引汉济渭工程岭北隧洞TBM利用率分析

刁振兴， 薛亚东， 王建伟

(1. 同济大学土木工程学院地下建筑与工程系， 上海　200092； 2. 同济大学岩土及地下工程教育部重点

实验室， 上海　200092； 3. 中铁十八局集团隧道工程有限公司， 重庆　400700)



引汉济渭工程岭北隧洞TBM利用率分析

刁振兴1，2， 薛亚东1，2， 王建伟3

(1. 同济大学土木工程学院地下建筑与工程系， 上海200092； 2. 同济大学岩土及地下工程教育部重点

实验室， 上海200092； 3. 中铁十八局集团隧道工程有限公司， 重庆400700)

摘要：为了分析TBM利用率的主要影响因素，统计分析引汉济渭工程岭北隧洞连续掘进2 100 m的围岩特征和掘进记录，确定了导致TBM非正常停机的底事件，建立了TBM非正常停机故障树模型，结果表明出渣系统故障、支护设备故障、刀盘刀具故障和电气故障是导致TBM利用率不高的主要因素。通过TBM利用率及主要故障与场切深指数(Field Penetration Index，FPI)相关性分析，表明节理破碎岩体中TBM利用率与FPI之间不存在明显相关性，出渣系统故障、支护设备故障、刀盘刀具故障与FPI有较强的相关性。分析主要故障发生原因，从设备管理和现场施工管理2个方面提出TBM利用率提高措施。

关键词：引汉济渭输水隧洞； TBM利用率； 故障树；FPI； 相关性分析

0引言

近年来，全断面硬岩掘进机(Tunnel Boring Machine，TBM)在全世界铁路、水利水电、煤炭、矿山和城市轨道交通等硬岩隧道施工中得到了广泛应用。TBM是一种集机械、电气、液压和自动控制等技术于一体的高度机械化和自动化的全断面一次成型隧道开挖设备。TBM相对于传统钻爆法，具有高效、快速、安全、优质等优点[1]，尤其在长大隧道中优势明显。近几年的隧道工程建设中有30%～40%是采用TBM进行开挖的[2]。随着我国TBM制造技术的逐渐成熟，TBM必将在我国隧道和地铁建设中得到越来越多的应用和发展[3]。

对于TBM开挖隧道的施工效率，一般用掘进速度、施工进度、掘进机利用率及刀具磨损4个指标来衡量。其中，将掘进机利用率U定义为TBM掘进时间与总当班时间的百分比。当掘进速度一定时，TBM利用率越高，施工进度越快。根据统计，TBM施工项目中掘进机利用率一般为15%～65%，不同工程掘进机利用率差别较大，主要因为掘进机利用率除了受地质因素和机械因素的影响之外，受人为因素影响较大，包括施工团队的技术经验水平、不同环境下的工作状态、现场施工组织水平以及对施工过程中突发事故处理能力等。因此，在项目前期规划和施工过程中很难对施工进度及工期准确预测。目前，针对TBM利用率影响因素的研究，国内外学者多基于工程实践考虑单因素和多因素进行分析。Frough等[4-5]基于岩体条件对TBM掘进速率及利用率进行研究；Kim[6]基于模糊逻辑法建立了TBM利用率预测模型；刘明月等[7]和余洁[8]分别结合秦岭隧道和中天山隧道工程实践探讨了地质因素对TBM掘进效率的影响；杨宏欣[9]指出影响TBM施工进度的因素主要有工程地质、TBM设备和管理3个方面；吴晓志[10]论述了工程地质条件、掘进模式与掘进参数、初期支护对于TBM掘进效率的影响。总之，目前学者的研究主要针对围岩地质条件、TBM设备、掘进及支护过程、管理等方面对TBM利用率进行定性讨论，尚未对影响TBM利用率的底层因素进行定量分析。

本文基于引汉济渭工程岭北隧洞敞开式TBM连续掘进2 100 m范围内的围岩特征和掘进记录，包括地层岩性、岩体完整性、掘进参数、停机故障和利用率等进行统计分析，研究导致TBM停机的底层基本因素及其对利用率的影响大小。通过底层因素重要度排序，确定TBM利用率主要影响因素。针对TBM利用率与主要故障类型，分析与场切深指数(FPI)的相关性，得出不同FPI区段主要故障导致的停机时间范围。最后，从设备管理和现场施工管理2个方面提出提高TBM利用率的措施，期望对类似条件下的隧道施工提高TBM利用率提供借鉴。

1工程概况

引汉济渭输水隧洞全长98.3 km，设计输水流量70 m3/s，纵坡1/2 500，最大埋深2 000 m，其中穿越秦岭段39.08 km，采用2台TBM分别从岭南和岭北相向施工，其他洞段采用钻爆法施工。岭北隧洞全长16 176 m，TBM施工段长度为16 066 m，检修洞室(长60 m)和拆卸洞室(长50 m)采用钻爆法施工，隧洞位于秦岭岭脊高中山区，最大埋深约1 300 m。

1.1地质条件

对岭北隧洞连续掘进2 100 m的围岩特征和掘进记录进行统计，其中Ⅲ类围岩883 m，Ⅳ类围岩942 m，Ⅴ类围岩295 m，围岩以千枚岩、变砂岩为主，岩石饱和单轴抗压强度16～92 MPa，节理裂隙发育、极发育。隧洞地层特征统计见表1。所统计掘进里程范围内未发生TBM卡机、突水涌泥等灾害性事故。

表1　隧洞地层特征统计表

根据西康铁路秦岭隧道和吐库二线中天山隧道TBM施工与岩石相关性研究，一般而言，岩石抗压强度为30～120 MPa，岩体较完整和较破碎状态最适合TBM掘进[8]。统计区段内除部分Ⅴ类围岩段岩石饱和抗压强度低于30 MPa，岩体极破碎之外，绝大部分岩石饱和抗压强度处于30～120 MPa，岩体完整性多呈完整性差-较破碎状态。对掘进速度进行统计分析，平均掘进速度为51 mm/min，最大掘进速度为100 mm/min，掘进速度较为理想。因此，该区段适于采用TBM施工。

1.2TBM特性

该段隧洞采用海瑞克敞开式TBM，直径8.02 m，刀盘布置19″滚刀50把，其中双刃滚刀8把，布置刮刀6组；采用皮带连续出渣，皮带系统包括TBM皮带和连续皮带。TBM具体性能参数见表2。

表2　TBM主要特性

2TBM利用率影响因素分析

2.1TBM非正常停机统计

TBM施工是一个复杂的系统工程，任何一个部件或过程出现故障都可能导致TBM停止掘进，而TBM掘进过程受地质环境和人为操作的影响，故障发生具有一定的随机性，不同故障对施工的影响程度以及故障修复所需时间也各不相同。为了获取各种故障发生的可能性大小，对2 100 m的TBM掘进故障记录进行统计分析。TBM非正常停机原因包括设备原因和操作管理原因2个方面。设备原因包括设备上所有系统及单项设备故障造成的停机，如： 刀盘刀具故障，出渣系统故障，支护设备故障，液压、润滑系统故障，电气系统故障，导向测量系统故障，风、水系统故障，其他各单项设备故障等。操作管理原因包括轨道运输故障、调度等设备外部原因造成的停机，以及组织管理不善造成的工序相互干涉，交接班、供料不及时等其他时间延迟。

总当班时间分布见图1。由图1可知，根据TBM利用率的定义，所统计区段的TBM平均利用率为21.45%；支护时间占比较大，为15.65%，主要因为统计区段围岩整体较破碎，开挖后稳定性差，支护耗时较长；而占比最大的是非正常停机导致的时间消耗，占比高达40.88%，是影响TBM利用率的主要因素。

图1　总当班时间分布图

依据直接产生原因归类的停机时间分布见图2。由图2可知，TBM因设备故障导致的停机时间比例明显高于因管理因素导致的停机时间，因此，TBM设备故障是TBM停机的主要原因，需要对TBM设备故障产生原因及影响重点进行分析。

图2　停机时间分布图

2.2TBM非正常停机故障树

故障树分析法是一种判明基本故障、确定故障原因和发生概率的简单可靠而又行之有效的诊断方法。国内外众多学者采用故障树分析法对隧道及地下工程相关问题进行了定性和定量研究[11-17]。

在统计工作基础上，对可能造成TBM停机的各种故障进行归类，建立TBM非正常停机故障树模型(见图3)，需要说明的是故障树中无工业水底事件指TBM设备水系统故障造成的无工业水情况，高压电故障指TBM高压电设备故障。外部高压电停电、外部无工业水供应等其他故障的发生及其造成的停机影响，因工程项目不同差异较大，并且与组织管理和设备配置是否合理等因素相关，因此不做进一步分析。

图3　非正常停机故障树模型

在TBM非正常停机的故障树分析中，最小割集代表导致TBM非正常停机事故发生的一种原因，可以求得TBM非正常停机的最小割集如下：{X1}，{X2}，{X3}，{X4}，{X5}，{X6}，{X7}，{X8}，{X9}，{X10}，{X11}，{X12}，{X13}，{X14}，{X15}，{X16}，{X17}，{X18}，{X19}，{X20}，{X21}，{X22}，{X23}，{X24}，{X25}，{X26}，{X27}，{X28}，{X29}，{X30}，{X31}，{X32}。代号具体说明见表3。导致TBM非正常停机的最小割集为32个，表示共有32种主要故障可能导致TBM停机。

表3　符号说明及底事件统计概率

2.3TBM利用率影响因素重要度分析

TBM非正常停机对TBM利用率的影响大小可用底事件故障恢复时间表示。底事件故障发生具有一定的随机性，连续掘进过程中不同底事件发生次数和单次事件发生后所需恢复时间不同，对TBM利用率的影响大小也不同。因此，为确定不同底事件对TBM利用率的影响大小，定义底事件的统计概率为本事件发生导致的总停机时间与总当班时间的比值，底事件统计概率越大表示对TBM利用率的影响越大。

(1)

式中： Pi为底事件Xi的统计概率；TXi为底事件Xi导致的总停机时间；T为连续掘进的总当班时间。

对底事件进行重要度排序[18]，得出对TBM利用率影响较大的前10种因素依次为： 硫化皮带，皮带刮伤、断裂修补，更换刀具，卡石、堵渣、跳闸急停，皮带架、滚筒、链条故障，高压电故障，皮带启动故障，喷、注浆系统故障，仰拱安装故障，刮渣器、挡板维保。进一步分析可知，在10种影响因素中， 有6种属于出渣系统， 2种属于支护设备， 1种属于刀盘刀具， 1种属于电气系统。

3基于FPIblocky的掘进机利用率分析

如前文所述，掘进机利用率与地质因素、机械因素、人为因素相关，为了分析TBM利用率在不同掘进状态下的差异以及不同故障造成的停机影响与TBM掘进状态相关性，对场切深指数(Field Penetration Index,FPI)[19-24]进行计算。FPI表示掘进单位切深所需的推力

(2)

式中： Fn为单刀推力，kN； PR为贯入度，mm/rev。

FPI通常用来反映岩石的可掘性。岩石强度越高，完整性越好，单位切深所需的推力越大，FPI值越高(可掘性低)；反之，岩石强度低，岩体节理裂隙发育，完整性差，FPI值低(可掘性高)[23-24]。针对块状岩体开挖掌子面不平整、单刀推力分布不均的问题，文献[25]提出块状岩体场切深指数FPIblocky，并选用单位体积节理数和岩石单轴抗压强度2个独立变量建立了预测块状岩体场切深指数的经验模型

(3)

式中TF为刀盘推力，kN。

由于刀盘推力由刀盘直径和滚刀数量决定，一般情况下，刀盘直径越大，滚刀数量越多，刀盘推力越大。在相同地质条件下，根据式(3)得出，TBM直径和刀盘配置的差异性导致FPIblocky不同，因此引入推力密度TF/D的概念[26]，采用式(4)进行FPIblocky值计算

(4)

式中D为刀盘直径，m。

根据TBM掘进记录，沿隧洞划分116个掘进单元，分别计算FPIblocky实测值(见图4)。由图4可知，FPIblocky实测范围为40～400kN/m/mm/rev，其中绝大部分处在50～200kN/m/mm/rev，FPIblocky与围岩条件对应关系见表4，故选择50～200kN/m/mm/rev的掘进单元数据进行掘进机利用率及主要故障分析。

图4　FPIblocky实测值分布范围

Table 4Quantative correlation betweenFPIblockyand rock mass conditions

FPIblocky/(kN/m/mm/rev)围岩条件50～100极破碎100～150破碎150～200较破碎

3.1TBM利用率与FPIblocky相关性分析

根据FPIblocky计算结果，对50～100、100～150、150～200 kN/m/mm/rev分区段进行利用率统计，如图5所示。结果表明，TBM利用率基本不随FPIblocky变化，很难直接建立TBM利用率与FPIblocky的相关关系，与文献[25]结论一致。不同FPIblocky分段的利用率变化范围见表5，由表5可见，在相同FPIblocky分段区间内，TBM利用率变化范围较大。因此，在节理破碎岩体中，考虑FPIblocky单一指标，难以对TBM利用率进行准确预测。

3.2主要故障与FPIblocky相关性分析

由上文分析可知，TBM利用率受诸多因素影响，主要故障有出渣系统故障、支护设备故障、刀盘刀具故障和电气故障等，其中电气故障主要是高压电故障，受管理因素影响，与FPIblocky无关。分别针对出渣系统故障、支护设备故障和刀盘刀具故障按照FPIblocky分段进行统计，故障导致的停机影响大小用该故障导致的停机时间与相应掘进距离比值表示。统计结果如图6和表6所示。

图5　不同FPIblocky区间平均利用率

Table 5Range of variation of TBM availability under different intervals ofFPIblocky

FPIblocky/(kN/m/mm/rev)利用率/%50～10013.95～31.14100～15014.03～30.30150～20012.36～32.99

图6　主要故障影响与FPIblocky相关性

由图6可知，随着FPIblocky值增大，出渣系统故障影响先减小后增大，支护设备故障影响逐渐减小，刀盘刀具影响变化不大。表6给出不同FPIblocky区间各主要故障导致的停机影响变化范围。

4TBM利用率提高措施

基于以上分析，减少TBM非正常停机次数和故障修复所需时间，能有效提高TBM利用率，从而提高TBM施工进度，缩短工程总工期。为此，对影响TBM利用率主要故障产生原因进行分析，并分别从设备管理和现场施工管理2个方面提出控制措施。

表6不同FPIblocky区间故障影响

Table 6Effect of different downtime under different intervals ofFPIblocky

故障类型FPIblocky/(kN/m/mm/rev)停机影响/(h/m)出渣系统支护设备刀盘刀具50～1000.27～0.37100～1500.17～0.26150～2000.32～0.4250～1000.23～0.29100～1500.07～0.12150～2000.04～0.0850～1000.08～0.11100～1500.05～0.08150～2000.07～0.11

4.1主要故障产生原因

4.1.1出渣系统

统计区段内围岩节理裂隙发育，掘进速度快，岩渣块体不均(见图7)，存在异形大块岩渣(见图8)；皮带转换处渣斗设计偏小，容易卡石、堵渣(见图9)；刀盘开口处挡渣块磨损严重(见图10)，导致大块岩渣未经破碎直接进入运输皮带；皮带运输距离长，发生皮带跑偏，皮带架、滚筒故障的可能性增加。

图7　岩渣不均

图8　异形大块岩渣

图9　皮带转渣舱卡石

图10　刀盘挡渣块磨损严重

4.1.2支护设备

统计区段围岩完整性差-破碎，初期支护量大，支护设备使用强度大，发生故障的次数增加。

4.1.3刀盘刀具

围岩节理发育，呈块状，掌子面围岩自稳性较差，易坍塌或大块岩石脱落。掘进时滚刀与岩面不密贴(见图11)，造成刀盘滚刀力分布不均，滚刀受冲击破坏。刀盘与掌子面之间积渣严重，造成刀盘磨损和滚刀偏磨严重(见图12)，刀盘维修以及换刀频率增加。

图11　掌子面不平整

图12　刀圈偏磨

4.2控制措施

4.2.1设备管理

对皮带转渣处进行设备改进，增大转渣舱；强制维保时间内加强对设备故障的预判，提前处理潜在故障，减少正常掘进停机次数。

4.2.2现场施工管理

根据实际开挖围岩情况以及皮带出渣量确定合理的掘进参数，控制出渣量，减小皮带运输压力；对皮带进行远程监控的同时，安排专员对运输皮带进行巡视，及时发现故障，防止恶化。在围岩破碎段，减小刀盘推力，控制掘进速度，减小掌子面与刀盘之间积渣，减少刀盘磨损与刀具偏磨故障。加强专业人员故障预判和处理能力，缩短故障修复时间。

5结论与讨论

1)对2 100 m的TBM掘进记录进行统计分析，得出TBM平均利用率为21.45%；非正常停机导致的时间消耗为40.88%，是导致TBM利用率低的主要因素。

2)建立非正常停机故障树，分析得出对TBM利用率影响较大的10种因素依次为： 硫化皮带，皮带刮伤、断裂修补，更换刀具，卡石、堵渣、跳闸急停，皮带架、滚筒、链条故障，高压电故障，皮带启动故障，喷锚注浆系统故障，仰拱安装故障，刮渣器、挡板维保。

3)通过主要故障与FPIblocky相关性分析，得出TBM利用率与FPIblocky之间不存在明显相关性。随着FPIblocky值增大，出渣系统故障影响先减小后增大，支护设备故障影响逐渐减小，刀盘刀具影响变化不大。

4)对主要故障原因进行分析，并从设备管理和现场施工管理2个方面提出相应的控制措施，以减少故障发生次数，缩短故障修复所需时间，从而提高TBM利用率。

5)由于数据统计建立在特定隧洞TBM掘进施工基础上，数据样本覆盖范围存在局限性，结论仅适用于类似隧洞。因此，有必要扩大数据样本，对TBM利用率进行全面分析。

参考文献(References)：

[1]龚秋明.掘进机隧道掘进概论[M]. 北京： 科学出版社，2014： 3-63.(GONG Qiuming.Introduction to tunnel boring machine[M]. Beijing: Science Press,2014： 3-63.(in Chinese))

[2]张军伟，梅志荣，高菊茹，等.大伙房输水工程特长隧洞TBM选型及施工关键技术研究[J].现代隧道技术，2010，47(5)： 1-10.(ZHANG Junwei, MEI Zhirong, GAO Juru, et al.Study on TBM type-selection and key technologies in Dahuofang water diversion tunnel [J].Modern Tunnelling Technology,2010,47(5): 1-10.(in Chinese))

[3]张镜剑，傅冰骏.隧道掘进机在我国应用的进展[J].岩石力学与工程学报，2007，26(2)： 226-238.(ZHANG Jingjian,FU Bingjun.Advances in tunnel boring machine application in China[J].Chinese Journal of Rock Mechanics and Engineering,2007,26(2): 226-238.(in Chinese))

[4]Frough O, Torabi S R , Ramezanzadeh A, et al. Effect of rock mass condition on TBM downtimes[C]//First Asian and 9th Iranian Tunneling Symposium,Iran: Iranian Tunnelling Association, 2011.

[5]Frough O, Torabi S R, Yagiz S, et al.Effect of rock mass conditions on TBM utilization factor in Karaj-Tehran water conveyance tunnel[C]//World Tunnel Congress,Thailand: ITA, 2012.

[6]Kim T. Development of a fuzzy logic based utilization predictor model for hard rock tunnel boring machines[D].Golden: Colorado School of Mines,2004.

[7]刘明月，杜彦良，麻士琪.地质因素对TBM掘进效率的影响[J].石家庄铁道学院学报，2002，15(4)： 40-43.(LIU Mingyue,DU Yanliang,MA Shiqi.Analysis of relationship between geologic condition and the efficiency of TBM boring[J].Journal of Shijiazhuang Railway Institute, 2002,15(4): 40-43.(in Chinese))

[8]余洁.中天山隧道TBM掘进施工适应性研究[J].现代隧道技术，2014，51(3)： 57-60,66.(YU Jie.Construction adaptability of a TBM in the Zhongtianshan tunnel[J].Modern Tunnelling Technology,2014,51(3): 57-60,66.(in Chinese))

[9]杨宏欣.TBM施工进度影响因素及控制措施[J].东北水利水电，2011(2)： 15-17.(YANG Hongxin.Construction schedule influence factors and control measures for TBM[J].Water Resources & Hydropower of Northeast China, 2011(2): 15-17.(in Chinese))

[10]吴晓志.中天山隧道TBM掘进效率影响因素分析[J].铁道建筑技术，2009(11)： 24-26.(WU Xiaozhi.Analysis of boring efficiency factors of TBM in Zhongtianshan tunnel[J].Railway Construction Technology,2009(11): 24-26.(in Chinese))

[11]周建昆，吴坚.岩石公路隧道塌方风险事故树分析[J].地下空间与工程学报，2008，4(6)： 991-998.(ZHOU Jiankun, WU Jian.Fault tree analysis of the collapse risk in rock highway tunnel[J]. Chinese Journal of Underground Space and Engineering, 2008,4(6): 991-998.(in Chinese))

[12]王燕，黄宏伟，薛亚东.钻爆法施工隧道塌方风险分析[J].沈阳建筑大学学报：自然科学版，2009，25(1): 23-27.(WANG Yan, HUANG Hongwei, XUE Yadong.Risk analysis of collapse for tunnel constructed by drill and blast method[J].Journal of Shenyang Jianzhu University: Natural Science,2009,25(1): 23-27.(in Chinese))

[13]张少夏，黄宏伟.影响隧道施工工期的风险分析[J].地下空间与工程学报，2005，1(6)： 936-939.(ZHANG Shaoxia, HUANG Hongwei.Risk analysis of tunnelling work period[J].Chinese Journal of Underground Space and Engineering, 2005，1(6)： 936-939.(in Chinese))

[14]黄宏伟，闫玉茹，胡群芳.复合式土压平衡盾构刀盘失效风险分析[J].岩土力学，2009，30(8)： 2324-2330.(HUANG Hongwei, YAN Yuru, HU Qunfang.Risk analysis of cutter head failure of composite EPB shield[J].Rock and Soil Mechanics, 2009,30(8): 2324-2330.(in Chinese))

[15]张小平，王杰，胡明亮.事故树分析在排桩基坑工程安全评价中的应用研究[J].岩土工程学报，2011，33(6)： 960-965.(ZHANG Xiaoping,WANG Jie,HU Mingliang. Application of FTA in safety assessment of row piles of excavation engineering[J].Chinese Journal of Geotechnical Engineering, 2011,33(6)： 960-965.(in Chinese))

[16]刘德军，黄宏伟，薛亚东.基于灰色关联的隧道衬砌裂缝致灾通道分析[J].同济大学学报： 自然科学版，2013，41(11)：1664-1669.(LIU Dejun,HUANG Hongwei,XUE Yadong.Disaster-inducing channels based on grey relational analysis for lining cracks[J].Journal of Tongji University: Natural Science, 2013,41(11): 1664-1669.(in Chinese))

[17]Ki-Chang Hyun, Sangyoon Min, Hangseok Choi,et al. Risk analysis using fault-tree analysis (FTA) and analytic hierarchy process (AHP) applicable to shield TBM tunnels[J].Tunnelling & Underground Space Technology,2015(49): 121-129.

[18]苏欣平，杨成禹，吴学深，等.基于灰色关联理论的故障树分析及程序实现[J].中国工程机械学报，2010，8(4)：461-465.(SU Xinping,YANG Chengyu,WU Xueshen,et al.Fault tree analysis and programming based on grey correlation theory[J].Chinese Journal of Construction Machinery, 2010,8(4): 461-465.(in Chinese))

[19]Klein S, Schmoll M, Avery T.TBM performance at four hard rock tunnels in California[C]//Proceedings of the Rapid Excavation and Tunnelling Conference,San Francisco: SEM,1995.

[20]Barton N.TBM Tunnelling in jointed and faulted rock[M].US: CRC Press,2000.

[21]Hassanpour J, Rostami J, Khamehchiyan M,et al. Developing new equations for TBM performance prediction in carbonate-argillaceous rocks: a case history of Nowsood water conveyance tunnel[J].Geomechanics & Geoengineering An International Journal,2009,4(4): 287-297.

[22]Hassanpour J, Rostami J, Khamehchiyan M,et al.TBM performance analysis in pyroclastic rocks: a case history of Karaj water conveyance tunnel (KWCT)[J]. Rock Mechanics and Rock Engineering,2010, 43(4): 427-445.

[23]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(5): 595-603.

[24]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.

[25]Delisio A, ZHAO J, Einstein H H.Analysis and prediction of TBM performance in blocky rock conditions at the Lötschberg Base Tunnel[J]. Tunnelling and Underground Space Technology,2013(33): 131-142.

[26]Delisio A, ZHAO J.A new model for TBM performance prediction in blocky rock conditions[J].Tunnelling and Underground Space Technology,2014,43(7): 440-452.

Analysis on TBM Availability in Construction of Lingbei Tunnel of

Hanjiang River-Weihe River Water Conveyance Project

DIAO Zhenxing1,2, XUE Yadong1,2, WANG Jianwei3

(1.DepartmentofGeotechnicalEngineering,TongjiUniversity,Shanghai200092,China; 2.KeyLaboratoryof

GeotechnicalandUndergroundEngineeringoftheMinistryofEducation,TongjiUniversity,Shanghai200092,China;

3.TunnelEngineeringCo.,Ltd.,ChinaRailway18thBureauGroup,Chongqing, 400700,China)

Abstract:The purpose of the paper is to analyze the main factors that affect TBM availability. In the paper, the characteristics of the surrounding rock and the 2 100 m-long boring record of Lingbei tunnel of Hanjiang River-Weihe River Water Conveyance Project are analyzed, the factors causing the abnormal downtime of TBM are determined, the fault tree model for the abnormal downtime of TBM is established. The results show that the mucking system failure, support equipment failure, cutter head and cutter failure and electric power failure are the main factors leading to the low availability of TBM. The correlation between TBM availability in fractured rock mass conditions and Field Penetration Index (FPI) is analyzed. The results show that there is no obvious correlation between TBM availability andFPI, while the mucking system failure, support equipment failure and cutter head and cutter failure have strong correlation withFPI. The main causes for the failures are analyzed and countermeasures in terms of equipment management and construction management are proposed.

Keywords:Hanjiang River-Weihe River water conveyance project; water conveyance tunnel; TBM availability; fault tree;FPI(Field Penetration Index); correlation analysis

中图分类号：U 45

文献标志码：A

文章编号：1672-741X(2015)12-1361-08

DOI:10.3973/j.issn.1672-741X.2015.12.020

作者简介：第一 刁振兴(1989—)，男，山东青岛人，同济大学土木工程学院地下建筑与工程系在读硕士，主要从事TBM掘进性能和刀盘刀具研究。

基金项目：国家自然科学基金资助项目(41072206)

收稿日期：2015-07-03; 修回日期: 2015-08-05