[发明专利]隧道岩体参数预测方法及装置

说明书

本申请公开了一种隧道岩体参数预测方法及装置，本申请方法包括获取与未掘进岩体相邻的已掘进岩体被掘进过程中的掘进参数、渣土特征参数、掘进机刀盘处与撑靴处的振动信息，掘进参数包括刀盘转速、刀盘扭矩、贯入度、切深指数，渣土特征参数包括不均匀系数、曲率系数、最大粒径、粗糙度指数，振动信息包括振动加速度有效值、振动平均幅值、振动峰值、振动平均极值；将掘进参数、渣土特征参数、振动信息输入基于随机森林分类与BP神经网络回归相融合的岩体参数预测模型，输出未掘进岩体的岩体参数预测结果。本申请解决如何更准确地对围岩参数进行预测。

技术领域

本申请涉及土木工程技术领域，具体而言，涉及一种隧道岩体参数预测方法及装置。

背景技术

全断面隧道掘进机(Tunnel Boring Machine，TBM)是机械化施工中常用的智能化设备。在TBM掘进前会根据掌子面围岩的情况采用最为合理的TBM掘进策略，实现安全高效的TBM掘进。然而，TBM刀盘与护盾几乎隔绝了掌子面以及周围洞壁近2m内的所有岩体信息，虽可通过人工换刀仓滚刀支座空隙直接观测到部分掌子面围岩，但掘进过程中换刀仓常有飞溅渣片且渣灰严重降低了换刀仓内部可见度。目前掘进策略的选择，通常是由施工人员根据经验进行围岩参数的粗略判断，进而选择掘进策略的。发明人发现这种经验选择会经常引起较为棘手的TBM故障，造成工期的延误及错过最佳的隧道建设时间等，严重影响施工的效率。因此如何准确的对围岩参数进行预测是亟需解决的问题。

发明内容

本申请的主要目的在于提供一种隧道岩体参数预测方法及装置，解决如何更准确地对围岩参数进行预测。

为了实现上述目的，根据本申请的第一方面，提供了一种隧道岩体参数预测方法。

根据本申请的隧道岩体参数预测方法包括：获取与未掘进岩体相邻的已掘进岩体被掘进过程中的掘进参数、渣土特征参数、掘进机刀盘处与撑靴处的振动信息，所述掘进参数包括刀盘转速、刀盘扭矩、贯入度、切深指数，所述渣土特征参数包括不均匀系数、曲率系数、最大粒径、粗糙度指数，所述振动信息包括振动加速度有效值、振动平均幅值、振动峰值、振动平均极值；将所述掘进参数、所述渣土特征参数、所述振动信息输入基于随机森林分类与BP神经网络回归相融合的岩体参数预测模型，输出未掘进岩体的岩体参数预测结果，所述岩体参数预测模型是基于随机森林算法的岩体完整度分类预测模型和基于BP神经网络的岩体感知模型融合得到的，其中，所述岩体完整度分类预测模型是根据掘进参数、渣土特征参数、振动信息预测岩体完整程度的模型，所述岩体感知模型是根据掘进参数、渣土特征参数、振动信息、岩体完整程度预测岩体参数的模型。

可选的，所述获取与未掘进岩体相邻的已掘进岩体被掘进过程中的掘进参数、渣土特征参数、掘进机刀盘处与撑靴处的振动信息包括：基于掘进机的掘进参数实时监测设备获取所述掘进参数；对已掘进岩体掘进过程中产生的渣土对应的渣土图像进行图像识别确定所述渣土特征参数；基于掘进机的振动监测设备获取所述振动信息。

可选的，所述对已掘进岩体过程中产生的渣土对应的渣土图像进行图像识别确定所述渣土特征参数包括：获取多个所述渣土图像；对每个所述渣土图像依次进行二值化分割处理、分水岭算法分割处理得到多个校准的渣土图像；将每个校准的渣土图像中的渣土进行三维形态等效；根据三维形态等效后的渣土计算每个所述渣土图像中渣土的体积和质量；根据渣土的体积和质量分别绘制每个所述渣土图像对应的粒径级配曲线；根据粒径级配曲线分别计算每个所述渣土图像对应的不均匀系数、曲率系数、最大粒径、粗糙度指数；将多个渣土图像的不均匀系数、曲率系数、最大粒径、粗糙度指数的平均值确定为所述渣土特征参数。

可选的，所述将每个校准的渣土图像中的渣土进行三维形态等效包括：将所述每个校准的渣土图像中的渣土等效为一个椭球，每个渣土对应一个等效椭圆，其中，渣土的长对应于等效椭球的主轴，渣土的横截面等效直径对应于等效椭球的次轴。

可选的，所述根据三维形态等效后的渣土计算每个所述渣土图像中渣土的体积和质量包括：根据渣土对应的等效椭球的主轴和次轴计算每个渣土图像中渣土的体积和质量。