基于随钻测试的TBM穿越不良地质智能掘进系统与方法技术方案

本公开提供了一种基于随钻测试的TBM穿越不良地质智能掘进系统与方法，包括：预先进行超前钻探，同步获取钻进过程中的围岩物性参数及地化特征参数；基于预先训练的地质识别模型以及围岩物性参数和地化特征参数，获得掘进路线上的地质识别结果；掘进过程中，基于预先获得的钻进参数以及预先训练的钻进参数与掘进参数映射关系模型，获得不良地质段的掘进参数；判断所述掘进参数是否处于预设掘进参数范围内，若是，则对TBM掘进参数进行实时调整，并继续掘进；若否，则停机进行超前支护预处理。所述方案利用在不良地质区获得的钻进参数，实现对TBM掘进参数先行调整和预测指导，避免因不良地质区围岩的性质突变，导致出现决策失误造成卡机等问题。成卡机等问题。成卡机等问题。

【技术实现步骤摘要】
基于随钻测试的TBM穿越不良地质智能掘进系统与方法


[0001]本公开属于全断面隧道掘进机施工
，尤其涉及一种基于随钻测试的TBM穿越不良地质智能掘进系统与方法。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]鉴于TBM(Tunnel Boring Machine，全断面硬岩隧道掘进机)施工效率高、环境影响小、安全等优势，其已被广泛应用于深埋超特长隧道施工。但是TBM施工过程中，经常遭遇断层、岩溶等突发不良地质条件，由于围岩的岩性、结构、物理力学性质等发生突变，TBM掘进参数往往调整不及时而导致卡机事故，卡机事故处置时间有时可长达数月，严重影响施工进度，且极易造成重大人员伤亡以及严重经济损失。
[0004]专利技术人发现，现有的TBM掘进参数调整多依赖于人工经验，或通过岩机相互作用反馈不断调整掘进参数，但是当掘进至不良地质时，由于围岩的岩性、结构、物理力学性质等发生突变，上述方法往往不能及时调整参数导致TBM卡机。

技术实现思路

[0005]本公开为了解决上述问题，提供了一种基于随钻测试的TBM穿越不良地质智能掘进系统与方法，所述方案利用在不良地质区获得的钻进参数，实现对TBM掘进参数的预测调整，避免因不良地质区围岩的性质突变，导致出现决策失误造成卡机等问题。
[0006]根据本公开实施例的第一个方面，提供了一种基于随钻测试的TBM穿越不良地质智能掘进方法，包括：
[0007]预先进行超前钻探，同步获取钻进过程中的围岩物性参数及地化特征参数；
[0008]基于预先训练的地质识别模型以及围岩物性参数和地化特征参数，获得掘进路线上的地质识别结果；
[0009]掘进过程中，基于预先获得的钻进参数以及预先训练的钻进参数与掘进参数映射关系模型，获得不良地质段的掘进参数；
[0010]判断所述掘进参数是否处于预设掘进参数范围内，若是，则对TBM掘进参数进行实时调整，并继续掘进；若否，则停机进行超前支护预处理。
[0011]作为可选择的实施方式，所述地质识别模型采用深度学习模型，其训练过程具体为：
[0012]基于历史数据构建训练集，所述训练集中的样本包括围岩物性参数、地化特征参数以及其对应的地质识别结果；
[0013]基于构建的训练集，对所述深度学习模型进行训练，获得训练好的地质识别模型。
[0014]作为可选择的实施方式，所述钻进参数与掘进参数映射关系模型采用深度学习模型，其训练过程为：基于历史数据中正常围岩段的钻进参数及其对应的TBM掘进参数构建训
练集；基于所述训练集对所述深度学习模型进行训练，获得训练好的映射关系模型。
[0015]根据本公开实施例的第二个方面，提供了一种基于随钻测试的TBM穿越不良地质智能掘进系统，包括：
[0016]超前钻探模块，其用于预先进行超前钻探，同步获取钻进过程中的围岩物性参数及地化特征参数；
[0017]地质识别模块，其用于基于预先训练的地质识别模型以及围岩物性参数和地化特征参数，获得掘进路线上的地质识别结果；
[0018]掘进参数预测模块，其用于掘进过程中，基于预先获得的钻进参数以及预先训练的钻进参数与掘进参数映射关系模型，获得不良地质段的掘进参数；
[0019]智能决策模块，其用于判断所述掘进参数是否处于预设掘进参数范围内，若是，则对TBM掘进参数进行实时调整，并继续掘进；若否，则停机进行超前支护预处理。
[0020]根据本公开实施例的第三个方面，提供了一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的基于随钻测试的TBM穿越不良地质智能掘进方法的部分或全部步骤。
[0021]根据本公开实施例的第四个方面，提供了一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的基于随钻测试的TBM穿越不良地质智能掘进方法的部分或全部步骤。
[0022]与现有技术相比，本公开的有益效果是：
[0023](1)本公开提供了一种基于随钻测试的TBM穿越不良地质智能掘进系统与方法，所述方案利用在不良地质区获得的钻进参数，实现对TBM掘进参数先行调整和预测指导，避免因不良地质区围岩的性质突变，以及TBM掘进参数的调整和决策缺乏科学依据和智能化，导致出现决策失误造成卡机等问题。
[0024](2)本公开所述方案能够及时有效掌握隧道围岩及不良地质赋存状态、TBM的掘进状态以及TBM掘进是否可以继续掘进，可通过结果的对比分析，判断若TBM可继续掘进，则调整TBM掘进参数，若无法继续掘进，可提前获知并发出预警，提醒工作人员采取预处理措施，预防卡机灾害的发生。
[0025](3)本公开所述方案能够测试超前措施的效果，防止因超前措施的不合理或未达到要求，从而导致TBM盲目掘进而造成卡机，能够更好的指导TBM穿越不良地质的施工，提高TBM施工效率及安全性。
[0026]本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
[0027]构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
[0028]图1为本公开TBM穿越不良地质智能掘进方法流程图；
[0029]图2为本公开TBM穿越不良地质智能掘进系统结构图。
具体实施方式
[0030]下面结合附图与实施例对本公开做进一步说明。
[0031]应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。
[0032]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0033]在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0034]实施例一：
[0035]本实施例的目的是提供一种基于随钻测试的TBM穿越不良地质智能掘进方法。
[0036]基于随钻测试的TBM穿越不良地质智能掘进方法，包括：
[0037]预先进行超前钻探，同步获取钻进过程中的围岩物性参数及地化特征参数；
[0038]基于预先训练的地质识别模型以及围岩物性参数和地化特征参数，获得掘进路线上的地质识别结果；
[0039]掘进过程中，基于预先获得的钻进参数以及预先训练的钻进参数与掘进参数映射关系模型，获得不良地质段的掘进参数；...

【技术保护点】

【技术特征摘要】
1.基于随钻测试的TBM穿越不良地质智能掘进方法，其特征在于，包括：预先进行超前钻探，同步获取钻进过程中的围岩物性参数及地化特征参数；基于预先训练的地质识别模型以及围岩物性参数和地化特征参数，获得掘进路线上的地质识别结果；掘进过程中，基于预先获得的钻进参数以及预先训练的钻进参数与掘进参数映射关系模型，获得不良地质段的掘进参数；判断所述掘进参数是否处于预设掘进参数范围内，若是，则对TBM掘进参数进行实时调整，并继续掘进；若否，则停机进行超前支护预处理。2.如权利要求1所述的基于随钻测试的TBM穿越不良地质智能掘进方法，其特征在于，所述地质识别模型采用深度学习模型，其训练过程具体为：基于历史数据构建训练集，所述训练集中的样本包括围岩物性参数、地化特征参数及其对应的地质识别结果；基于构建的训练集，对所述深度学习模型进行训练，获得训练好的地质识别模型。3.如权利要求1所述的基于随钻测试的TBM穿越不良地质智能掘进方法，其特征在于，所述钻进参数与掘进参数映射关系模型采用深度学习模型，其训练过程为：基于历史数据中正常围岩段的钻进参数及其对应的TBM掘进参数构建训练集；基于所述训练集对所述深度学习模型进行训练，获得训练好的映射关系模型。4.如权利要求1所述的基于随钻测试的TBM穿越不良地质智能掘进方法，其特征在于，所述钻进参数包括但不限于钻进压力、钻进速率、转速以及钻进扭矩。5.如权利要求1所述的基于随钻测试的TBM穿越不良地质智能掘进方法，其特征在于，所述TBM掘进参数包括但不限于推力、推进速度、转速以及扭矩。6.如权利要求1所述的基于随钻测试的TBM穿越不良地质智能掘进方法，其特征在于，所述围岩物性参...

【专利技术属性】
技术研发人员：许振浩，亢金涛，王朝阳，马文，谢辉辉，余腾飞，王文扬，林鹏，
申请(专利权)人：山东大学，
类型：发明
国别省市：