上軟下硬地層盾構(gòu)掘進姿態(tài)施工參數(shù)模糊控制研究

張愛軍

?

上軟下硬地層盾構(gòu)掘進姿態(tài)施工參數(shù)模糊控制研究

張愛軍

(中鐵十二局集團有限公司，山西 太原 030032)

盾構(gòu)施工法在城市地鐵施工中已經(jīng)成為主要方法，盾構(gòu)在掘進中的姿態(tài)控制是確保隧道施工質(zhì)量的關(guān)鍵技術(shù)之一。上軟下硬地層是一種開挖地鐵隧道時遇到的復(fù)合特殊地層，上部土層或軟巖具有不穩(wěn)定性，而下部巖層又具有很高的強度，盾構(gòu)施工時，盾構(gòu)機有向軟弱地層方向偏移的慣性，因此與均一地層相比，盾構(gòu)在上軟下硬地層掘進時姿態(tài)控制更需要關(guān)注。由于地質(zhì)條件復(fù)雜，影響盾構(gòu)掘進姿態(tài)的因素較多，盾構(gòu)掘進姿態(tài)控制難度較大。依托某實際工程，運用BP神經(jīng)網(wǎng)絡(luò)模型對掘進速度、刀盤轉(zhuǎn)速、刀盤扭矩、油缸總推力、上下油缸推力差以及土與巖在掘進面占比等施工參數(shù)對盾構(gòu)隧道軸線偏移量的影響進行比較詳細的研究，得出盾構(gòu)施工參數(shù)對姿態(tài)控制的影響及其規(guī)律。

上軟下硬地層；盾機構(gòu)；姿態(tài)控制；模糊控制

進入21世紀，我國城市化進程快速推進，隨著城市的快速發(fā)展，城市的交通擁堵已經(jīng)成為制約經(jīng)濟發(fā)展和社會進步的重要問題之一。地鐵由于其龐大的運能和快速性能，已成為我國大中城市緩解地面交通壓力不可或缺的關(guān)鍵。為了保證地鐵隧道的安全開挖，盾構(gòu)法作為一種比較安全的施工方法已經(jīng)成為城市地鐵施工的主要施工方法之一。盾構(gòu)施工過程中會經(jīng)常遇到一些特殊的地質(zhì)狀況，如上軟下硬的復(fù)合地層。在上軟下硬地層中，上部的土層或軟巖層具有不穩(wěn)定性，而下部硬巖層又具有很高的強度，因此盾構(gòu)在上軟下硬地層地質(zhì)掘進時姿態(tài)難以控制。盾構(gòu)主機有著向地層較軟一側(cè)偏移的慣性，特別是當(dāng)盾構(gòu)機需要向硬巖一側(cè)調(diào)線時，姿態(tài)將更難控制，甚至造成盾構(gòu)機的“卡殼”。在上軟下硬地層中進行掘進，盾構(gòu)姿態(tài)控制相對均一地層比較困難，但盾構(gòu)的姿態(tài)控制是確保隧道施工質(zhì)量的關(guān)鍵技術(shù)之一，而盾構(gòu)機掘進參數(shù)的合理選擇是盾構(gòu)機正常順利掘進、盾構(gòu)機系統(tǒng)穩(wěn)定、盾構(gòu)機有效率掘進的保證，是盾構(gòu)姿態(tài)控制的主要因素。陸苗祥[1]應(yīng)用正交試驗設(shè)計技術(shù)，討論了富水地層盾構(gòu)施工參數(shù)與施工方案，YANG等[2?5]進行盾構(gòu)掘進參數(shù)組合試驗，采用多元統(tǒng)計分析方法，對土倉壓力、推力、刀盤轉(zhuǎn)速等主要掘進參數(shù)對掘進速度、刀盤扭矩的影響進行了研究，得到了土壓平衡式盾構(gòu)在軟土中的掘進速度數(shù)學(xué)模型和刀盤扭矩數(shù)學(xué)模型，并指出對掘進速度和刀盤扭矩影響最大的3個操作參數(shù)依次為：千斤頂推力、土艙壓力和刀盤轉(zhuǎn)速。李潮等[4]在充分理解和分析刀盤與土體相互作用的基礎(chǔ)上，基于盾構(gòu)現(xiàn)場大量實測數(shù)據(jù)，逐一、系統(tǒng)地找出刀盤扭矩的影響因素，推導(dǎo)出土壓平衡盾構(gòu)刀盤扭矩的數(shù)學(xué)模型，并在實際工程中對其進行校正，并通過將影響刀盤扭矩的因素進行量化分析，導(dǎo)出了適應(yīng)各種地質(zhì)條件下的扭矩計算公式。ZHANG等[5]結(jié)合北京地鐵盾構(gòu)施工的經(jīng)驗，介紹了盾構(gòu)法施工時的盾構(gòu)機姿態(tài)偏差問題及相應(yīng)處理辦法。李有兵[6]基于盾構(gòu)機掘進的歷史數(shù)據(jù)，分析了盾構(gòu)掘進時影響盾構(gòu)姿態(tài)的主要因素。ZHU等[11?15]結(jié)合工程實際，對盾構(gòu)掘進的偏差實測數(shù)據(jù)進行具體分析，得出了盾構(gòu)掘進方向發(fā)生偏差的原因和規(guī)律。分析了盾構(gòu)施工在不同地質(zhì)條件下的姿態(tài)控制技術(shù)，提出了一些盾構(gòu)機的糾偏方法，給出幾個實例詳細闡述盾構(gòu)的姿態(tài)調(diào)整。任福松等[7]對盾構(gòu)機姿態(tài)的測量進行介紹，深入闡述盾構(gòu)機坐標系的建立及其與測量坐標系的轉(zhuǎn)換。王升陽等[8]介紹了盾構(gòu)姿態(tài)控制的技術(shù)要求，建立了數(shù)學(xué)模型分析盾構(gòu)姿態(tài)與管片姿態(tài)的相互關(guān)系。彭勇濤[9]結(jié)合工程實踐，分析了隧道設(shè)計軸線，盾構(gòu)機軸線，管片中軸線三者的關(guān)系。

1 工程概況

青島地鐵2號線是連接青島與黃島的一條骨干線路，同時將青島老城區(qū)、行政中心、商業(yè)中心、東部文化中心和北部生活中心等一系列大的客流集散點連接在一起。線路總長約55.3 km，全線共設(shè)40座車站。青島地質(zhì)條件比較復(fù)雜，2號線所穿越的地層既有硬巖也有軟巖、斷層破碎帶，地質(zhì)復(fù)雜多變，區(qū)間穿越不同地層，基巖軟硬變化大，上覆土層直接與堅硬的巖石相連，造成上軟下硬這樣特殊的地層條件。

青島地鐵2號線在南京路站~燕兒島路站站區(qū)間采用盾構(gòu)法施工，區(qū)間線路長度約849 m，隧道頂埋深約10~12 m。局部發(fā)育有糜棱巖、碎裂巖等構(gòu)造巖，部分地段穿插有各種巖脈，構(gòu)造裂隙水發(fā)育，隧道圍巖自穩(wěn)性較差，形成相對不均勻的巖石地基。通過鉆探揭示，場區(qū)第四系厚度8~15 m。第四系由全新統(tǒng)人工素填土(Q4ml厚約1~5 m)和雜填土(厚約3.3 m左右)組成，全新統(tǒng)洪沖積層(Q4al+pl)的粉質(zhì)黏土層厚約0.9~2.8 m、細砂層厚約1.7~7.6 m，分布較廣泛，上更新統(tǒng)洪沖積層(Q3al+pl)的碎石層厚約0.76~6.1 m，分布廣泛。

場區(qū)內(nèi)基巖以粗?；◢弾r為主，煌斑巖、花崗斑巖呈脈狀穿插其間。由于長期受內(nèi)外地質(zhì)營力作用，場區(qū)內(nèi)巖體物理力學(xué)性質(zhì)在空間上發(fā)生了不同程度的變化，自上而下形成了性狀各異的風(fēng)化帶。不同巖性由于其礦物成份、結(jié)構(gòu)構(gòu)造不同，受內(nèi)外動力作用改造的程度不同，導(dǎo)致其風(fēng)化程度及風(fēng)化帶特征也有較大差異。由上至下，分布著強風(fēng)化帶(厚約1.7~29.6 m，巖石等級大部為V級)、中風(fēng)化帶(厚0.5~8.0 m，大部巖石等級為Ⅳ級)、微風(fēng)化帶(2.3~10.1 m，屬于較完整的較硬巖~堅硬巖，巖石等級為Ⅲ~Ⅱ級)，具體見圖1。

圖1 南京路站地質(zhì)縱斷面圖

沿線地下水主要有3種類型：松散土層上層滯水、松散土層孔隙潛水、基巖裂隙水，地下水水位變幅約1~3 m。地下水流向自北向南，排泄方式主要有蒸發(fā)、徑流、向深層承壓水滲透和人工開采。地下水對混凝土結(jié)構(gòu)具微腐蝕性，對鋼筋混凝土結(jié)構(gòu)中的鋼筋在干濕交替下具有弱腐蝕性，在長期浸水下具有微腐蝕性。

2 掘進參數(shù)的BP神經(jīng)網(wǎng)絡(luò)模擬分析

2.1 神經(jīng)網(wǎng)絡(luò)的介紹

神經(jīng)網(wǎng)絡(luò)(neural network)是在對人腦認識的基礎(chǔ)上，以數(shù)學(xué)和物理方法及從信息處理的角度對人腦生物神經(jīng)網(wǎng)絡(luò)(biological neural network，BNN)進行抽象并建立起來的某種簡化模型。神經(jīng)網(wǎng)絡(luò)的基本特征可歸結(jié)為結(jié)構(gòu)特征和能力特征[10]。1) 結(jié)構(gòu)特征——并行處理、分布式存儲與容錯性。人工神經(jīng)網(wǎng)絡(luò)是由大量的簡單處理單元相互連接構(gòu)成的高度并行的非線性系統(tǒng)，具有大規(guī)模并行性處理特征。2) 能力特征——自學(xué)習(xí)、自組織與自適應(yīng)性。自適應(yīng)性是指一個系統(tǒng)能夠改變自身的性能以適應(yīng)環(huán)境變化的能力，它是神經(jīng)網(wǎng)絡(luò)的一個重要 特征。

2.2 神經(jīng)網(wǎng)絡(luò)的基本模型

圖2 神經(jīng)元模型

2.3 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和學(xué)習(xí)

人類之所以能夠適應(yīng)周圍環(huán)境是因為人類神經(jīng)系統(tǒng)具有從周圍環(huán)境獲取知識進行學(xué)習(xí)的能力。對于人工神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)能力也是其最重要的特點。任何一個神經(jīng)網(wǎng)絡(luò)模型要實現(xiàn)某種功能的操作，就必須先對它進行訓(xùn)練，即讓它學(xué)會它要做的事情，并把這些知識記憶(存儲)在網(wǎng)絡(luò)的權(quán)值中。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)有2種形式：有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)2類。有監(jiān)督學(xué)習(xí)是指有指導(dǎo)的訓(xùn)練算法，不但需要訓(xùn)練用的輸入向量，還要求與之對應(yīng)輸出的目標向量。無監(jiān)督學(xué)習(xí)是無指定的訓(xùn)練部要求的目標向量，僅僅根據(jù)網(wǎng)絡(luò)的輸入調(diào)整網(wǎng)絡(luò)的權(quán)值和偏置值，網(wǎng)絡(luò)通過自身的“經(jīng)歷”來學(xué)習(xí)某種功能。不管是有指導(dǎo)的學(xué)習(xí)還是無指導(dǎo)的學(xué)習(xí)，都要通過調(diào)整神經(jīng)元的自由參數(shù)(權(quán)值或閥值)實現(xiàn)。

2.4 BP神經(jīng)網(wǎng)絡(luò)

BP(back propagation)神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)(見圖3)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP神經(jīng)網(wǎng)絡(luò)由輸入層、中間層、輸出層組成。中間層也就是隱層，可以是一層或多層。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程由兩部分組成：正向傳播和反向傳播。當(dāng)正向傳播時，信息從輸入層經(jīng)隱層處理后傳向輸出層，每一層神經(jīng)元的狀態(tài)值影響下一層的神經(jīng)元狀態(tài)。如果在輸出層得不到希望的輸出，則轉(zhuǎn)入反向傳播，將誤差信號沿原來的神經(jīng)元連接通路返回。返回過程中，逐一修改各層神經(jīng)元連接的權(quán)值。這種過程不斷迭代，最后使得誤差信號達到允許的范圍之內(nèi)。由上述可以看到，在多層前饋網(wǎng)絡(luò)中有2種信號在流通：1) 工作信號，它是施加輸入信號后向前傳播直到在輸出端產(chǎn)生實際輸出的信號，是輸入和權(quán)值的函數(shù)。2) 誤差信號，網(wǎng)絡(luò)實際輸出與應(yīng)有輸出間的差值即為誤差，它由輸出端開始逐層向后傳播。

2.5 模型的建立

圖3 BP神經(jīng)網(wǎng)絡(luò)模型

圖4 掘進面中心點到巖土分界面的距離

BP神經(jīng)網(wǎng)絡(luò)模擬盾構(gòu)軸線移動量對掘進速度、刀盤轉(zhuǎn)速、刀盤扭矩、油缸總推力、上下油缸推力差、土與巖在掘進面占比的函數(shù)。在MATLAB中掘進速度、刀盤轉(zhuǎn)速、刀盤扭矩、上下油缸推力差、土與巖在掘進面占比為6個輸入，盾構(gòu)軸線偏移量為1個輸出。這里按上段的選取原則選取實際工程60組數(shù)據(jù)作為訓(xùn)練樣本，并采用十組數(shù)據(jù)作為檢測樣本，把10組樣本的掘進速度、刀盤轉(zhuǎn)速、刀盤扭矩、上下油缸推力差、土與巖在掘進面占比，利用神經(jīng)網(wǎng)絡(luò)得出輸出，再與工程實際的盾構(gòu)軸線移動量進行對比。

運行程序，得出圖5的50組樣本的模擬值(預(yù)測值)與實際監(jiān)測數(shù)據(jù)的對比圖，計算結(jié)果與實測值誤差的均方差為0.00727，相對是比較小的，相關(guān)系數(shù)為0.894，大于0.89，這說明模擬結(jié)果能夠滿足實際工程的需要。提取測試樣本的輸出值數(shù)據(jù)與樣本實際軸線偏差進行對比如表1所示。10對數(shù)據(jù)的差值只有第7、第8、第10組在1~3之間，其余都在1以內(nèi)。而工程實際中軸線移動量絕大多數(shù)是在?12到12之間擺動，故模擬較為精確。運用此模型，只要知道盾構(gòu)的掘進參數(shù)，以及盾構(gòu)周圍的地質(zhì)條件，便可估計盾構(gòu)軸線移動量。

2.6 各施工參數(shù)與盾構(gòu)隧道軸線偏移量關(guān)系的研究

盾構(gòu)姿態(tài)控制的直接影響是盾構(gòu)軸線偏移量，從現(xiàn)場實際數(shù)據(jù)可知盾構(gòu)軸線偏移量與掘進速度、刀盤轉(zhuǎn)速、刀盤扭矩、刀盤上下推力差、土與巖在掘進面占比的關(guān)系并不是很清晰。為了研究盾構(gòu)隧道軸線偏移與各個盾構(gòu)施工參數(shù)之間的關(guān)系，運用神經(jīng)網(wǎng)絡(luò)模型，采用控制變量法來研究各個施工參數(shù)對盾構(gòu)軸線偏移量的影響。

表1 盾構(gòu)偏移量的實測值與計算值

2.6.1 油缸上下推力差與盾構(gòu)軸線移動量的關(guān)系

應(yīng)用BP神經(jīng)網(wǎng)絡(luò)模型，對輸入自變量進行控制，只改變上下推力差這一變量，而其他參數(shù)不變，以此得出模型輸出(即為盾構(gòu)軸線偏移量)。掘進速度設(shè)置為1.9，刀盤轉(zhuǎn)速設(shè)置為1.1，刀盤扭矩設(shè)置為3.7，油缸總推力設(shè)置為14500，掘進面中心點到巖土分界面的距離設(shè)為0，上下油缸推力差按公差為200的等差數(shù)列從3200減少到400，進行15次輸入輸出。

圖5 樣本模擬值與實際值的對比圖

各推力差下的盾構(gòu)軸線偏移量計算如圖6所示。從圖中可以看出，盾構(gòu)軸線移動量隨著盾構(gòu)機上下油缸推力差的增大而向上偏移。

2.6.2 土與巖在掘進面的占比與盾構(gòu)軸線移動量的關(guān)系

將掘進速度設(shè)置為1.9，刀盤轉(zhuǎn)速為1.1，刀盤扭矩為3.7，油缸總推力為14 500，上下油缸推力差為1 800和盾構(gòu)埋深為11，考慮盾構(gòu)掘進面上土與巖所占比例對隧道軸線偏移的影響，各種掘進面中心點到巖土分界面的距離按公差為0.4的等差數(shù)列從3.14減少到?2.46，隧道軸線偏移量計算結(jié)果如圖7所示。從圖中可以看出隨著巖土占比增大，盾構(gòu)軸線移動量先減少后增大，在盾構(gòu)掘進面中心距土巖分界面為0左右的盾構(gòu)軸線移動量最小。

圖6 推力差與盾構(gòu)軸線偏移量關(guān)系

圖7 土巖占比與盾構(gòu)軸線偏移量關(guān)系

2.6.3 盾構(gòu)埋深與盾構(gòu)軸線偏移量的關(guān)系

將掘進速度設(shè)置為1.9，刀盤轉(zhuǎn)速為1.1，刀盤扭矩為3.7，油缸總推力為14 500，上下油缸推力差為2 200，掘進面中心點到巖土分界面的距離為0和盾構(gòu)埋深按公差為0.2的等差數(shù)列從13減少到10.2，進行15次計算。計算結(jié)果如圖8所示，從圖中可以看出盾構(gòu)軸線偏移量隨著埋深的增大而 增大。

圖8 盾構(gòu)埋深與盾構(gòu)軸線偏移量關(guān)系

圖9 掘進速度與盾構(gòu)軸線偏移量的關(guān)系

2.6.4 掘進速度與盾構(gòu)軸線移動量的關(guān)系

刀盤轉(zhuǎn)速設(shè)置為1.1，刀盤扭矩設(shè)置為3.7，油缸總推力設(shè)置為14 500，掘進面中心點到巖土分界面的距離設(shè)為0，上下油缸推力差設(shè)為2 200，盾構(gòu)埋深設(shè)為11，掘進速度按公差為0.1的等差數(shù)列從3減少到1.6，進行15次計算，結(jié)果如圖9所示。從圖9中可以看出盾構(gòu)軸線移動量隨著掘進速度增大的變具有隨機性，而且對盾構(gòu)軸線移動量的影響不超過1 mm，故可認為盾構(gòu)軸線移動量與掘進速度無關(guān)。

2.6.5 刀盤轉(zhuǎn)速與盾構(gòu)軸線移動量的關(guān)系

將掘進速度設(shè)為1.9，刀盤扭矩為3.7，油缸總推力為14 500，掘進面中心點到巖土分界面的距離設(shè)為0，上下油缸推力差為2 200，盾構(gòu)埋深為11，刀盤轉(zhuǎn)速按公差為0.02的等差數(shù)列從1.28減少到1，進行15次計算，計算結(jié)果如圖10所示。從圖10中可以看出盾構(gòu)軸線移動量隨著刀盤速度增大的改變具有隨機性，而且對盾構(gòu)軸線移動量的影響不超過2mm，故可認為盾構(gòu)軸線移動量與刀盤轉(zhuǎn)速無關(guān)。

圖10 刀盤轉(zhuǎn)速與盾構(gòu)軸線移動量的關(guān)系

2.6.6 刀盤扭矩與盾構(gòu)軸線移動量的關(guān)系

將掘進速度設(shè)為1.9，刀盤轉(zhuǎn)速為1.1，掘進面中心點到巖土分界面的距離為0，油缸總推力為14 500，上下油缸推力差為2200，盾構(gòu)埋深為11，刀盤扭矩按公差為0.04的等差數(shù)列從3.9減少到3.34，進行15次計算。計算結(jié)果如圖11所示。從圖11中可以看出盾構(gòu)軸線移動量隨著刀盤扭矩增大的改變具有隨機性，而且對盾構(gòu)軸線移動量的影響不超過2mm，故可認為盾構(gòu)軸線移動量與刀盤轉(zhuǎn)速無關(guān)。

2.6.7 總推力與盾構(gòu)軸線移動量的關(guān)系

將掘進速度設(shè)為1.9，刀盤轉(zhuǎn)速為1.1，刀盤扭矩為3.7，掘進面中心點到巖土分界面的距離為0，上下油缸推力差為2200，盾構(gòu)埋深為11，油缸總推力按公差為300的等差數(shù)列從17000減少到12 800，進行15次計算，計算結(jié)果如圖12所示。從圖12中可以看出盾構(gòu)軸線移動量隨盾構(gòu)機總推力增大而增大。

圖11 刀盤扭矩與盾構(gòu)軸線偏移量的關(guān)系

圖12 油缸總推力與盾構(gòu)軸線偏移量的關(guān)系

3 結(jié)論

1) 所建立的BP神經(jīng)網(wǎng)絡(luò)模型，能夠基本模擬掘進速度、刀盤轉(zhuǎn)速、刀盤扭矩、油缸總推力、上下油缸推力差、土與巖在掘進面占比的函數(shù)等施工參數(shù)對盾構(gòu)隧道軸線偏移量的影響，能夠在已知地質(zhì)資料和盾構(gòu)掘進參數(shù)的基礎(chǔ)上，估算盾構(gòu)軸線向上或者向下偏移量的大小。

2) 運用神經(jīng)網(wǎng)絡(luò)模型，通過控制變量法，分析某2個參數(shù)的關(guān)系，得出以下結(jié)論：盾構(gòu)軸線偏移量(向上為正，向下為負)與掘進速度、刀盤轉(zhuǎn)速、刀盤扭矩?zé)o關(guān)；在其他條件不變時，盾構(gòu)軸線偏移量隨著上下油缸推力差的增大而增大，隨著土巖占比增大先減少后增大，隨著隧道埋深的增大而增大，隨盾構(gòu)總推力增大而增大。

[1] 陸苗祥. 淺談富水地層盾構(gòu)區(qū)間施工方案[J]. 黑龍江科技信息, 2015(16): 228. LU Miaoxiang. Discussion on construction scheme of shield section in water rich stratum[J]. Heilongjiang Scientific and Technical Information, 2015(16): 228.

[2] YANG H Y, GONG G F, HU G L. Earth pressure balance control for EPB shield[J]. Science China Technological Sciences, 2009, 52(10): 2840?2848.

[3] 郭玉海, 王夢恕, 張照煌, 等. 土壓平衡盾構(gòu)反扭矩的分析和計算[J]. 巖土力學(xué), 2013, 34(5): 1449?1452.GUO Yuhai, WANG Mengshu, ZHANG Zhaohuang, et al. Analysis and calculation of reverse torque of earth pressure balance shield[J]. Rock and Soil Mechanics, 2013, 34(5): 1449?1452.

[4] 李潮, 周宏偉, 左建平, 等. 土壓平衡盾構(gòu)刀盤扭矩計算方法與多因素量化分析[J]. 巖石力學(xué)與工程學(xué)報, 2013, 32(4): 760?766.LI Chao, ZHOU Hongwei, ZUO Jianping, et al. Torque calculation method of cutterhead in earth pressure balance shield and quantitative analysis of several influencing factors[J]. Chinese Journal of Rock Mechanics and Engineering, 2013, 32(4): 760?766.

[5] ZHANG Q, QU C, CAI Z, et al. Modeling of the thrust and torque acting on shield machines during tunneling[J]. Automation in Construction, 2014, 40(4): 60?67.

[6] 李有兵. 大直徑泥水平衡盾構(gòu)穿越上軟下硬地層的施工技術(shù)研究[D]. 成都: 西南交通大學(xué), 2014. LI Youbing. A study on construction technology of large diameter slurry balance shield tunneling in upper-soft lower-hard ground[D]. Chengdu: Southwest Jiaotong University, 2014.

[7] 任福松, 金建俊. 地鐵施工中的盾構(gòu)機姿態(tài)控制研究[J]. 交通標準化, 2009(17): 134?137.REN Fusong, JIN Jianjun. Shield machine attitude control in subway construction[J]. Transport Standardization, 2009(17): 134?137.

[8] 王升陽, 高俊強, 劉偉誠. 地鐵盾構(gòu)施工中盾構(gòu)姿態(tài)的控制方法[J]. 測繪地理信息, 2013, 38(1): 39?42.WANG Shengyang, GAO Junqiang, LIU Weicheng. The control method of the shielding postures in the shield construction of the subway[J]. Journal of Geomatics, 2013, 38(1): 39?42.

[9] 彭涌濤. 盾構(gòu)掘進姿態(tài)控制技術(shù)研究[J]. 森林工程, 2013, 29(6): 106?110.PENG Yongtao. The study of shield tunneling attitude control technology[J]. Forest Engineering, 2013, 29(6): 106?110.

[10] 胡守仁. 神經(jīng)網(wǎng)絡(luò)導(dǎo)論[M]. 長沙: 國防科技大學(xué)出版社, 1993. HU Shouren. Introduction to neural networks[M]. Changsha: National University of Defense Technology Press, 1993.

[11] ZHU F B. Numerical analysis of the influence of shield tunneling to adjacent loaded piles[J]. Advanced Materials Research, 2012, 538?541(1): 548?551.

[12] TANG Y, XU J. Shield tunneling in rock–soil interface composite formations[J]. Geotechnical & Geological Engineering, 2016, 34(6): 1693?1705.

[13] Fattah M Y, Shlash K T, Salim N M. Prediction of settlement trough induced by tunneling in cohesive ground[J]. Acta Geotechnica, 2013, 8(2): 167?179.

[14] Godwin R J, O Dogherty M J. Integrated soil tillage force prediction models[J]. Journal of Terramechanics, 2007, 44(1): 3?14.

[15] Ibarra S Y, Mckyes E, Broughton R S. A model of stress distribution and cracking in cohesive soils produced by simple tillage implements[J]. Journal of Terramechanics, 2005, 42(2): 115?139.

Study of fuzzy control on tunneling parameters of shield attitude in upper-soft and lower-hard ground

ZHANG Aijun

(The 12th Bureau Group of China Railway Ltd, Taiyuan 030032, China)

Shield construction method has become the main method in urban subway construction. The attitude control of shield tunneling is one of the key technologies to ensure the quality of tunnel construction. Upper-soft and lower-hard stratum is a kind of special composite ground in subway tunnel construction. The upper soil layer or soft rock layer is unstable while the lower rock layers have high strength. When shield constructing, the shield machine has a habit of moving to a weak stratum. Therefore compared with uniform stratum, upper-soft and lower-hard ground needs more attention in shield attitude control. Due to the complicated geological conditions and there are many factors that affect the attitude of shield machine, it is difficult to control the attitude of shield tunneling. The paper focuses on the influence of construction parameters of shield tunneling on the attitude control with the data from some engineering. Using the BP neural network model, influence of geological conditions and tunneling parameters, such as: driving speed, the cutter speed, the cutter head torque, the cylinder total thrust, the cylinder thrust difference between upper and lower, soil rock proportion in the digging surface, on shield attitude control have studied. Some laws are obtained from the study.

upper-soft and lower-hard ground; shield; altitude control; fuzzy control

10.19713/j.cnki.43?1423/u.2018.11.024

TU452

A

1672 ? 7029(2018)11 ? 2920 ? 08

2017?10?17

湖南省重點研發(fā)資助項目(2015SK20682-2)；住房和城鄉(xiāng)建設(shè)部資助項目(2012-R2-28)；中鐵建青島地鐵2號線項目指揮部科研基金資助項目

張愛軍(1969?)，男，河北唐山人，高級工程師，從事地鐵工程施工與工程管理工作；E?mail：446245611@qq.com

(編輯 蔣學(xué)東)