王 健， 王瑞睿， 張欣欣， 劉海東， 龐永昊

(山東大學(xué)巖土與結(jié)構(gòu)工程研究中心， 山東 濟(jì)南 250061)

?

基于RMR巖體分級(jí)系統(tǒng)的TBM掘進(jìn)性能參數(shù)預(yù)測(cè)

王 健， 王瑞睿， 張欣欣， 劉海東， 龐永昊

(山東大學(xué)巖土與結(jié)構(gòu)工程研究中心， 山東 濟(jì)南 250061)

為解決由于地質(zhì)條件原因造成TBM掘進(jìn)效率低下的問(wèn)題，基于吉林引松供水工程建立的TBM數(shù)據(jù)庫(kù)，提出應(yīng)用RMR巖體分級(jí)系統(tǒng)對(duì)TBM的掘進(jìn)性能參數(shù)進(jìn)行預(yù)測(cè)。通過(guò)回歸分析的方法分別建立了RMR與TBM性能預(yù)測(cè)參數(shù)掘進(jìn)速率(PR)、施工進(jìn)度(AR)、利用率(U)以及貫入度指數(shù)(FPI)的經(jīng)驗(yàn)公式。研究結(jié)果表明：RMR與PR、AR、U均呈現(xiàn)二次相關(guān)關(guān)系，RMR與FPI為線性關(guān)系，且相關(guān)系數(shù)均大于0.7；當(dāng)RMR=50～70時(shí)，巖體具有較好的可掘性；當(dāng)巖體條件較差(RMR<30～40)或者巖體條件極好(RMR>70～80)時(shí)，巖體的可掘性均較差；吉林引松工程TBM掘進(jìn)的平均利用率為22.36%，與地質(zhì)條件相關(guān)的停工時(shí)間約占總工期的25.97%。

TBM；吉林引松供水工程；隧洞；RMR；掘進(jìn)性能參數(shù)；掘進(jìn)速度；施工進(jìn)度；利用率

0 引言

進(jìn)入21世紀(jì)以來(lái)，國(guó)內(nèi)外隧道等地下工程迅猛發(fā)展，地下空間開發(fā)利用率逐年增高。與傳統(tǒng)的鉆爆法相比，TBM因具有開挖速度快、可連續(xù)操作、巖渣均勻、施工安全等優(yōu)點(diǎn)，已在越來(lái)越多的隧道工程中采用[1-3]。據(jù)統(tǒng)計(jì)，我國(guó)適用TBM開挖的隧道超過(guò)600 km，到2020年TBM需求量可達(dá)500多臺(tái)。由此可見，TBM將成為我國(guó)隧道施工的優(yōu)先選擇方法。

TBM掘進(jìn)速率可達(dá)傳統(tǒng)鉆爆法的3～10倍[4]，但TBM對(duì)極端地質(zhì)條件的適應(yīng)性較差。當(dāng)TBM穿越擾動(dòng)地層時(shí)，如果地層存在剪脹節(jié)理或節(jié)理間距較小，將很可能導(dǎo)致地層超挖或塌方事故；當(dāng)遇到混合開挖面時(shí)，尤其是軟硬變化頻繁的開挖面，硬巖從軟弱巖層中脫落將造成卡機(jī)事故或?qū)е伦o(hù)盾損毀；TBM在高地應(yīng)力地層掘進(jìn)時(shí)，高地應(yīng)力將引發(fā)開挖面圍巖的剪裂，從而嚴(yán)重影響TBM的掘進(jìn)性能，如法國(guó)阿爾卑斯山隧道的掘進(jìn)速率低于0.18 m/h[5]?？梢?，若不經(jīng)過(guò)嚴(yán)格的認(rèn)證，采用TBM施工很可能發(fā)揮不了TBM的優(yōu)勢(shì)，甚至?xí)O大地增加項(xiàng)目工期和施工成本。因此，近年來(lái)越來(lái)越多的學(xué)者致力于TBM掘進(jìn)性能的預(yù)測(cè)[6]。

P.J.Tarkoy[7]分析了TBM性能與巖體硬度指數(shù)之間的關(guān)系，得到隨著巖體硬度指數(shù)的增加，TBM掘進(jìn)速度逐漸降低；F.J.Macias等[8]應(yīng)用巖體破碎系數(shù)ks來(lái)表示巖體裂隙對(duì)TBM掘進(jìn)性能的影響，分析表明當(dāng)ks較小時(shí)，ks對(duì)掘進(jìn)速率的影響較小，因?yàn)閹r塊的力學(xué)性能是影響TBM掘進(jìn)速率的主控因素；E.Paltrinieri等[9]根據(jù)巖體的破碎程度和風(fēng)化程度建立了一個(gè)破碎巖體的分級(jí)系統(tǒng)，將破碎巖體共分為4級(jí)，并通過(guò)分析得出巖體的破碎有助于TBM的掘進(jìn)，隨著巖體破碎程度的增加，轉(zhuǎn)速(RPM)顯著減小，掘進(jìn)速度(PR)相應(yīng)降低，降低最明顯的是施工進(jìn)度(AR)。上述研究多集中于應(yīng)用巖體參數(shù)進(jìn)行TBM性能參數(shù)的預(yù)測(cè)，而對(duì)于應(yīng)用巖體分級(jí)進(jìn)行TBM掘進(jìn)性能預(yù)測(cè)的研究卻鮮有報(bào)道，且目前選用的巖體分級(jí)方法也多集中于應(yīng)用隧道巖體分級(jí)方法，如Q系統(tǒng)和RSR分級(jí)方法。

本文基于吉林引松供水工程建立的TBM數(shù)據(jù)庫(kù)，通過(guò)回歸分析方法實(shí)現(xiàn)了應(yīng)用RMR巖體分級(jí)系統(tǒng)對(duì)TBM的4項(xiàng)性能預(yù)測(cè)參數(shù)(PR、AR、U和FPI)的精準(zhǔn)預(yù)測(cè)。研究結(jié)果不僅促進(jìn)了TBM理論的發(fā)展，而且對(duì)TBM掘進(jìn)施工具有重要的指導(dǎo)作用。

1 TBM破巖機(jī)制及施工預(yù)測(cè)模型

1.1 TBM掘進(jìn)破巖機(jī)制

TBM滾刀在刀盤上按一定的幾何和力學(xué)規(guī)律均勻布置。TBM通過(guò)滾刀傳遞壓力及扭矩，各滾刀在巖石面上做不同半徑同心圓的壓滾運(yùn)動(dòng)，前面的滾刀可為后面的滾刀提供破巖臨空面，實(shí)現(xiàn)前后滾刀順序破碎及切割巖石[10]。

TBM掘進(jìn)破巖主要包括2個(gè)連續(xù)的過(guò)程：首先TBM滾刀侵入巖體，在滾刀下方形成壓碎區(qū)，并在巖體內(nèi)部產(chǎn)生微裂隙；然后相鄰滾刀間的裂隙不斷擴(kuò)展連通，最終導(dǎo)致巖石碎片的形成[10]。TBM刀具破巖原理見圖1。

1.2 TBM施工預(yù)測(cè)模型

目前對(duì)于TBM掘進(jìn)性能的預(yù)測(cè)主要通過(guò)施工預(yù)測(cè)模型，施工預(yù)測(cè)模型大體可分為經(jīng)驗(yàn)?zāi)Ｐ秃桶肜碚摪虢?jīng)驗(yàn)?zāi)Ｐ停琋TNU模型和CSM(科羅拉多礦業(yè)學(xué)院)模型分別是上述2種方法的代表。經(jīng)驗(yàn)?zāi)Ｐ椭饕⒃诂F(xiàn)場(chǎng)施工資料的基礎(chǔ)上，但是由于工程地質(zhì)條件的單一性，使得預(yù)測(cè)模型只能用于相近地質(zhì)條件，不具有推廣價(jià)值。隨著科技的進(jìn)步和發(fā)展，各種地質(zhì)探測(cè)方法不斷革新，對(duì)精準(zhǔn)度要求不斷提高，經(jīng)驗(yàn)?zāi)Ｐ偷木窒扌酝伙@。半理論半經(jīng)驗(yàn)?zāi)Ｐ徒Y(jié)合了工程資料和室內(nèi)全斷面切割試驗(yàn)或現(xiàn)場(chǎng)試驗(yàn)，其模型具有普遍性，可以靈活選擇巖體力學(xué)參數(shù)。

圖1 TBM刀具破巖原理Fig.1 Sketch of rock breaking principle of TBM

一些學(xué)者采用簡(jiǎn)單回歸或者多元回歸的分析方法，進(jìn)行巖體力學(xué)性能對(duì)TBM施工性能的評(píng)估[11-13]，主要應(yīng)用的巖塊力學(xué)參數(shù)包括單軸抗壓強(qiáng)度、巴西抗拉強(qiáng)度、斯密特硬度、泰伯磨損、點(diǎn)荷載指數(shù)、脆性指數(shù)、地質(zhì)強(qiáng)度指數(shù)，主要的巖體特性參數(shù)包括節(jié)理間距、節(jié)理方向以及風(fēng)化程度，巖體所處環(huán)境條件包括地下水條件和地應(yīng)力[14-15]。

近些年，人工智能方法逐步被應(yīng)用于TBM施工性能預(yù)測(cè)。M.Alvarez Grima等[16]采用神經(jīng)模糊模型預(yù)測(cè)掘進(jìn)性能；A.G.Benardos等[17]提出用人工神經(jīng)網(wǎng)絡(luò)(ANN)的方法來(lái)預(yù)測(cè)TBM性能；ZHAO Zhiye等[18]提出集成神經(jīng)網(wǎng)絡(luò)ENN預(yù)測(cè)模型，與之前提出的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型相比，ENN具有能夠充分考慮現(xiàn)場(chǎng)數(shù)據(jù)的不確定性，并能應(yīng)用重新選樣技術(shù)對(duì)有限的數(shù)據(jù)進(jìn)行合理推理及預(yù)測(cè)的優(yōu)點(diǎn)；S.Yagiz等[19]結(jié)合人工神經(jīng)網(wǎng)絡(luò)(ANN)和質(zhì)點(diǎn)群優(yōu)化來(lái)預(yù)測(cè)TBM性能；溫森等[6]提出應(yīng)用Monte Carlo-BP神經(jīng)網(wǎng)絡(luò)開展預(yù)測(cè)，應(yīng)用Monte Carlo實(shí)現(xiàn)參數(shù)的隨機(jī)性輸入，樣本數(shù)據(jù)有限時(shí)可以采用階梯形經(jīng)驗(yàn)分布函數(shù)，然后利用BP神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)掘進(jìn)速度。

另外，一些學(xué)者應(yīng)用巖體分級(jí)系統(tǒng)建立TBM施工的經(jīng)驗(yàn)?zāi)Ｐ停诒姸嗟膸r體分級(jí)系統(tǒng)中，目前多采用RMR和Q巖體分級(jí)方法。

2 巖體分級(jí)系統(tǒng)

2.1 巖體分級(jí)系統(tǒng)預(yù)測(cè)TBM掘進(jìn)性能

目前國(guó)內(nèi)外有許多工程巖體分級(jí)方法應(yīng)用于礦業(yè)及巖土工程，且部分學(xué)者開展了巖體分級(jí)與TBM掘進(jìn)性能相關(guān)性的研究。F.Cassinelli等[20]提出用巖體結(jié)構(gòu)分析(RSR)評(píng)估TBM掘進(jìn)速度，但是此模型沒(méi)有考慮TBM本身對(duì)掘進(jìn)速度的影響，沒(méi)有巖石與TBM的交互參數(shù)；A.Palmstr?m[21]將RMI作為參數(shù)加入NTNU模型來(lái)評(píng)估TBM的掘進(jìn)速度；N.Barton[22]提出在原有巖體Q分類系統(tǒng)的基礎(chǔ)上加入一些與TBM開挖相關(guān)的參數(shù)來(lái)評(píng)價(jià)TBM性能，形成QTBM施工預(yù)測(cè)模型，QTBM模型參數(shù)太多而且比較復(fù)雜，與TBM破巖不太相關(guān)的一些參數(shù)也被包含其中，因此此模型不被廣泛采用；Jafar Khademi Hamidi等[23]應(yīng)用模糊RME分級(jí)方法，該方法能夠精確地預(yù)測(cè)施工進(jìn)度(AR)。數(shù)據(jù)顯示，各種基于巖體分級(jí)方法的預(yù)測(cè)模型的結(jié)果十分相近：當(dāng)巖體條件極好或者極差的情況下均不利于TBM的掘進(jìn)；巖體分級(jí)與TBM掘進(jìn)速率之間的相關(guān)性較差。

雖然很多學(xué)者進(jìn)行了大量巖體分級(jí)與TBM掘進(jìn)性能相關(guān)性的研究，但是這些研究中的許多隧道巖體分級(jí)方法，如Q系統(tǒng)、RSR等，多根據(jù)巖體的穩(wěn)定性進(jìn)行劃分，而TBM施工環(huán)境下的巖體分級(jí)主要應(yīng)針對(duì)巖體的可掘性。因此，以評(píng)估圍巖穩(wěn)定性為主的一些巖體分級(jí)方法并不適合用來(lái)進(jìn)行TBM施工性能的預(yù)測(cè)。

2.2 RMR巖體評(píng)估系統(tǒng)

RMR分級(jí)方法即巖體地質(zhì)力學(xué)分類，由Bieniawski于1973—1975年提出，該方法已被廣泛地應(yīng)用于土木工程領(lǐng)域。RMR分級(jí)法主要包含5個(gè)巖體參數(shù)：巖塊強(qiáng)度(B1)、RQD值(B2)、節(jié)理間距(B3)、節(jié)理?xiàng)l件(B4)及地下水(B5)[24]。根據(jù)各類參數(shù)的實(shí)測(cè)資料，按照標(biāo)準(zhǔn)進(jìn)行評(píng)分，再將各參數(shù)的評(píng)分值相加得到巖體的總RMR，最后結(jié)合不連續(xù)結(jié)構(gòu)面方向修正系數(shù)(B6),綜合計(jì)算得出巖體質(zhì)量綜合特征值RMR。計(jì)算公式為：

RMR=B1+B2+B3+B4+B5+B6。

在眾多的巖體分級(jí)方法中，RMR巖體分級(jí)方法是一種半定量、半定性分析方法，應(yīng)用簡(jiǎn)單，且在提出RMR分級(jí)方法的40多年里，已被大量地應(yīng)用于隧道及采礦工程領(lǐng)域，其可靠性得到了普遍的認(rèn)可。M.Sapigni等[25]經(jīng)研究，得出RMR系統(tǒng)與TBM掘進(jìn)速率的相關(guān)性要優(yōu)于Q系統(tǒng)。綜上所述，應(yīng)用RMR巖體分級(jí)系統(tǒng)評(píng)估TBM的掘進(jìn)性能是可靠的。

3 工程概況及數(shù)據(jù)庫(kù)的建立

3.1 吉林引松供水工程總干線四標(biāo)段施工段地質(zhì)及水文條件

吉林省中部城市引松供水工程為自流輸水隧洞，全長(zhǎng)69.855 km，取水口位于豐滿水庫(kù)，途經(jīng)溫德河、岔路河到飲馬河分水口，隧洞洞底坡度1/4 300。隧洞施工采用以掘進(jìn)機(jī)為主、鉆爆法為輔的施工方法，中間設(shè)輔助施工支洞。其中，總干線施工四標(biāo)段位于吉林市岔路河至飲馬河之間，線路樁號(hào)48+900～71+855，總長(zhǎng)度22 955 m，工程地理位置平面圖見圖2。工程主要包括長(zhǎng)22 955 m的引水隧洞、3#通風(fēng)豎井、飲馬河調(diào)壓井、7#施工支洞、8#施工支洞和小河沿施工豎井及其他臨時(shí)工程，其中TBM施工段為20 198 m，占總長(zhǎng)約88%，工程總體布置見圖3。TBM施工段采用中國(guó)中鐵裝備生產(chǎn)的敞開式全斷面TBM進(jìn)行開挖，開挖斷面為圓形，開挖直徑大于7.65 m。TBM具體設(shè)計(jì)參數(shù)如表1所示。

圖2 引松供水工程地理位置平面圖Fig.2 Plan of Songhua River Water Conveyance Project

圖3 引松供水工程總干線四標(biāo)段工程布置示意圖(單位：m)Fig.3 Plan of Bid Section No.4 of Songhua River Water Conveyance Project (m)

表1 引松供水工程TBM參數(shù)Table 1 TBM parameters of Songhua River Water Conveyance Project

吉林引松供水工程主干線四標(biāo)段線路總體走向由北東向南西，地貌為低山丘陵和相間溝谷。沿線地形起伏，植被較發(fā)育，高程264.0～484.0 m，洞室最大埋深260 m，溝谷累計(jì)長(zhǎng)度約3 229 m。

前期勘察以及開挖的輔助洞對(duì)于揭露工程地質(zhì)條件、水文條件有較好的指導(dǎo)作用。施工段表層被第四系坡洪積物和沖洪積物所覆蓋，其下為基巖。隧道主軸線地層主要由砂巖、花崗巖、安山巖、閃長(zhǎng)巖、凝灰?guī)r、灰?guī)r組成，本段褶皺不發(fā)育，灰?guī)r多為單斜地層。斷裂構(gòu)造方向以NE和NW為主，斷裂構(gòu)造多有繼承性和復(fù)合型的特點(diǎn)。工作區(qū)沒(méi)有對(duì)工程具有深遠(yuǎn)影響的深大斷裂，結(jié)構(gòu)面以Ⅱ—Ⅴ級(jí)為主。開挖地段含水層厚且水量豐富，地表水及地下水的水力坡度大，徑流條件好，因此地下水、地表水形成密切聯(lián)系，極易形成突水、突泥等地質(zhì)災(zāi)害。表2列出了沿著隧道軸線方向不同巖性的平均RMR值、地下水分布情況以及主要巖體特性。

3.2 TBM性能預(yù)測(cè)指標(biāo)以及數(shù)據(jù)庫(kù)的建立

大量的工程實(shí)踐和研究表明，TBM的掘進(jìn)性能可以通過(guò)掘進(jìn)速率(PR)、施工進(jìn)度(AR)、利用率(U)以及貫入度指數(shù)(FPI)來(lái)衡量。

吉林引松供水工程建立了TBM混合云管理平臺(tái)，實(shí)現(xiàn)了196個(gè)TBM機(jī)械和電液參數(shù)，如掘進(jìn)速度(PR)、推力、扭矩、貫入度、刀盤功率、掘進(jìn)時(shí)間和停工時(shí)間的實(shí)時(shí)獲取和上傳，根據(jù)上傳的數(shù)據(jù)可以計(jì)算PR、AR、U及FPI值。吉林引松供水工程TBM操作手共2人實(shí)行輪班制，且在施工過(guò)程中根據(jù)滾刀磨損情況實(shí)現(xiàn)了滾刀及時(shí)更換，因此本文忽略人為操作因素及滾刀磨損狀態(tài)對(duì)于TBM性能參數(shù)的影響。TBM掘進(jìn)過(guò)程中在不同里程通過(guò)鉆孔取芯的方法獲取巖石試樣，在實(shí)驗(yàn)室中對(duì)試樣經(jīng)過(guò)切削打磨加工成標(biāo)準(zhǔn)巖石試樣，通過(guò)WDW-100E 電液伺服萬(wàn)能試驗(yàn)機(jī)進(jìn)行壓縮試驗(yàn)，獲取單軸抗壓強(qiáng)度(UCS)。圖4為室內(nèi)單軸壓縮試驗(yàn)圖。通過(guò)地質(zhì)素描圖和現(xiàn)場(chǎng)拍照獲取巖體的節(jié)理裂隙發(fā)育情況，得到巖體巖石質(zhì)量指標(biāo)(RQD)和節(jié)理間距(DPW)。圖5為TBM施工現(xiàn)場(chǎng)洞壁照片。應(yīng)用RMR=B1+B2+B3+B4+B5+B6計(jì)算出相應(yīng)的RMR值。表3列出了沿隧道軸線方向，不同巖性的RMR值、巖石質(zhì)量指標(biāo)(RQD)、節(jié)理間距(DPW)、單軸抗壓強(qiáng)度(UCS)、掘進(jìn)速度(PR)、施工進(jìn)度(AR)、貫入度指數(shù)(FPI)、利用率(U)、地質(zhì)條件相關(guān)停工時(shí)間百分比(GRRD)、其他停工時(shí)間百分比(ORD)的平均值。

圖4 室內(nèi)單軸壓縮試驗(yàn)圖Fig.4 Picture of indoor uniaxial compression test

圖5 TBM施工現(xiàn)場(chǎng)洞壁照片F(xiàn)ig.5 Photo of tunnel wall of TBM construction site

4 經(jīng)驗(yàn)公式的建立及TBM掘進(jìn)性能預(yù)測(cè)

為了獲得RMR巖體分級(jí)與TBM掘進(jìn)性能的相關(guān)關(guān)系，通過(guò)回歸分析分別建立了RMR與利用率(U)、掘進(jìn)速度(PR)、施工進(jìn)度(AR)及貫入度指數(shù)(FPI)的經(jīng)驗(yàn)公式，并給出了經(jīng)驗(yàn)公式的相關(guān)系數(shù)。

4.1RMR與利用率(U)回歸分析

TBM利用率為掘進(jìn)時(shí)間與總當(dāng)班時(shí)間的百分比。大量研究表明，導(dǎo)致TBM利用率(U)低下的原因主要有4方面:1)TBM的維護(hù)和修理；2)強(qiáng)制保養(yǎng)及換步；3)不良地質(zhì)條件及圍巖支護(hù)；4)其他可能導(dǎo)致停工的原因，包括推力油缸的重新布置和超前鉆探等。其中，不良地質(zhì)條件為影響利用率(U)的關(guān)鍵因素[10]。通過(guò)回歸分析建立的RMR與利用率(U)的經(jīng)驗(yàn)回歸公式為：

U=-0.009 4RMR2+1.438 5RMR-25.974。

相關(guān)性系數(shù)為：

R2=0.833。

RMR與利用率(U)的關(guān)系曲線如圖6所示。RMR和利用率的相關(guān)系數(shù)高達(dá)0.833，且二者呈現(xiàn)二次相關(guān)關(guān)系；隨著RMR值的增加，TBM利用率逐漸升高，在RMR為50～70區(qū)間內(nèi)利用率達(dá)到峰值，此后利用率隨著RMR值的增大逐漸降低；在RMR值為 68.22處利用率最大，為33.62%，在RMR值為25.86處利用率最小，為6.25%，最大利用率為最小利用率的 5.37倍。由此可見RMR值對(duì)TBM的施工利用率有較大的影響。針對(duì)引松供水工程，由表3可知最長(zhǎng)的與地質(zhì)條件相關(guān)的停工時(shí)間發(fā)生在RMR為25.86處，停工時(shí)間高達(dá)總時(shí)間的 47.92%。引松供水工程的平均ORD、U、GRRD百分比分布如圖7所示，可見該工程的平均利用率為22.36%，與地質(zhì)條件相關(guān)的停工時(shí)間約占總工期的25.97%，其他停工時(shí)間約占總工期的51.73%。

表3 不同地質(zhì)單元RMR及TBM的性能預(yù)測(cè)參數(shù)數(shù)值分布表Table 3 RMR of different geological units and numerical distribution of estimated performance parameters of TBM

圖6 RMR與利用率(U)的關(guān)系曲線Fig.6 Correlation of RMR and utilization(U)

圖7 平均ORD、U、GRRD百分比分布圖Fig.7 Percentage distribution of average ORD,U and GRRD

4.2RMR與掘進(jìn)速度(PR)回歸分析

掘進(jìn)速度(PR)表征TBM掘進(jìn)的快慢，是評(píng)價(jià)TBM掘進(jìn)性能的最重要指標(biāo)。通過(guò)回歸分析建立的RMR與掘進(jìn)速度(PR)的經(jīng)驗(yàn)回歸公式為：

PR=-0.001 1RMR2+0.150 8RMR-0.312 5。

相關(guān)性系數(shù)為：

R2=0.727 1。

RMR與掘進(jìn)速度(PR)的關(guān)系曲線見圖8。可以看出：RMR與PR也呈二次相關(guān)，PR在RMR為60～70區(qū)間段內(nèi)達(dá)到峰值，當(dāng)RMR過(guò)大或者過(guò)小時(shí)，TBM的掘進(jìn)速度都較??；在RMR值為60.34處PR最大，為5.27 m/h，在RMR值為25.86處PR最小，為2.98 m/h，最大掘進(jìn)速度為最小掘進(jìn)速度的1.77倍。

圖8 RMR與掘進(jìn)速度(PR)的關(guān)系曲線Fig.8 Relationship between RMR and PR

4.3RMR與施工進(jìn)度(AR)回歸分析

施工進(jìn)度(AR)不僅與TBM的掘進(jìn)速度(PR)有關(guān)，而且與掘進(jìn)的地質(zhì)條件、施工機(jī)械以及各種人為因素有關(guān)[26]。通過(guò)回歸分析建立的RMR與施工進(jìn)度(AR)的經(jīng)驗(yàn)回歸公式為：

AR=-0.000 5RMR2+0.075 7RMR-1.540 8。

相關(guān)性系數(shù)為：

R2=0.783 1。

通過(guò)回歸分析得出AR與RMR呈二次方的關(guān)系，如圖9所示。AR在RMR為60～70區(qū)間內(nèi)取得峰值，AR最大值為1.71 m/h，是最小值0.19 m/h的9倍，可見RMR對(duì)施工進(jìn)度(AR)有很大的影響。經(jīng)分析得出RMR對(duì)施工進(jìn)度有巨大影響的原因是：當(dāng)RMR值較低(RMR<30～40)時(shí)，地質(zhì)條件較差，TBM經(jīng)常停止掘進(jìn)，大量的時(shí)間用于圍巖的支護(hù)，導(dǎo)致施工進(jìn)度較慢；當(dāng)RMR值較高(RMR>70～80)，巖體的完整性和強(qiáng)度均較高，滾刀很難切入巖體，導(dǎo)致貫入度小，切削效率低，掘進(jìn)速度慢,施工進(jìn)度也較慢。

圖9 RMR與施工進(jìn)度(AR)的關(guān)系曲線Fig.9 Relationship between RMR and AR

4.4RMR與貫入度指數(shù)(FPI)的回歸分析

大量研究表明，巖石的可掘性可用單刀推力和貫入度的比值即貫入度指數(shù)(FPI)來(lái)衡量[27-29]。通過(guò)回歸分析建立的RMR與貫入度指數(shù)(FPI)的經(jīng)驗(yàn)回歸公式為：

FPI=0.419 8RMR-3.463 1。

相關(guān)性系數(shù)為：

R2=0.737 2。

RMR與貫入度指數(shù)(FPI)的關(guān)系曲線見圖10?？梢钥闯觯篎PI與RMR呈線性關(guān)系，隨著RMR值的增加，貫入度指數(shù)(FPI)也逐漸增加；FPI最大值為36.25 kN/(mm/r)，為最小FPI值12.36 kN/(mm/r)的2.93倍。表明當(dāng)巖體強(qiáng)度越高且完整性越好時(shí)，單位切深所需的推力越大，即巖石的可掘性越低；反之，巖體強(qiáng)度越低、節(jié)理裂隙發(fā)育程度越高時(shí)，單位切深所需的推力越小，即巖石的可掘性越高。

圖10 RMR與貫入度指數(shù)(FPI)的關(guān)系曲線Fig.10 Relationship between RMR and FPI

5 結(jié)論與討論

1)RMR與利用率(U)、掘進(jìn)速度(PR)、施工進(jìn)度(AR)均呈現(xiàn)二次相關(guān)關(guān)系，RMR與貫入度指數(shù)(FPI)為線性相關(guān)關(guān)系，相關(guān)性系數(shù)均在0.7以上，其中利用率(U)與RMR的相關(guān)性系數(shù)高達(dá)0.833，應(yīng)用RMR巖體分級(jí)可以較好地評(píng)估TBM的掘進(jìn)性能。

2)吉林引松供水工程最長(zhǎng)的與地質(zhì)條件相關(guān)的停工時(shí)間發(fā)生在RMR為25.86處，利用率(U)、掘進(jìn)速度(PR)、施工進(jìn)度(AR)的最大值均在RMR為50～70區(qū)間段內(nèi)。

3)當(dāng)RMR=50～70時(shí)，巖體具有較好的掘進(jìn)性能；當(dāng)巖體條件較差(RMR<30～40)或者巖體條件極好(RMR>70～80)時(shí)，巖體的可掘性均較差。

4)吉林引松供水工程TBM掘進(jìn)的平均利用率為22.36%，與地質(zhì)條件相關(guān)的停工時(shí)間約占總工期的25.97%，其他停工時(shí)間約占總工期的51.73%。

5)TBM施工過(guò)程中應(yīng)該加強(qiáng)現(xiàn)場(chǎng)的設(shè)備管理和施工管理，提出相應(yīng)的控制措施，降低故障的發(fā)生次數(shù)，減少不必要的停工時(shí)間，增加TBM掘進(jìn)速率及利用率。

6)因?yàn)門BM數(shù)據(jù)是建立在吉林引松供水工程基礎(chǔ)上，因此數(shù)據(jù)具有局限性，結(jié)論僅適用于類似地質(zhì)條件工程，下一步工作將擴(kuò)大數(shù)據(jù)樣本，以便獲取更有普遍意義的結(jié)論。

[1] 李術(shù)才,劉斌,孫懷鳳,等.隧道施工超前地質(zhì)預(yù)報(bào)研究現(xiàn)狀及發(fā)展趨勢(shì)[J].巖石力學(xué)與工程學(xué)報(bào),2014,33(6):1090-1113.LI Shucai,LIU Bin,SUN Huaifeng,et al.State of art and trends of advanced geological prediction in tunnel construction[J].Chinese Journal of Rock Mechanics and Engineering,2014,33(6):1090-1113.

[2] Takuji Yamamoto,Suguru Shirasagi,Shinya Yamamoto,et al.Evaluation of the geological condition ahead of the tunnel face by geostatistical techniques using TBM driving data[J].Tunnelling and Underground Space Technology,2003,18:213-221.

[3] Sapigni M,Berti M,Bethaz E,et al.TBM performance estimation using rock mass classifications[J].International Journal of Rock Mechanics and Mining Sciences,2002,39:771-788.

[4] 王旭,李曉,李守定.關(guān)于用巖體分類預(yù)測(cè)TBM掘進(jìn)速率AR的討論[J].工程地質(zhì)學(xué)報(bào),2008,16(4)：47-52.WANG Xu,LI Xiao,LI Shouding.Problems in the prediction of the TBM advance rate with rock mass classification and their possible solutions[J].Journal of Engineering Geology,2008,16(4)：47-52.

[5] 白郁宇,張瑞仁.TBM 掘進(jìn)速率預(yù)測(cè)模型的比較[J].現(xiàn)代隧道技術(shù),2005,42(5):7-16.BAI Yuyu,ZHANG Ruiren.Comparison of TBM advance rate prediction models[J].Modern Tunnelling Technology,2005,42(5):7-16.

[6] 溫森,趙延喜,楊圣奇.基于Monte Carlo-BP神經(jīng)網(wǎng)絡(luò)TBM掘進(jìn)速度預(yù)測(cè)[J].巖土力學(xué),2009,30(10):3127-3132.WEN Sen,ZHAO Yanxi,YANG Shengqi.Prediction on penetration rate of TBM based on Monte Carlo-BP neural network[J].Rock and Soil Mechanics,2009,30(10):3127-3132.

[7] Tarkoy P J.Rock hardness index properties and geotechnical parameters for predicting tunnel boring machine performance[D].Illinois:University of Illinois,1975:326.

[8] Macias F J,Jakobsen P D,Seo Y,et al.Influence of rock mass fracturing on the net penetration rates of hard rock TBMs[J].Tunnelling and Underground Space Technology,2014,44:108-120.

[9] Paltrinieri E,Sandrone F,Zhao J,et al.Analysis and estimation of gripper TBM performances in highly fractured and faulted rocks[J].Tunnelling and Underground Space Technology,2016,52:44-61.

[10] 龔秋明,何冠文,趙曉豹,等.掘進(jìn)機(jī)刀盤滾刀間距對(duì)北山花崗巖破巖效率的影響實(shí)驗(yàn)研究[J].巖土工程學(xué)報(bào),2015,37(1):54-60.GONG Qiuming,HE Guanwen,ZHAO Xiaobao,et al.Influence of different cutter spacings on rock fragmentation efficiency of Beishan granite by TBM[J].Chinese Journal of Geotechnical Engineering,2015,37(1):54-60.

[11] GONG Q M,ZHAO J.Development of a rock mass characteristics model for TBM penetration rate prediction[J].International Journal of Rock Mechanics and Mining Sciences， 2009， 46:8-18.

[12] GONG Qiuming,ZHAO Jian,JIAO Yuyong.Numerical modeling of the effects of joint orientation on rock fragmentation by TBM cutters[J].Tunnelling and Underground Space Technology,2005,20:183-191.

[13] Benato A,Oreste P.Prediction of penetration per revolution in TBM tunneling as a function of intact rock and rock mass characteristics[J].International Journal of Rock Mechanics and Mining Sciences,2015,74:119-127.

[14] Yagiz S.Utilizing rock mass properties for predicting TBM performance in hard rock condition[J].Tunnelling and Underground Space Technology,2008,23:326-339.

[15] Hassanpour J,Rostami J,Khamechian M,et al.TBM performance analysis in pyroclastic rocks:case history of Karaj Water conveyance tunnel[J].Rock Mechanics and Rock Engineering,2010,43:427-445.

[16] Grima M Alvarez,Bruines P A,W P N.Modeling tunnel boring machine performance by neuro-fuzzy methods[J].Tunnelling and Underground Space Technology,2000,15(3):259-269.

[17] Benardos A G,Kaliampakos D C.Modeling TBM performance with artificial neural networks[J].Tunnelling and Underground Space Technology,2004,19:597-605.

[18] ZHAO Zhiye,GONG Qiuming,ZHANG Yun,et al.Prediction model of tunnel boring machine performance by ensemble neural networks[J].Geomechanics and Geoengineering,2007,2:123-128.

[19] Yagiz S,Karahan H.Prediction of hard rock TBM penetration rate using particle swarm optimization[J].International Journal of Rock Mechanics and Mining Sciences,2011,48:427-433.

[20] Cassinelli F,Cina S,Innaurato N,et al.Power consumption and metal wear in tunnel-boring machines:Analysis of tunnel boring machine operation in hard rock[J].Tunneling,1982:73-81.

[21] Palmstr?m A.RMI:A rock mass characterization system for rock engineering purposes[D].Oslo:University of Oslo,1995:400.

[22] Barton N.TBM performance in rock using QTBM[J].Tunnels， 1999,31,41-48.

[23] Jafar Khademi Hamidi,Kourosh Shahriar,Bahram Rezai,et al.Application of fuzzy set theory to rock engineering classification systems:An illustration of the rock mass excavability index[J].Rock Mechanics and Rock Engineering,2010,43(3):335-350.

[24] 蔡美峰,何滿潮,劉東燕.巖石力學(xué)與工程[M].北京:科學(xué)出版社,2002.CAI Meifeng,HE Manchao,LIU Dongyan.Rock mechanics and engineering[M].Beijing:Science Press,2002.

[25]Sapigni M,Berti M,Behtaz E,et al.TBM performance estimation using rock mass classification[J].International Journal of Rock Mechanics and Mining Sciences,2002,39:771-788.

[26]Paltrinieri E,Sandrone F,Zhao J,et al.Analysis and estimation of gripper TBM performances in highly fractured and faulted rocks[J].Tunnelling and Underground Space Technology,2016,52:44-61.

[27] Ribacchi R,Fazio A L.Influence of rock mass parameters on the performance of a TBM in a gneissic formation (Varzo Tunnel)[J].Rock Mechanics and Rock Engineering,2005,38(2):105-127.

[28] GONG Q M,ZHAO J． Influence of rock brittleness on TBM penetration rate in Singapore granite[J].Tunnelling and Underground Space Technology， 2007,22(3):317-324.

[29] Hassanpour J， Rostami J， Zhao J． A new hard rock TBM performance prediction model for project planning[J].Tunnelling and Underground Space Technology,2011,26:595-603.

Estimation of TBM Performance Parameters Based on Rock Mass Rating (RMR) System

WANG Jian,WANG Ruirui,ZHANG Xinxin,LIU Haidong,PANG Yonghao

(GeotechnicalandStructuralEngineeringResearchCenter,ShandongUniversity,Jinan250061,Shandong,China)

In order to solve low boring efficiency of TBM caused by geological conditions,the TBM boring performance parameters estimation based on rock mass rating (RMR) system is proposed in view of TBM data base of Songhua River Water Conveyance Project in Jilin Province.The empirical correlation formulas ofRMRwith TBM performance parameters,i.e.penetration rate (PR),advance rate (AR),utilization (U) and field penetration index (FPI) are respectively given by regression analysis.The study results show that:1) The relationship betweenRMRandPRand that betweenARandUcan be approximated by second-degree polynomial curves;RMRandFPIpresent linear relationship,and the correlation coefficients are all larger than 0.7.2) Better performance of TBM can be reached in fair rock (RMR=50-70) whilst bad performance of TBM will be reached in bad rocks (RMR<30-40) or rock beyond good (RMR> 70-80).3) The utilization of TBM used in Songhua River Water Conveyance Project in Jilin Province is 22.36%,and geology and rock mass related downtime takes about 25.97% in total construction schedule.

TBM; Songhua River Water Conveyance Project in Jilin Province; tunnel; rock mass rating(RMR); TBM boring performance parameters; penetration rate; advance rate; utilization

2016-09-12;

2016-12-01

國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973)項(xiàng)目(2013CB036002)

王健(1990—)，女，遼寧本溪人，山東大學(xué)巖土工程專業(yè)在讀碩士，研究方向?yàn)門BM性能預(yù)測(cè)、評(píng)估及數(shù)據(jù)挖掘。E-mail:wangjian2013329@163.com。

10.3973/j.issn.1672-741X.2017.06.008

U 45

A

1672-741X(2017)06-0700-08