
L =log P (y |X )=-12
y T (K +R 2n I )-1
y -12log |K +R 2n I |-n 2
log 2P 。
(7)
GP 完成学习过程后,将根据贝叶斯原理在训练集的基础上预测出与X *
对应的最可能的输出值。采用贝叶斯原理的目的是利用观察到的真实数
据不断更新概率预测分布,即在给定新的输入X *
、训练集的输入值X 和观察目标值y 的条件下,推断出f *
的最大可能的预测分布 P (f
*
|x *
,X ,y )~N (f *
,R *
),
(8)
函数预测值的均值和方差为
f *=K T (X *)(K +R 2n I )-1
y ,
(9)R
*
=k (X *
,X *
)-K T
(X *
)(K +R 2
n I )-1
K (X *
)。(10)
对于某一个预测样本的输入向量x *
,对应的目
标预测值的均值和方差为 y O *
=k T (x *)(K +R 2n I )
-1
y ,
(11)
R
O *
=k (x *
,x *
)-k T
(x *
)(K +R 2
n I )-1
k (x *
)。
(12)
GP 的基本原理参见图1。受篇幅限制,本文
对GP 回归模型基本原理仅做简单介绍,具体参见文献[10]。
图1 GP 回归模型的基本原理
F i g 11 Pr i nc i pl e of GP regression mode l
2 围岩变形预报的GP 模型
211 基于静态知识库的GP 模型
根据地下工程围岩变形的监测资料,可构建围岩变形随时间变化的非线性时间序列。构造时间序列的目的是建立n 时刻的位移值和前p 个时刻的位移值的非线性映射关系。预报过程中,初始样本个数p 的确定对预报结果有较大的影响,一般可采用优化的方法来确定。
实际应用中,构建时间序列的常用方法是:将前1~p 个实测值作为输入序列,将第p +1个实
测值作为输出值,由此构成第1个样本对;然后
用第p +1个实测值作为新实测值替换原输入序列最老的一个值,构成具有同等时间长度的新输入
序列,并将第p +2个实测值作为输出值,进而构成第2个样本对;以此类推,滚动构建多个围岩
552桂 林 理 工 大 学 学 报 2010年
变形时间序列样本对,其原理如图2
所示。图2 围岩变形时间序列滚动建模的原理
F i g 12 P ri nci ple o f ro lli ng model f or tm i e series of
surround i ng rock defor mati on
常用的围岩变形滚动预报方法是利用实测资料构建第K 天前的围岩变形时间序列,以此作为学习样本,采用机器学习模型对学习样本进行学习后,不再继续滚动构建学习样本,直接预报第K 天以后的围岩变形
[2-5]
。对于这种预报方法,从
机器学习的角度来说,学习样本数量保持不变,即知识库是静态的,本文将此类模型称为基于静态知识库的机器学习模型。若机器学习模型采用GP 模型,则称之为基于静态知识库的GP 模型。212 基于动态知识库的GP 模型
实际上,随着地下工程的不断开挖掘进,通过监测可以不断获得第K 天以后围岩变形的实测信息,将此实测信息作为新的知识及时添入学习样本集,通过动态地扩大并更新知识库,可使得GP 模型利用贝叶斯规则不断地调整预测变量的后验分布,进一步改善GP 模型的学习效果,达到提高预报精度的目的,本文将此类模型称为基于动态知识库的GP 模型。
以第K 天后的未来n 天作为预测时间段为例,该模型的具体实现步骤如下:
1根据围岩变形实测资料,利用前述滚动方法构建N 个围岩变形时间序列学习样本对;
o通过对N 个学习样本进行学习,获得GP 模型的最优超参数,建立具备一定知识的围岩变形时间序列预报的GP 机器学习模型;
?以实测位移的最后日期第K 天作为起点,采用GP 机器学习模型预报未来n 天后的位移,若无新的实测位移信息,终止预报;
?随着隧道的不断开挖掘进,获得未来n 天后的新的实测位移信息后,将围岩实测位移序列增加到未来n 天,构建新的学习样本,并添入学
习样本集,学习样本的规模扩大为N =N +n ;
?采用GP 模型对新的学习样本集进行重新学习,更新最优超参数,获得基于更新知识库的GP 机器学习模型,返回?。
根据上述建模步骤,编制M atlab 计算程序。
3 工程实例分析
阳宗隧道是昆明)石林高速公路上下行分离
式双洞单向行车3车道的大断面隧道,全长2725m,最大埋深141m,以ò、ó类围岩为主,岩性为二叠系的灰岩和玄武岩。阳宗隧道XK38+725断面的前30天的拱顶下沉监测数据
[3]
见表1。
表1 阳宗隧道XK38+725断面拱顶下沉监测数据
T able 1 Vault settl e m ent data o f secti on XK 38+725i n
Y angzong tunne l 测点序号
监测值/mm
测点序号
监测值/mm
15.27167.0225.06176.8635.10186.7145.15197.5656.37206.9266.65217.2577.06227.0987.47236.9296.47246.99106.67257.06116.87268.00127.07278.95137.00289.90146.922910.8515
6.97
30
12.73
注:测点序号代表相应监测时间点,如测点/10代表第1
天,以此类推。
下面分别采用基于静态知识库的GP 模型和基于动态知识库的GP 模型,预报后15天的围岩变
形。
311 基于静态知识库的GP 模型预报GP 模型超参数的对数初始值设为:
l n l =
[-1,-1,-1,-1,-1,-1,-1,-1,-1,-1],ln R 2
f =l n 110,ln R 2
n =ln 011。采用共轭梯度优化算法搜索最优超参数。收敛标准设为最大迭代步数为300或迭代步之间的目标值的绝对差值小于1@10-6
。
通过对比优化分析,围岩变形时间序列最佳历
553
第4期 苏国韶等:隧道围岩变形预报的高斯过程机器学习模型
史点数p确定为10。根据前30天的围岩变形实测数据(表1),构建了20个学习样本,学习过程中自适应获得的最优超参数为:l=[960219,374810, 294715,287110,231816,234910,105110, 169113,8915,1110],R f=1312,R n=014。
对未来的15天的围岩变形预报结果见表2。312基于动态知识库的GP模型预报
根据前30天的围岩变形实测数据,构建了20个学习样本,采用GP模型进行学习,利用学习后的GP模型预报未来3天的围岩变形;获得未来3天的围岩变形实测值后,构建新的时间序列样本对,添入原有的学习样本集,使学习样本总数达到23个,采用GP模型重新进行学习,利用学习后的GP模型预报下一个未来3天的围岩变形。依此类推。
最终预测5次完成预报,每次学习过程中自适应获得的最优超参数如下:
l1=[960219,374810,294715,287110, 231816,234910,105110,169113,8915, 1110],R f1=1312,R n1=014;
l2=[4171010,28451010,202100010,1430610, 861215,736911,955513,1508910,5710, 1719],R f2=1414,R n2=014;
l3=[336413,318317,299215,244013, 164618,17516,84311,84914,7019,1610], R f3=1312,R n3=014;
l4=[346817,320711,288410,204712, 5119,57218,82516,162818,56512,1410], R f4=1316,R n4=014;
l5=[436710,408810,353510,12810, 8010,228610,609310,3208110,347110, 1610],R f5=1510,R n5=014;
对30天后15天的围岩变形预报结果见表2。313预报结果分析
从表2可见,基于静态知识库的GP模型的最大相对误差12142%,平均相对误差为7187%;基于动态知识库的GP模型的最大相对误差8100%,平均相对误差为3104%。表2中还列出了基于静态知识库的SVM模型的预报结果及其误差[4],最大相对误差16141%,平均相对误差为7175%,预测精度与基于静态知识库的GP模型相当。GP模型的预报结果比较参见图3
。
图3两种GP模型的预报结果对比
F i g13Co mpar i son of predicted def or m ations
usi ng t wo GP mode l s w it h m easured defor mati ons
表2各种模型的预报结果比较
Tab l e2Comparison o f t he forecasti ng results in different models
测点序号实测值
/mm
S VM模型[4]
预测值/mm相对误差/%
基于静态知识库的GP模型
预测值/mm相对误差/%
基于动态知识库的GP模型
预测值/m m相对误差/%
3114.6112.2116.4114.992.6315.012.72 3216.4816.112.2614.4312.4217.174.21 3318.3618.051.7018.360.0218.701.83 3418.7619.694.9619.373.2619.614.53 3519.1720.044.5319.481.6019.964.13 3620.0319.542.4619.432.9820.150.62 3720.8920.024.1719.536.5319.825.10 3820.7520.620.6319.446.3319.943.93 3921.7520.107.5919.2711.4220.018.00 4021.9518.9913.4819.4311.4921.402.52 4122.0620.198.4619.5611.3421.432.84 4222.0919.959.7119.3912.2421.622.13 4322.1219.3712.4419.4612.0322.300.80 4422.1518.7215.5119.5411.7822.340.88 4522.1819.5411.9119.5411.9122.491.40平均相对误差/%7.757.873.04
554桂林理工大学学报2010年
3种模型均能对后15天的围岩变形作出有效的预报。相比较而言,基于动态知识库的GP 模型具有更高的预测精度。值得指出的是,与ANN 模型和SVM 模型相比较,GP 模型的超参数是自适应确定的,巧妙地解决了算法参数设置问题。
4 结 论
(1)GP 是建立在严格的统计学习理论基础上的一种机器学习方法,具有算法简洁、易于实现和参数自适应化等优点,能很好地处理岩土工程中的非线性复杂问题。算例研究表明,围岩非线性变形预报的GP 机器学习模型是可行的,不必建立复杂的力学或数值计算模型,通过对围岩位移实测资料进行时间序列建模和滚动学习就能给出准确可靠的预报结果,该模型简单实用,易于被工程技术人员掌握。
(2)与基于静态知识库的GP 模型相比较,基于动态知识库的GP 模型可根据新的监测资料不断地对知识库进行扩大更新,使其建立在尽可能丰富的学习资源之上,由此实现预报模型的动态修正,进而能更有效地提高预报精度。
(3)GP 模型对处理小样本问题具有很强的适应性。对于大样本的问题,如学习样本数大于1000的情况下,协方差矩阵的存储和运算将导致
GP 的计算负担稍显繁重,为提高计算效率,建议采用稀疏化技术来降低运算代价
[11]
。
参考文献:
[1]霍玉华.隧道围岩变形量预测的灰色模型应用比较研究
[J].北京交通大学学报,2006,30(4):42-45.
[2]徐林生.阳宗隧道围岩变形的神经网络技术预测[J].
重庆交通学院学报,2006,25(3):32-35.
[3]马万权,王新平,程崇国.神经网络技术在阳宗隧道围岩
变形预测中的应用[J].公路交通技术,2003(2):56-57,73.
[4]赵洪波.支持向量机在隧道围岩变形预测中的应用[J].
岩石力学与工程学报,2005,24(4):649-652.
[5]姜谙男.基于PS O -S VM 非线性时序模型的隧洞围岩变
形预报[J].岩土力学,2007,28(6):1176-1180.[6]熊志化,张继承,邵惠鹤.基于高斯过程的软测量建模
[J].系统仿真学报,2005,17(4):793-794,800.[7]Brahm i -Bel houari S ,Ber m ak A.G aussi an process for nonst a -ti onary tm i es series prediction [J].Co mputati ona l St a tisti cs
&Data A na l ysi s ,2004,47(4):705-712.[8]G iro l am i M,Rogers S .Var i ati ona l Bayesi an multi no m i al
prob i t regressi on w it h Gaussi an process pri ors [J].N eural Co mputati on ,2006,18(8):1790-1817.[9]Gra macy R B .Tgp :an R package f or Bayesi an nonstati on -ary ,sem i para metr i c nonli near regressi on and desi gn by treed
Gaussi an process models [J].Journa l o f Stati stica l So ft w are ,2007,19:1-46.
[10]SeegerM.G aussian processes f o r machi ne learn i ng[J].Inter -nati onal Journa l of N eural Syste m,2004,14(2):69-106.[11]Csato L ,O pperM.Sparse onli ne Gaussian processes [J].
N eural Co mputation ,2002,14(3):641-668.
D eformation Forecasti ng for Tunnel Rock
by Gaussian ProcessM achi ne Learni ngM odel
SU Guo -shao ,Z HANG Y an ,YAN L i u -b i n
(a 1School of C ivilE ngineering;b 1K ey Laboratory of D isaster P revention and Structural Safety ,Guangx iUniver -sit y ,N anning 530004,China)
Abst ract :A s defor m ati o n of surround i n g r ock m ass is a high l y co m p licated non li n ear ti m e ser i e s prob le m ,GP m ode ls based on static and dyna m ic for defor m a ti o n forecasti n g are proposed.Based on h istor i c al defor m ati o n and establishing defor m ati o n of surrounding rock m ass ti m e seri e s ,the nonlinear relationsh i p bet w een present defor m ation o f surrounding rock m ass and histo rica l defor m ation of surround i n g rock m ass is bu ilt by GP m ode.l The case study sho w s that the GP m ach i n e lear n i n g m odel forecasting defor m ation of surrounding rock m ass of t u nne l is feasi b l e .W ithout establish i n g co m p li c ated m odel of rock m assm echanics ,the GP m odel can forecast non li n ear defo r m ation o f surroundi n g rock m ass o f tunnel reasonably acco r d i n g the h istoric m easured infor m ati o n of defo r m ation .The forecasti n g result based on static kno w ledge base is superior to tha t based on dyna m ic kno w ledge base .K ey w ords :defor m ation o f surround i n g rock m ass ;G aussian Process (GP);m ach i n e learning ;forecast
555
第4期 苏国韶等:隧道围岩变形预报的高斯过程机器学习模型
机器人的动力学控制
机器人的动力学控制 The dynamics of robot control 自123班 庞悦 3120411054
机器人的动力学控制 摘要：机器人动力学是对机器人机构的力和运动之间关系与平衡进行研究的学科。机器人动力学是复杂的动力学系统，对处理物体的动态响应取决于机器人动力学模型和控制算法。机器人动力学主要研究动力学正问题和动力学逆问题两个方面，需要采用严密的系统方法来分析机器人动力学特性。本文使用MATLAB 来对两关节机器人模型进行仿真，进而对两关节机器人进行轨迹规划，来举例说明独立PD 控制在机器人动力学控制中的重要作用。 Abstract: for the robot dynamics is to study the relation between the force and movement and balance of the subject.Robot dynamics is a complex dynamic system, on the dynamic response of the processing object depending on the robot dynamics model and control algorithm.Kinetics of robot research dynamics problem and inverse problem of two aspects, the need to adopt strict system method for the analysis of robot dynamics.This article USES MATLAB to simulate two joints, the robot, in turn, the two joints, the robot trajectory planning, to illustrate the independent PD control plays an important part in robot dynamic control. 一 动力学概念 机器人的动力学主要是研究动力学正问题和动力学逆问题两个方面，再进一步研究机器人的关节力矩，使机器人的机械臂运动到指定位臵，其控制算法一共有三种：独立PD 控制，前馈控制和计算力矩控制，本文主要介绍独立PD 控制。 动力学方程：)()(),()(q G q F q q q C q q M +++=? ????τ
软弱围岩隧道
软弱围岩隧道 随着我国铁路路网的完善，建设标准的提高，特别是高速铁路和客运专线的大量修建，隧道建设规模和技术水平也踏上了一个新的台阶;然而，软弱围岩隧道坍方、作业人员伤亡等事故却时有发生，隧道建设的安全现状无法与当前的形势相适应。从设计源头上解决当前软弱围岩隧道建设过程中存在的问题，是非常必要和及时的。 我国是世界铁路隧道大国。据统计，截止目前，我国铁路隧道通车运营长度已达到6000公里，在建隧道约6600公里，规划设计长度约7600公里，预计到2020年，我国铁路隧道总长将达2万公里左右，位居世界第一。 我院承担的任务主要集中在西南山区，地形、地质条件复杂，一方面，隧道多；另一方面，隧道通过软弱围岩地段长，如：全长462km的成兰线，隧道长度就达到322km，隧线比70%，Ⅳ、Ⅴ级围岩的比重75％，且多为千枚岩、板岩等软弱围岩地层。 这些都从客观上增大了隧道设计在安全方面的风险。半个多世纪来，我院在西南山区铁路隧道的建设中，既积累了一定的经验，也有不少教训和体会，根据会议安排，下面我就软弱围岩隧道工程设计方面做简要汇报，不妥之处，敬请领导批评指正。一、软弱围岩主要工程地质特点 软弱围岩一般是指岩质软弱、承载力低、节理裂隙发育、结构破碎的围岩，工程地质特点有：
(1)岩体破碎松散、粘结力差：一般为土层、岩体全风化层、挤压破碎带等构成的围岩，由于结构破碎松散，岩体间的粘结力差，开挖洞室后，仅靠颗粒间的摩擦效应和微弱胶结作用成拱，这类岩体极不稳定，尤其是在浅埋地段容易发生坍塌冒顶。 (2)围岩强度低、遇水易软化：一般以页岩、泥岩、片岩、炭质岩、千枚岩等为代表的软质岩地层，由于其强度低、稳定性差，开挖暴露后易风化、遇水易软化，尤其是深埋地段受高应力影响容易发生塑性变形，造成洞室内挤。 (3)岩体结构面软弱、易滑塌：主要是存在于受结构面切割影响严重的块状岩体中，由于结构面的粘结强度较低，开挖后周边岩体极易沿结构面产生松弛、滑移和坠落等变形破坏现象。
隧道软弱围岩(断层)专项施工方案
石山隧道进口软弱围岩（断层）专项施工方案 一、编制依据 1、xxx合同段工程施工总承包招标文件及设计文件、两阶段施工图设计等； 2、国家、交通部现行的公路工程建设施工规范、设计规范、验收标准、安全规范等； 3、国家及福建省相关法律、法规及条例等； 4、现场踏勘收集到的地形、地质、气象和其它地区性条件等资料； 5、近年来高速公路等类似施工经验、施工工法、科技成果； 6、福建省高速公路标准化建设指南和施工要点； 7、我单位拥有的国家级、部级工法、科技成果和长期从事高等级公路建设所积累的丰富施工经验。 二、工程概况 1、工程概况 我部承建的石山隧道0.5座，为分离式双洞隧道，隧道全长855.8m，为长隧道，左洞长854.1m，右洞长857.5m。隧道进出口均位于平面曲线内，进口左右线曲线半径分别为R左=3000m和R右=2850m；隧道纵坡坡率/坡长：左洞为0.7%/854.1m，右洞0.7%/857.5m；隧道进口设计桩号：左洞为ZK63+572，右洞为YK63+565；进口设计高程：左洞为586.69m，右洞为586.64m。。 2、地形、地貌 隧址区属剥蚀低山地貌，隧道轴线大致呈南北走向，地形呈波状起伏，起伏较大，隧道最大埋深约为160m，地表植被较发育，覆盖层较薄。进口侧山坡自然坡度25～30°，出口侧山坡自然坡度35～40°。 3、地层岩性 本隧址场区表层多为第四系残坡积土，一般厚度3-6m，冲沟底部及陡坎略薄些，下伏侏罗系南园组（J3n）凝灰熔岩及其风化层。
隧道洞身围岩为侏罗系南园组（J3n）的凝灰熔岩，属较硬-坚硬岩，岩体一般较完整，对隧道洞身围岩的稳定较有利，据地质调绘及钻孔揭露隧道区主要发育有3条裂隙带及断裂构造带，对隧道围岩不利，影响隧道围岩级别，隧道开挖时，围岩稳定性较差，易产生塌方掉块，应加强支护和监测措施，各段的具体评价见隧道纵断面图。 拟建隧道最大埋深约160m，深部围岩主要为微风化凝灰熔岩，节理裂隙发育较少-较发育，较有利于地应力的释放和调整，但钻孔中未见有岩芯饼化等高应力作用现象，综合临近泉三高速公路等工程经验分析，本隧道在隧洞区内出现高地应力的可能性不大。 隧址区未见有矿体分布，不会产生瓦斯等有害气体。但施工中粉尘可能较大，施工中应注意粉尘污染监测工作，并做好通风工作。 4、地质构造及地震动参数 根据《厦门至沙县高速公路（安溪至沙县）泉州段线路工程地震安全性评价》，线路地震设防烈度属于6度区，测区内50年超越概率10％的平均土质条件下峰值加速度为0.05g，中硬土场地动反应谱特征周期为0.45s，区域地质相对稳定，建议抗震设计按《公路工程抗震设计规范》（JTJ004-89）规范执行。 5、水文地质条件 隧道位于当地侵蚀基准面之上，山坡坡体起伏较大，隧道地表水系不发育，仅部分冲沟底部见有小水流。隧址区四周地形较陡，一般坡度25-35°，地形切割较强烈，降雨后地表水沿坡排泄迅速，无有利地表水蓄积之地形。 地下水按埋藏条件及赋存介质不同主要有：①基岩风化网状裂隙水：赋存于碎块状强风化岩～中风化岩层的网状裂隙中。隧道区岩性为侏罗系南园组（J3n）凝灰熔岩，碎块状强风化岩层裂隙较发育，富水性及导水性相对较强，接受大气降水的补给，厚度相对较小，勘察期间水量较贫乏，对洞身围岩及开挖影响较小，主要对隧道进、出口及浅埋段围岩的施工有影响。②基岩裂隙水：洞身围岩主要为微风化凝灰熔岩，主要受节理裂隙等控制，受大气降水的补给和基岩风化裂隙水的补给，向山体附近的沟谷中排泄，富水性一般较差，节理密集带相对较富水，但本隧道3条节理带宽度小，故地下水贫乏。
基于分数阶算子灰色理论隧道围岩变形预测
第19卷 第4期 中 国 水 运 Vol.19 No.4 2019年 4月 China Water Transport April 2019 收稿日期：2018-12-01 作者简介：刘鹏程（1992-）男，贵州大学土木工程学院 硕士生。 通讯作者：包 太（1972-）男，贵州大学土木工程学院 教授。 基于分数阶算子灰色理论隧道围岩变形预测 刘鹏程1 ，包 太1 ，蔡 科2 ，刘子利1 ，汪增超3 ，宋文婷1 （1．贵州大学 土木工程学院，贵州 贵阳 550025；2．中核华泰建设有限公司，广东 深圳 518055； 3．黄河勘测规划设计有限公司，河南 郑州 450003） 摘 要：采用新奥法开挖隧道时围岩应力产生重分布，对隧道围岩的变形进行监控量测是必不可少的内容。这些数据也影响着接下来的工况实施，需要对现场监控数据进行有效的处理才可以有效预测。为了避开一些复杂的地质因素、围岩力学效应等较难确定的因素，采用分数阶算子灰色理论进行数据处理。介绍了分数阶算子灰色理论的基本原理与操作步骤，基于传统的GM（1，1）模型，引入分数阶精确调节累加数的数量级，以此建立分数阶算子灰色预测模型。以工程实例为研究背景，对不同模型下隧道围岩位移的预测结果进行对比分析，结果表明，分数阶算子灰色预测模型优于经典GM（1，1）模型，其模拟精度有明显的提高，能满足实际工程的需求。 关键词：围岩位移；变形预测；分数阶算子；灰色模型 中图分类号：U456.3 文献标识码：A 文章编号：1006-7973（2019）04-0084-03 一、引言 近年来，随着我国交通建设的发展，公路隧道的数量也迅速增加，目前以新奥法施工为主，新奥法施工法[1]是结合设计、施工、监测的隧道建造方法。隧道在开挖过程中破坏围岩的初始应力状态，从而使岩石发生变形。因此，对隧道围岩变形的监控量测和科学有效的预测对整个工程来说也是至关重要的。 邓聚龙教授[2]在1982年创立的一门新兴的学科—灰色系统理论，该理论预测模型最早应用于农业和经济领域，随着灰色理论应用技术研究的进步，该理论逐步被应用到土木工程当中，并取得了比较理想效果。灰色理论在建筑物沉降预测、边坡长期变形预测、混凝土长期强度预测等方面都有一些比较成功的范例。对原始数据的分析预测，王涛[3]等采用回归分析和灰色预测方法中短期组合预测，以提高精度。刘能铸[4]通过对比GM（1，1）、DGM（2，1）、Verhulst 模型3种计算模型得出GM（1，1）和DGM（2，1）更接近实际工程预测。胡亮[5]对高速公路隧道进行灰色理论模型预测，得出该运用灰色预测理论能对其高速公路隧道有效的预测，指导施工。贾承辉[6]基于激光断面仪运用灰色理论对隧道进行变形预测。 应用灰色预测模型在很大的程度上有效预测隧道变形，为工程提供了有利施工保障，本文在此基础上引入分数阶拓展算子对隧道进行变形预测。分数阶拓展算子GM（1，1）模型对知道隧道围岩等级、支护参数等基本的信息的隧道进行分析，其模拟结果更加反映实际变化情况，这样更能有效预测结果，其结果也能满足精度要求。 二、分数阶算子GM（1，1）模型 灰色预测模型是灰色系统理论的重要组成部分，以均值GM（1，1）模型与离散GM（1，1）模型最广泛，DGM （1，1）模型[7]虽然提高了精度和预测稳定性，但这几种模型都采用一阶算子生成目标序列，为了更好是提高灰色预测模型精度，本文采用通过调节阶数生成目标序列，以提高灰色预测模型的拟合精度。 分数阶算子-灰色系统[10]通过对隧道原始监测数据的挖掘、整理来寻求其变化规律，就数据寻找数据现实规律，从而弱化表象复杂、数据离散的客观系统的随机性，挖掘出其蕴涵的内在规律。用MATLAB 分析分数阶拓展算子GM （1，1）模型，对原始监测数据进行处理，减小误差。 三、工程实例 1．工程概况 印江隧道全长770m，隧道穿越一山梁，隧址区为构造剥蚀、流水侵蚀中低山河谷斜坡地貌，隧道区上覆第四系残坡积粘土，下伏三叠系下统夜郎组灰、浅灰带肉红色薄至厚层灰岩夹鲕、豆状灰岩、泥质灰岩及泥灰岩，节理裂隙较发育。隧道洞口段为Ⅴ级，开挖易坍塌。因此，为了掌握围岩在开挖过程中的动态和支护结构的稳定状态，必须进行现场监控量测，以便及时调整支护参数，并通过对量测数据的分析和预测，确保隧道施工安全以及围岩支护结构的稳定。 本文以ZK41+987和ZK41+975两个断面测点为研究对象，对其断面拱顶下沉和周边收敛进行预测，断面监控量测数据见表1。 2．数据处理与分析 GM（1，1）模型以一阶累加生成的序列作为建模序列， 而分数阶算子GM（1，1）模型是把原始序列做r 阶累加生成的序列作为建模序列，由此，引入分数阶算子可以对GM （1，1）模型进行改进，其预测结果对比见表2~5，曲线图
软弱围岩隧道变形及其控制技术相关分析
软弱围岩隧道变形及其控制技术相关分析 发表时间：2016-05-28T13:37:56.550Z 来源：《基层建设》2016年2期作者：张琨玮[导读] 中国电建集团成都勘测设计院有限公司四川成都 611130 一般影响软弱围岩变形的主要因素是围岩的性质，包括围岩级别，围岩结构，地应力，岩体的力学性质、隧道埋深等。张琨玮 中国电建集团成都勘测设计院有限公司四川成都 611130 摘要：隧道围岩大变形常表现为断面缩小、拱顶下沉、周边收敛、基底隆起等现象，导致成洞困难或初期支护严重破坏。隧道穿越埋深大、地应力高、岩体软弱等地质环境时，在开挖方法不当、支护抗力不足或不及时的情况下容易发生大变形。关键词：软弱围岩；隧道变形；控制引言 围岩是指受隧道开挖影响而发生应力状态改变的周围岩土体。根据岩土体的强度，可将围岩分为坚硬围岩和软弱围岩两大类，软弱围岩主要包括软弱、破碎、富水等不良地质条件下的围岩，但不包括岩溶、瓦斯等特殊的围岩。隧道穿越高地应力区及遇到软弱围岩体时，常产生软弱围岩大变形等相关地质灾害，对隧道软弱围岩大变形的有效合理防治与控制愈显紧迫与重要。 1软弱围岩隧道变形概述随着我国经济的高速发展，各项基础设施建设正在快速地推进。我国是一个地形地质复杂多样的国家，在山区进行交通工程建设不可避免的会遇到大量软岩隧道，并且埋深也在不断加大，随之带来了诸多问题，隧道大变形破坏就是其中之一。目前，关于隧道大变形仍没有一种学界公认的统一定义，根据前人的著述，其特点可描述为：深埋地下结构中表现出了与时间、岩体结构、水文地质条件、围岩岩性密切相关的特性，并受施工过程中的各种因素扰动的影响，这些因素反过来又影响施工和结构物长期运营的变形，比如交通隧道的变形。其中，软弱围岩隧道的时效特性正引起工程界的高度重视。软弱围岩具有明显的流变特性，与时间有着密不可分的关系，长期的工程实践表明，软弱围岩的变形和破坏并不是隧道运营初期立即完成的，而是经历很长时间不断变形的积累，出现大变形以致失稳和破坏。2隧道大变形原因分析2.1围岩软弱 一般影响软弱围岩变形的主要因素是围岩的性质，包括围岩级别，围岩结构，地应力，岩体的力学性质、隧道埋深等。软弱围岩是隧道发生大变形的内在因素，。例如，某工程中，围岩为粘土夹岩溶角砾，粘土松软，含水量高，角砾棱角分明，围岩十分软弱，用地质锤可轻松剥离。由于隧道右侧围岩强度低，开挖后硐室周边由三维应力状态转变成二维应力状态，洞周切向应力急剧增大，围岩强度应力比减小，使右侧围岩发生塑性破坏而向内挤入。围岩自身强度较低，对地下水敏感度高，隧道洞身开挖后围岩产生塑性变形松动圈范围大，作用在初期支护的压力较大，围岩变形持续的时间比较长。同时，通过采取适宜的超前预加固控制变形技术，还能够对隧道掌子面前方围岩变形情况进行有效的控制，进而避免发生掌子面坍塌现象。此外，对于断层破碎带以及软弱地层，尤其是在含有丰富的水源时，必须要对围岩进行超前加固施工，进而改善地层，保证隧道施工的安全。 2.2支护强度低 对于软弱围岩隧道，开挖后支护应尽早封闭成环，对于围岩压力持续增加，变形收敛时间长的隧道，应趁早施工二衬，利用模筑混凝土刚度大的特点，对控制持续变形有良好的效果。某工程隧道上台阶开挖后及时施作了初支，喷层厚度已达到要求，但上台阶拱脚锁脚锚管长度仅为2m，并没有穿过松动区，也没有注浆加固，因此不能充分发挥锁脚作用，故水平收敛很大。此外，格栅拱架刚度较低，拱架间距较大（1m），不能有效抵御拱脚剪力作用。 2.3水的影响 地表河流、冲沟与隧道距离较近，隧道上方冲沟附近发育有溶蚀漏斗，地表水可沿岩溶通道进入地下。围岩软弱松散，在地下水位以下处于饱和状态。在隧道开挖前该处岩土体中地下水位保持恒定，隧道开挖后地下水向坑道内渗流从而使隧道右侧地下水位降低，施作初期支护后由于喷混凝土有一定的阻水作用，阻断了右侧围岩地下水的渗流通道，使隧道右侧地下水位回升，故出现隧道左侧边墙干燥而右侧边墙湿润滴水的现状。同时，右侧拱墙支护结构承受静水压力的作用、。由于围岩含有黏土，遇水易发生膨胀、软化，从而使围岩自承能力迅速降低而压力不断增大，因此围岩和初支变形也表现为持续的发展。在地下水的作用下，围岩体积膨胀、强度降低，使得右侧初期支护同时承受膨胀压力与静水压力，变形不易控制。、3围岩大变形控制处理措施3.1加强超前地质预报工作一般情况下，在软弱围岩隧道施工过程中，都会遇到隧道开挖揭示地质情况与工程设计提供的地质存在较大差异的状况。基于此，除了需要在设计阶段加强地质勘察工作之外，还必须在施工阶段进行超前地质预报工作。之后还需按照超前地质预报设计方案的要求，对超前地质预报中涉及的细则进行详细的编制，然后才可开展地质预报工作。同时，对于那些地质较为简单的地段，可以采用以地质编录为主的途径进行相应的施工，并依据掌子面开挖揭示的地层岩性、地质构造以及节理裂缝发育情况等来分析与判断围岩的稳定性。而对于地质较为复杂地段的施工，应在完成地质编录工作的情况下，进行物探超前地质预报，进而为之后勘察资料的对比与分析工作提供基础与便利，最终实现提升预报质量与精度的目的。此外，对于那些特浅埋地质复杂地段，可通过水平钻孔等途径，明确掌子面前方地质情况，然后采取合理的开挖方式来保证工程施工安全。 3.2选择合理施工方法选择适宜的软弱围岩隧道开挖施工方法能够更好的保护围岩，减少塑性区域范围，进而最大限度地发挥出围岩的自承载效果，最终对围岩的变形量进行有效的控制。（1）在选择现场施工方式时，应依据地质与地层加固的具体情况来确定，并在实际施工过程中依据地质情况以及监控量测结果来及时的调整不合适的施工方法。（2）在采用爆破法掘进时，应全面掌握炮眼数量、深度以及装药量，进而在提高爆破控制技术的前提下，尽量减少爆破对围岩造成的破坏。 3.3加强支护强度和刚度
隧道软弱围岩安全快速施工的基本原则及施工方法探讨
隧道软弱围岩安全快速施工的基本原则及施工方法探讨 摘要：本文首先阐述了隧道软弱围岩安全快速施工的意义，然后探讨了隧道软弱围岩安全快速施工的基本原则，最后研究了隧道软弱围岩安全快速施工的方法，具有一定理论价值和实用价值，供大家借鉴参考。 关键词：隧道；软弱围岩；安全快速施工 Abstract: This paper expounds the weak rock tunnel the meaning of rapid construction safety, and then discusses the weak rock tunnel safely and quickly the basic principles of the construction, and finally the weak rock tunnel safe the construction method of fast, has certain theory value and practical value for your reference. Key words: tunnel; weak rock; rapid construction safety 1隧道软弱围岩安全快速施工的意义 隧道安全快速施工对我国铁路建设具有重要意义，尤其是软弱围岩隧道的安全快速施工，其意义尤为重要，主要表现在以下2个方面： 1)工程工期的要求。隧道的建设由于工作面少，作业空间狭窄，施工速度慢，往往成为铁路建设的控制性节点工程。而软弱围岩隧道，由于围岩稳定性差、变形不易控制、容易发生塌方等安全事故，导致其施工工序复杂，施工速度极其缓慢，严重影响和制约着工程的工期。 2)自身稳定性的要求。变形速度快、变形时间长是软弱围岩的基本特性，这也就意味着施工速度越慢时，围岩暴露时间越长，隧道发生的变形越大，所需的加固措施也变得越强。因此，软弱围岩隧道的施工很容易陷入如图1所示的恶性循环。 图1软弱围岩隧道施工易出现的恶性循环 Fig．1 A vicious circle of the construction of weak surrounding rock tunnel 2隧道软弱围岩安全快速施工的基本原则 “预支护、快挖、快支、快闭合”是软弱围岩隧道安全快速施工的基本原则。 1)预支护是在开挖前，针对开挖后预计的变形实态，事前采取的控制变形的对策，预支护的目的是控制掌子面前方先行位移和挤出位移。
软岩隧道大变形成因分析及处置措施
软岩隧道大变形成因分析及处置措施 摘要：本文对软岩隧道大变形机理进行分析，详细介绍了软岩地区常见的支护 设计和软岩区施工阶段的质量控制措施，以解决当前施工阶段出现的问题，以期 为软岩区隧道建设提供借鉴和参考。 关键词：软岩隧道；大变形；成因分析；处置措施 0 引言 由隧道大变形引起的地质灾害屡见不鲜，困扰着软岩区隧道的建设。首例出 现软岩大变形的隧道是1906年建成的新普伦隧道（全长19.8Km），比较有代表 性的是奥地利陶恩隧道，施工期间产生50~120cm的变形，日最大变形量达到 20cm。国内比较有代表性的有乌鞘岭隧道，拱顶沉降达到105cm，周边收敛达到103cm，而凉风垭隧道的周边收敛值达到197.25cm，此类的地质问题还有许多， 软岩隧道不仅延长建设的周期，而且还会大幅增加工程造价。软岩隧道的支护理 论有多种，20世纪初由Haim、Rankine等提出的古典压力理论，以及在之后提出 的塌落拱理论，这也是新奥法的理论基础，其核心是隧道围岩具有自稳能力， L.V.Rabcewicz提出新奥地利隧道施工方法（即新奥法），其后还有应变控制理论、能量支护理论、轴变论、软岩工程力学支护理论等。近年来结合数值模拟技术， 可以对隧道变形进行初步的了解，提高设计的准确性，在施工技术、监测手段上 也取得较大的发展，复合式衬砌、超前支护等应用于隧道工程中，高精度、自动化、智能化的监测设备用于隧道变形和应力监测[1]。 1 隧道围岩大变形机理 1.1 软岩大变形的工程定义 目前对于围岩大变形尚未有明确的定性和定量判断依据，只是根据地质条件，以某一角度进行判断，而在实际的工程中，软岩大变形并未列入规范中。软岩区 隧道产生大变形与地质条件、时间、隧道的尺寸规模、埋深等有着密切关系，根 据以上的影响因素，本文对软岩大变形给出如下定义：软弱围岩在水（包括地下 水和地表渗水）的作用下，采取常规的支护设计，围岩产生塑性变形，且无法有 效控制，其变形量已经超过预留变形量或者规范的允许值，或者具有这种趋势， 当二衬施工工后一段时间内，变形仍不稳定，且导致衬砌结构开裂的现象称为软 岩大变形。 1.2软岩大变形机理 围岩产生大变形破坏取决于岩性，即岩体的性质、构造与结构，其次是围岩 的地质环境，即地应力、地下水分布等，与支护参数也有较大的联系。围岩大变 形发展机理可以归纳为以下几点： ⑴软岩流塑 隧道的开挖会改变围岩的应力状态，围岩的应力状态随开挖而调整，在此过 程中岩体中闭合的结构面会不断的张开，产生滑移，岩体进一步破碎，此时地下 水进入张开的结构面，进一步弱化岩体的强度，导致岩体呈流塑状态而产生较大 的周边收敛。 ⑵板梁弯曲 对于呈薄层状的围岩，在开挖后，其顶板变形呈弯曲状态，这一现象在高地 应力地区更为明显。隧道的法向应力降低而切向应力增加，层状的岩体发生横向 或者纵向挠曲，引起顶板和地板在垂直应力作用下引起顶板下沉和底板的隆起， 侧墙在侧向应力作用下产生较大的收敛。
浅埋软弱围岩隧道变形与受力现场监测研究
浅埋软弱围岩隧道变形与受力现场监测研究 发表时间：2019-08-30T11:49:00.463Z 来源：《建筑模拟》2019年第29期作者：李乐乐1，2 闫飞亚1，2 李源禛1，2 [导读] 通过对韶山一号工程隧道进行研究发现隧道围岩总体处于稳定状态，但在上下台阶的开挖施工中，由于受到施工振动的影响，地表会出现一定程度的沉降问题，但在二次衬砌，混凝土强度达到设计要求之后，其沉降会逐渐趋于稳定。 李乐乐1，2 闫飞亚1，2 李源禛1，2 1.武汉港湾工程质量检测有限公司湖北武汉 430040 2.海工结构新材料及维护加固技术湖北省重点实验室湖北武汉 430040 摘要：通过对韶山一号工程隧道进行研究发现隧道围岩总体处于稳定状态，但在上下台阶的开挖施工中，由于受到施工振动的影响，地表会出现一定程度的沉降问题，但在二次衬砌，混凝土强度达到设计要求之后，其沉降会逐渐趋于稳定。而钢支撑的应力值随时间变化曲线经历急剧增大缓慢增大趋于平缓这三个阶段，在拱部承受较大的土压力，为钢支撑的最不利部位；拱顶的压力比拱腰两测点的压力值明显偏大，在浅埋情况下拱顶部位为最不利位置。 关键词：隧道工程；软弱围岩；浅埋；现场监测；变形与受力 1 浅埋软弱围岩隧道现场监控量测技术 1.1 隧道监控量测方法 （1）周边位移监测法，不同的施工方法，运用周边位移监测法时，在对测点进行布置的过程中需要按照不同的位置。 （2）地表下沉监测，在此类隧道施工过程中，避免不了会出现地表下沉情况，因此，为了避免其对施工造成影响，就需要对地表下沉进行监测。 （3）围岩压力量测。在围岩压力量测中，每一级围岩需要选择 3 监测断面，并在其中沿隧道周边埋设三个压力盒，以保证量测的准确性。 2 隧道沉降与变形监测结果 2.1 收敛变形分析 通过对工程中的实际情况进行分析可以发现，在施工的过程中，所产生的水平收敛主要表现在支护强度上。通常情况下，在支护结束之后，由于混凝土还没有达到设计中的强度要求，这个时候就会发生快速的收敛，而当混凝土强度达到要求，支护结构开始发挥作用之后，收敛就不会再继续发生。另外，在施工过程中还发现，如果在开挖过程中所发生的振动比较大，或者是隧道受到山体两侧的压力比较大，所产生的收敛情况就会比较明显，反之，则不会出现明显收敛，也不会发生太大程度变形问题。 2.2 地表下沉分析 在本文所研究的隧道施工中，在开挖工作时，由于受到开挖施工的影响，在掌子面的附近，约7 m左右的范围内，分别出现不均匀沉降的情况。在下台阶开挖的过程中，由于上台阶的洞室地表会受到开挖振动的影响，所以也会出现沉降情况；同时，在整体开挖施工结束之后，在进行二次衬砌时，在混凝土没有达到设计强度之前，也会出现一定的沉降这些在施工中都需要进行针对性控制。另外，在开挖初期阶段，在接近和进人监测断面的时候，地表都会出现一定程度的沉降，而当开挖施工越过监测断面之后，沉降就会逐渐减轻，等到越过断面约 100 m 时，地表沉降基本上就已经固定，不会再继续沉降。 3 隧道受力监测结果 3.1 钢支撑内力计算方法 在对内力进行计算的过程中，首先采用 ZX—210T 表面型钢筋应变计测试钢支撑上下翼缘的应变，然后再利用虎克定律对测点处的应力进行计算，最后根据截面应力分布换算出钢支撑的实际内力。 3.2 结果分析 钢支撑应力值随时间的变化示意图，通过该图能够看出，应力值一共经历了从急剧增大到缓慢增大再到逐渐平稳的过程。第一阶段，为上台阶开挖阶段，该阶段受影响较大，所以应力值变化较快；第二阶段为下台阶开挖阶段，该阶段的应力值扩大速度便逐渐降低了下来；而到了第三阶段，也就是从仰拱施工做到二次衬砌结束，应力值的变化逐渐趋于平稳，并最终稳定。 在本工程中，钢支撑的轴力较大值为297.4kN，分布在隧道拱顶，而拱腰处两测点仅为23．5kN和21．8kN，着说明拱部承受的土压力比较大，在支护过程中应该加强对该部分的控制。另外，通过对钢支撑所承受的弯矩进行分析可发现，其呈对称分布，因此，在对支护进行设计的过程中，一定要确保其拥有足够强的刚度。 4 软弱围岩隧道变形控制技术研究 4.1 控制理念 软弱围岩变形控制理念，主要可归纳为减轻作用在支护结构上的荷载并允许支护结构产生较大变形的方法和为了控制围岩松弛而尽可能早地控制支护变形的方法，即所谓的柔性控制和刚性控制，两者的设计理念是完全不同的。 4.1.1 刚性控制理念 大范围围岩加固：在浅埋地层、地层自重或围岩压力小、地层松软条件下，为减少地面沉降变形或隧道变形，着力改善并加固地层。采用深孔大范围超前注浆或刚性较大的水平旋喷或大管棚超前支护、掌子面超前长锚管加固、提高围岩强度和刚度。 4.1.2 柔性控制理念 该理念是允许围岩变形，但控制围岩产生有害的变形。其结构形式分为多重支护法、可缩式支护法和分阶段综合控制法。它们的基木理念相同，都是容许围岩变形，释放地应力，减低支护压力，同时又能约束围岩松弛和过分变形，保持隧道稳定。但在技术手段上又有各自差异，经济、工期上具有较大差距。 多重支护方法：预留足够允许变形量，在超前锚管或锚杆支护下，开挖后先设置第一层支护，约束围岩的初期变形；而后在距掌子面后方适当位置设置第二层支护，使隧道稳定、从而控制围岩大变形。本方法的概念是允许一次支护发生屈服，设置二次支护后，地压和支护反力应得到平衡。
软弱围岩施工方法
软弱围岩施工方法 乌鞘岭隧道的软弱围岩以Ⅴ、Ⅵ级围岩为主，主要集中在四条断层破碎带位置和进洞位置处，断层物质主要由断层泥砾及碎裂岩组成，松散破碎，风化严重，地下水在局部地段较丰富；进口段350m为黏质黄土，后530m围岩为N2泥质砂岩，埋深浅，地下水较贫乏。就该隧整体地质情况来看，软弱围岩占全隧长度的40%，为堆积体，坡面孤石较多，并且存在偏压现象。为有效地保证正洞周边围岩和边坡稳定，防止施工中出现边仰坡坍塌和孤石下滑，确保施工万无一失，对进洞段进行特殊交底，请现场值班人员、各工班遵照执行。 一边仰坡开挖及防护 1边仰坡开挖前应组织人员将坡面危石及杂草清除干净，并在开挖轮廓以外用轨排防护，避免危石溜坍； 2做好边仰坡外侧的截排水工作，防止雨水或泥石流冲刷坡面； 3正洞开挖轮廓线以外必须进行坡面防护，坡面防护参数：C20喷射砼厚度，10cm；22mm锚杆长度 3.0m，间距 1.0x1.0m；8mm钢筋网格尺寸20x20cm，根据坡面情况，可先用细钢丝网防护后再铺设钢筋网； 二超前支护 1正洞进洞位置或当探明前方围岩破碎时，应及时采取超前支护； 2超前支护方法采用超前小导管内插钢筋方案，超前小导管采用外径42MM，壁厚3.5MM无缝钢管，长3M，全部为花管，为便于打入，前段做成尖锥型，管壁每隔15CM交错梅花形钻眼，眼径8MM；超前小导管间距为：
纵向2.0M，搭接长度不小于1.0M，环向0.3M，进洞位置内外两环，环间距0.3M，梅花形布置，钢管外插角约50，（见图一）为加强小导管刚度，在小导管内插22mm螺纹钢。（见图二） 原地面 超前小导管 ° 仰坡（喷砼护面） 正洞 图一超前小导管布置图 单位：cm，比例：示意 Φ22钢筋 Φ42小导管 图二小导管钢管与钢筋关系图 3注浆浆液采用水泥—水玻璃浆液，水泥浆与水玻璃浆液比例为1：0.5，水泥浆水灰比为1：1，水玻璃浓度35Be0，注浆压力0.5~1.0MPa； 4注浆过程中随时观察，发现串浆现象时，应采取间歇式注浆或调整水泥浆与水玻璃浆液比例，确保注浆效果； 5注浆后观察注浆效果，如发现漏注或有空洞，应及时补注或用砼补喷，保证结构总体均匀。 三洞身开挖
软弱围岩隧道变形特性分析
软弱围岩隧道变形特性分析 发表时间：2018-12-20T10:33:31.127Z 来源：《防护工程》2018年第26期作者：杨璐[导读] 根据软弱围岩现场监测情况，对软弱围岩隧道变形特性进行了分析。 江西省高速公路投资集团有限责任公司江西宜春 336000 摘要：根据软弱围岩现场监测情况，对软弱围岩隧道变形特性进行了分析。利用三维有限差分，对深埋隧道围岩变化的时空效应变化情况进行了计算研究。软弱围岩隧道变化特性主要变现为：隧道软弱围岩变形除具有一般的隧道围岩变形相同特性外，还有初期变形速率大、变形持续时间长，围岩破坏范围更大，隧道时空效应变形较大；地表沉降变化距开挖面距离成曲线变化等特性，对指导施工具有很好 的借鉴意义。 关键词：隧道变形；软弱围岩；变形特性；有限差分 一、引言 在我国随着土木工程的飞速发展，预计自21世纪至中期将是我国大规模建设地下工程的年代。在大量的工程实践过程中，软弱围岩大变形是我们经常遇见的问题，造成了隧道界面侵限、初期支护破裂、坍塌等大变形灾害。在软弱围岩隧道施工过程中大变形问题尤为突出。引起隧道大变形主要有两方面原因：其一，具有遇水发生膨胀效应的矿物成分，矿物质发生膨胀效应导致隧道的周边产生大变形；其二，受高地应力作用软弱围岩将会发生挤压性变形效应，由于岩石的强度较低在复杂应力作用下，在开挖隧道后，周边将会发生大范围的塑性破坏，塑性区内的岩体发生挤压、剪切作用，导致围岩中的质点向开挖区域移动而产生大变形。 在软弱围岩中开挖隧道，隧道洞周边围岩的变形具有一定的时间效应，在初期支护和二次衬砌结构施作完成后，围岩的变形也不能立即稳定，其变形将会随时间的推移而发展，最终缓缓趋于稳定。同时，随着隧道开挖使围岩应力得到初步释放，致使隧道围岩的变形同时具有空间效应。关宝树[1]、何满潮[2]、房倩[3]、刘建友[4]、孙峰[5]、徐卫亚[6]、孙元春[7]、张祉道[8]等学者针对软弱围岩地下工程的力学特性利用理论解析、数值模拟、现场监测等方法进行了研究。由于隧道工程特点和地质环境的复杂性，这些研究成果在工程建设中一直没有得到很好地应用。 二、隧道围岩的变形特性 隧道开挖造成的围岩变形受多重因素的影响，它是一种缓慢演变的过程。隧道围岩变形相关因素包含有岩石特性、地下水状态、隧道断面尺寸形状、开挖工法、支护措施和支护施作时机等。其中地质因素和工程活动因素具有不确定性，所以在工程建设中很难对隧道围岩变形进行精确计算；然而从统计意义上而言，隧道围岩变形在时空分布上，仍然具有一定的规律性和可预测性。 根据隧道围岩变形的发生机制，围岩变形可分为两种：结构变形和材料变形。其中，结构变形可以根据岩层地质特征和力学特征分为结构面的张开或闭合变形；材料变形则可以根据力学性质分为黏性变形、弹性变形和塑性变形[9-10]。根据隧道围岩变形的时空效应，围岩变形又可分为掌子面超前、掌子面挤出和掌子面后方变形三种形态。 隧道开挖使围岩原有的平衡状态发生变化，由此将会引起隧道掌子面周围的围岩变形。根据隧道纵向变化的特点把隧道变形分成三个阶段[11]：（1）掌子面前方的超前变形阶段，(2)掌子面后方变形急剧增大段阶段，(3)变形稳定阶。在一般围岩状况下，掌子面处的超前变形量占总变形量的25%左右[12]；围岩状况越差掌子面前方超前变形量越大，但是超前变形量所占总变形量的比值越小。虽然隧道工程中的常规变形监测不能够完全反映隧道围岩的总变形量，但是可以通过监测到的变形量和变形速率对隧道围岩的稳定状况进行评判，进一步选择合理的时机施作初期支护和二次衬砌。 现场监测结果与分析 图1我国某隧道拱顶沉降的监测结果 我国学者对某隧道掌子面拱顶上方沉降进行监测，其沿隧道纵向水平设置长约50m监测管的方法，以此得到隧道拱顶沉降的空间分布特征[13]，如图１所示。我国学者采用现场监测方法，得到某隧道三台阶开挖法施工引起的地表沉降时程曲线变化[14]，如图２所示。由图１和图２分析可得：隧道开挖掌子面至监测断面前，拱顶和地表都具有一定的变形，其变形量占最终变形量的20%左右，其掌子面处的监测断面变形速率最大，掌子面后方围岩的变形将缓慢趋于稳定。
黄土隧道围岩变形规律
科技信息 ＳＣＩＥＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹＩＮＦＯＲＭＡＴＩＯＮ 2013年第5期0引言 近些年来，甘肃省经济发展迅速，但是发展经济的前提，交通必需先发展。随着高含水率黄土隧道修筑的增加，施工中出现了一些问题，许多学者作了大量的研究。采用隧道理论计算与现场监控量测相结合的方法，为隧道安全施工提供了重要保证，进一步优化了初期支护和二次衬砌的参数，提高了施工速度和质量。本文以石羊岭隧道为工程依托，通过MIDAS/GTS 数值计算和现场监控量测，对隧道留核心土施工法施工过程进行数值计算，并与现场监控量测数据对比，得出留核心土施工法施工对石羊岭隧道开挖比较合理[1-3]，为高含水率黄土隧道施工积累经验，研究具有一定的参考价值。 1工程概况 石羊岭隧道位于定西市安定区。隧道全长1288m ，隧道起点端里程桩号K6+232，隧道终点端里程桩号K7+520，洞体最大埋深约123.7m ，位于K6+824.3m 处；进出口均位于黄土冲沟，距乡村公路较近，交通便利。 隧道位于临县境内黄土梁峁区，隧址区（Q 3eol ）黄土大面积覆盖，微地貌为黄土残梁、黄土陡坎，隧址区走向近东北向，山梁顶部较平缓，山梁两侧为冲沟，山坡为中陡坡。 石羊岭梁隧道进口段围岩由第四系上更新统（Q 3al+pl ）粉质粘土组成，其状态为坚硬-硬塑，松软结构，地下水出水状态为滴渗水，围岩级别Ⅴ级。岩体较破碎，含水率高，稳定性差，开挖后易坍塌，侧壁不稳定，需加超前小导管，本文用于数值计算的目标断面为K6+450，隧道埋深70m 。 计算所采用的断面初期支护采用型钢混凝土联合支护，C25喷射混凝土、I20a 型钢、钢筋网联合支护，对于Ⅴ级围岩需在顶部做超前小导管，采用准42超前小导管，长3m ，混凝土喷层厚度为0.3m 。 2隧道施工过程数值模拟 2．1模型建立2．1．1约束的确定 依据圣维南原理、有限元计算误差和工程的要求，选取的计算范围为3～5倍洞径，但当超过5倍洞径，位移一般控制在5%以内，误差较小。 2．1．2钢拱架力学模拟 运用等效的方法考虑时，采取抗压刚度相等的原则，并用钢架的弹性模量折算给喷射混凝土，简化初期支护，计算为： E=E 0+ S g ×E g S c 上式中，E 为折算后混凝土弹性模量；E 0为原混凝土弹性模量；S g 为钢拱架截面积，E g 为钢材弹性模量；S c 为混凝土截面积。 因此模型尺寸长×宽=100m ×84m 。模型地面为无约束自由面，四周采用横向变形约束条件，底部采用竖向约束条件。计算中土体采用摩尔—库仑准则，初期支护采用C25混凝土材料，厚度0.3m 。初始应力场仅考虑土体自重应力场，忽略地层的地层构造应力。整个模型共个363节点，共1263单元。地层采用平面单元，初期支护采用梁单元[4-5]，计算模型见图1。2．2参数选取 根据工程地质勘察报告，数值计算采用的参数见表1。 表1 模型计算材料参数 Table 1Physical and mechanical parameters of model materials 2.3 现场开挖过程模拟 依据现场施工方案，留核心土法施工模拟，先开挖上半部分，再开挖核心土，最后开挖下半部分，在开挖时荷载释放系数为0.6，初期支护阶段荷载释放系数为0.4。2.4数值模拟结果分析 2.4.1隧道围岩竖向位移分析 （a ）开挖上台阶竖向位移云图 （b ）开挖核心土及下台阶竖向位移云图 图2围岩竖向位移云图 Fig.2Vertical displacement contours of the surrounding rock, 黄土隧道围岩变形规律分析 辛纯涛吴勇 （甘肃省交通科学研究院有限公司，甘肃兰州730050） 【摘要】结合石羊岭隧道工程，对高含水率黄土隧道开挖支护后围岩变形进行了研究。利用Midas/GTS 有限元分析软件，建立了有限元计算模型，分析了石羊岭黄土隧道开挖支护后的位移场，并与现场监控量测数据进行了分析对比，得到了黄土隧道的围岩变形规律，给出了合理的支护方案。结果表明：留核心土施工法适用于此隧道，并从开挖过程得到隧道位移分布及影响范围；从现场监控量测数据可以得出，变形经历三个过程，最终处于稳定状态。数值计算结果与现场监测数据基本一致，并得到初期支护与二次衬砌间隔的时间为25天。 【关键词】黄土隧道；MIDAS/GTS 数值计算；现场监测；围岩变形 作者简介：辛纯涛（1986—），男，助理工程师，主要从事隧道检测及岩土数值计算。 图1隧道计算模型 Fig.1Computation model of the tunne 名称密度 (KN/m 3)弹性模量 (MPa)粘聚力 (KPa)内摩擦角 (°)泊松比 层厚 (m)黄土18.50534.420.050.3100喷射混凝土24.0015000--0.20.3小导管 78.50 20000 - - 0.3 4.5 ○科教前沿○78
机器人动力学汇总
机器人动力学研究的典型方法和应用 （燕山大学 机械工程学院） 摘 要：本文介绍了动力学分析的基础知识，总结了机器人动力学分析过程中比较常用的动力学分析的方法：牛顿—欧拉法、拉格朗日法、凯恩法、虚功原理法、微分几何原理法、旋量对偶数法、高斯方法等，并且介绍了各个方法的特点。并通过对PTl300型码垛机器人弹簧平衡机构动力学方法研究，详细分析了各个研究方法的优越性和方法的选择。 前 言：机器人动力学的目的是多方面的。机器人动力学主要是研究机器人机构的动力学。机器人机构包括机械结构和驱动装置，它是机器人的本体，也是机器人实现各种功能运动和操作任务的执行机构，同时也是机器人系统中被控制的对象。目前用计算机辅助方法建立和求解机器人机构的动力学模型是研究机器人动力学的主要方法。动力学研究的主要途径是建立和求解机器人的动力学模型。所谓动力学模指的是一组动力学方程（运动微分方程），把这样的模型作为研究力学和模拟运动的有效工具。 报告正文： （1）机器人动力学研究的方法 1）牛顿—欧拉法 应用牛顿—欧拉法来建立机器人机构的动力学方程，是指对质心的运动和转动分别用牛顿方程和欧拉方程。把机器人每个连杆（或称构件）看做一个刚体。如果已知连杆的表征质量分布和质心位置的惯量张量，那么，为了使连杆运动，必须使其加速或减速，这时所需的力和力矩是期望加速度和连杆质量及其分布的函数。牛顿—欧拉方程就表明力、力矩、惯性和加速度之间的相互关系。 若刚体的质量为m ，为使质心得到加速度a 所必须的作用在质心的力为F ，则按牛顿方程有：ma F = 为使刚体得到角速度ω、角加速度εω= 的转动，必须在刚体上作用一力矩M ， 则按欧拉方程有：εωI I M += 式中，F 、a 、M 、ω、ε都是三维矢量；I 为刚体相对于原点通过质心并与刚
隧道软弱围岩大变形的施工控制技术
隧道软弱围岩大变形的施工控制技术 摘要：通过对正在施工的兰渝铁路木寨岭隧道遇到的围岩大变形问题的分析研究，对围岩大变形进行定义的基础上，进行了施工工艺和改善和支护参数的优化，为我国今后长大深在对埋隧道工程大变形地质灾害的预测和防治具有重要意义。 关键词：软弱围岩大变形支护参数工序化注浆 0、引言 交通隧道、水工隧道及其它地下工程穿越高地应力区以及遇到软弱围岩体，常导致软岩大变形等相关地质灾害。根据大量文献检索结果显示，隧道工程围岩大变形已困扰地下工程界的一个重大问题。 随着我国隧道工程以及地下工程的迅猛发展，其长大、深埋的特点日趋明显，而在一定的围岩地质和环境地质条件下等则往往易于发生围岩大变形等地质灾害。围岩大变形是一类危害程度大、整治费用高的地质灾害。目前正在施工的兰渝铁路木寨岭隧道也因围岩大变形不得不加强初期支护，增加工程的投入。 1、隧道软弱围岩大变形的概述 1.1软弱围岩大变形的定义 关于围岩大变形，目前还没有形成一致的和明确的定义。有的学者提出根据围岩变形是否超出初期支护的预留变形量来定义大变形，即在隧道施工时，如果初期支护发生了大于25cm(单线隧道)和 50cm(双线隧道)的位移，则认为发生了大变形。然而也有的学者认为，不能从变形量的绝对值大小来定义大变形问题，具有显著的变形值是大变形问题的外在表现，其本质是由剪应力产生的岩体的剪切变形发生错动、断裂分离破坏，岩体将向地下空洞方向产生压挤推变形来定义大变形。 1.2预防和控制软弱围岩大变形的施工措施 要预防和控制隧道施工中软弱围岩的大变形，首先做好超前地质预报，选择相应的安全合理的施工方法和措施。在施工中始终遵循“先治水，管超前，短进尺，弱爆破，强支护，早封闭，勤量测”的21字方针。严格执行施工规范，强化施工工序标准化，依据超前地质预报，指导现场施工，严格支护措施。 2、隧道软弱围岩大变形的施工控制技术 本文以兰渝铁路木寨岭隧道为例，对隧道软弱围岩变形的形成及控制施工变形技术进行一些探讨。 2.1工程概况 木寨岭隧道位于甘肃省岷县进内，进出口高程为2549.88m和2390.94m木寨岭隧道为单线双洞隧道，全长19110米。木寨岭隧道地质条件极为复杂，洞身穿越木寨岭高山区，特殊不良地质有湿陷性黄土、滑坡、泥石流、岩堆、炭质板岩及断层。基岩节理、裂隙发育，有11条断层破碎带、3个背斜及2个向斜构造，属高地应力区。为极高风险隧道，是本标段控制性重点工程。 气候属于高原性大陆气候，年平均日照时数2214.9小时，年平均气候4.9℃--7.0℃，年平均相对湿度68%，年平均无霜90-120天，年平均降水量596.5毫米，最热7月份平均气温16℃，最冷1月份平均气温-6.9℃。 2.2隧道软弱围岩大变形的施工控制技术 木寨岭隧道变形控制以支护结构的调整为主，在变形较为典型的7#斜井和正洞开展以拱架调整为主的分阶段支护参数现场试验以及应力释放等试验，并将优化后的支护参数应用于其它斜井施工中。同时，斜井变形段支护参数的优化结果也为正洞支护参数的选择提供了