上软下硬地层盾构掘进姿态施工参数模糊控制研究

张爱军



上软下硬地层盾构掘进姿态施工参数模糊控制研究

张爱军

(中铁十二局集团有限公司，山西 太原 030032)

盾构施工法在城市地铁施工中已经成为主要方法，盾构在掘进中的姿态控制是确保隧道施工质量的关键技术之一。上软下硬地层是一种开挖地铁隧道时遇到的复合特殊地层，上部土层或软岩具有不稳定性，而下部岩层又具有很高的强度，盾构施工时，盾构机有向软弱地层方向偏移的惯性，因此与均一地层相比，盾构在上软下硬地层掘进时姿态控制更需要关注。由于地质条件复杂，影响盾构掘进姿态的因素较多，盾构掘进姿态控制难度较大。依托某实际工程，运用BP神经网络模型对掘进速度、刀盘转速、刀盘扭矩、油缸总推力、上下油缸推力差以及土与岩在掘进面占比等施工参数对盾构隧道轴线偏移量的影响进行比较详细的研究，得出盾构施工参数对姿态控制的影响及其规律。

上软下硬地层；盾机构；姿态控制；模糊控制

进入21世纪，我国城市化进程快速推进，随着城市的快速发展，城市的交通拥堵已经成为制约经济发展和社会进步的重要问题之一。地铁由于其庞大的运能和快速性能，已成为我国大中城市缓解地面交通压力不可或缺的关键。为了保证地铁隧道的安全开挖，盾构法作为一种比较安全的施工方法已经成为城市地铁施工的主要施工方法之一。盾构施工过程中会经常遇到一些特殊的地质状况，如上软下硬的复合地层。在上软下硬地层中，上部的土层或软岩层具有不稳定性，而下部硬岩层又具有很高的强度，因此盾构在上软下硬地层地质掘进时姿态难以控制。盾构主机有着向地层较软一侧偏移的惯性，特别是当盾构机需要向硬岩一侧调线时，姿态将更难控制，甚至造成盾构机的“卡壳”。在上软下硬地层中进行掘进，盾构姿态控制相对均一地层比较困难，但盾构的姿态控制是确保隧道施工质量的关键技术之一，而盾构机掘进参数的合理选择是盾构机正常顺利掘进、盾构机系统稳定、盾构机有效率掘进的保证，是盾构姿态控制的主要因素。陆苗祥[1]应用正交试验设计技术，讨论了富水地层盾构施工参数与施工方案，YANG等[2−5]进行盾构掘进参数组合试验，采用多元统计分析方法，对土仓压力、推力、刀盘转速等主要掘进参数对掘进速度、刀盘扭矩的影响进行了研究，得到了土压平衡式盾构在软土中的掘进速度数学模型和刀盘扭矩数学模型，并指出对掘进速度和刀盘扭矩影响最大的3个操作参数依次为：千斤顶推力、土舱压力和刀盘转速。李潮等[4]在充分理解和分析刀盘与土体相互作用的基础上，基于盾构现场大量实测数据，逐一、系统地找出刀盘扭矩的影响因素，推导出土压平衡盾构刀盘扭矩的数学模型，并在实际工程中对其进行校正，并通过将影响刀盘扭矩的因素进行量化分析，导出了适应各种地质条件下的扭矩计算公式。ZHANG等[5]结合北京地铁盾构施工的经验，介绍了盾构法施工时的盾构机姿态偏差问题及相应处理办法。李有兵[6]基于盾构机掘进的历史数据，分析了盾构掘进时影响盾构姿态的主要因素。ZHU等[11−15]结合工程实际，对盾构掘进的偏差实测数据进行具体分析，得出了盾构掘进方向发生偏差的原因和规律。分析了盾构施工在不同地质条件下的姿态控制技术，提出了一些盾构机的纠偏方法，给出几个实例详细阐述盾构的姿态调整。任福松等[7]对盾构机姿态的测量进行介绍，深入阐述盾构机坐标系的建立及其与测量坐标系的转换。王升阳等[8]介绍了盾构姿态控制的技术要求，建立了数学模型分析盾构姿态与管片姿态的相互关系。彭勇涛[9]结合工程实践，分析了隧道设计轴线，盾构机轴线，管片中轴线三者的关系。

1 工程概况

青岛地铁2号线是连接青岛与黄岛的一条骨干线路，同时将青岛老城区、行政中心、商业中心、东部文化中心和北部生活中心等一系列大的客流集散点连接在一起。线路总长约55.3 km，全线共设40座车站。青岛地质条件比较复杂，2号线所穿越的地层既有硬岩也有软岩、断层破碎带，地质复杂多变，区间穿越不同地层，基岩软硬变化大，上覆土层直接与坚硬的岩石相连，造成上软下硬这样特殊的地层条件。

青岛地铁2号线在南京路站~燕儿岛路站站区间采用盾构法施工，区间线路长度约849 m，隧道顶埋深约10~12 m。局部发育有糜棱岩、碎裂岩等构造岩，部分地段穿插有各种岩脉，构造裂隙水发育，隧道围岩自稳性较差，形成相对不均匀的岩石地基。通过钻探揭示，场区第四系厚度8~15 m。第四系由全新统人工素填土(Q4ml厚约1~5 m)和杂填土(厚约3.3 m左右)组成，全新统洪冲积层(Q4al+pl)的粉质黏土层厚约0.9~2.8 m、细砂层厚约1.7~7.6 m，分布较广泛，上更新统洪冲积层(Q3al+pl)的碎石层厚约0.76~6.1 m，分布广泛。

场区内基岩以粗粒花岗岩为主，煌斑岩、花岗斑岩呈脉状穿插其间。由于长期受内外地质营力作用，场区内岩体物理力学性质在空间上发生了不同程度的变化，自上而下形成了性状各异的风化带。不同岩性由于其矿物成份、结构构造不同，受内外动力作用改造的程度不同，导致其风化程度及风化带特征也有较大差异。由上至下，分布着强风化带(厚约1.7~29.6 m，岩石等级大部为V级)、中风化带(厚0.5~8.0 m，大部岩石等级为Ⅳ级)、微风化带(2.3~10.1 m，属于较完整的较硬岩~坚硬岩，岩石等级为Ⅲ~Ⅱ级)，具体见图1。

图1 南京路站地质纵断面图

沿线地下水主要有3种类型：松散土层上层滞水、松散土层孔隙潜水、基岩裂隙水，地下水水位变幅约1~3 m。地下水流向自北向南，排泄方式主要有蒸发、径流、向深层承压水渗透和人工开采。地下水对混凝土结构具微腐蚀性，对钢筋混凝土结构中的钢筋在干湿交替下具有弱腐蚀性，在长期浸水下具有微腐蚀性。

2 掘进参数的BP神经网络模拟分析

2.1 神经网络的介绍

神经网络(neural network)是在对人脑认识的基础上，以数学和物理方法及从信息处理的角度对人脑生物神经网络(biological neural network，BNN)进行抽象并建立起来的某种简化模型。神经网络的基本特征可归结为结构特征和能力特征[10]。1) 结构特征——并行处理、分布式存储与容错性。人工神经网络是由大量的简单处理单元相互连接构成的高度并行的非线性系统，具有大规模并行性处理特征。2) 能力特征——自学习、自组织与自适应性。自适应性是指一个系统能够改变自身的性能以适应环境变化的能力，它是神经网络的一个重要 特征。

2.2 神经网络的基本模型

图2 神经元模型

2.3 神经网络的训练和学习

人类之所以能够适应周围环境是因为人类神经系统具有从周围环境获取知识进行学习的能力。对于人工神经网络，学习能力也是其最重要的特点。任何一个神经网络模型要实现某种功能的操作，就必须先对它进行训练，即让它学会它要做的事情，并把这些知识记忆(存储)在网络的权值中。神经网络的学习有2种形式：有监督学习和无监督学习2类。有监督学习是指有指导的训练算法，不但需要训练用的输入向量，还要求与之对应输出的目标向量。无监督学习是无指定的训练部要求的目标向量，仅仅根据网络的输入调整网络的权值和偏置值，网络通过自身的“经历”来学习某种功能。不管是有指导的学习还是无指导的学习，都要通过调整神经元的自由参数(权值或阀值)实现。

2.4 BP神经网络

BP(back propagation)神经网络是一种按误差逆传播算法训练的多层前馈网络(见图3)，是目前应用最广泛的神经网络模型之一。BP神经网络由输入层、中间层、输出层组成。中间层也就是隐层，可以是一层或多层。BP神经网络的学习过程由两部分组成：正向传播和反向传播。当正向传播时，信息从输入层经隐层处理后传向输出层，每一层神经元的状态值影响下一层的神经元状态。如果在输出层得不到希望的输出，则转入反向传播，将误差信号沿原来的神经元连接通路返回。返回过程中，逐一修改各层神经元连接的权值。这种过程不断迭代，最后使得误差信号达到允许的范围之内。由上述可以看到，在多层前馈网络中有2种信号在流通：1) 工作信号，它是施加输入信号后向前传播直到在输出端产生实际输出的信号，是输入和权值的函数。2) 误差信号，网络实际输出与应有输出间的差值即为误差，它由输出端开始逐层向后传播。

2.5 模型的建立

图3 BP神经网络模型

图4 掘进面中心点到岩土分界面的距离

BP神经网络模拟盾构轴线移动量对掘进速度、刀盘转速、刀盘扭矩、油缸总推力、上下油缸推力差、土与岩在掘进面占比的函数。在MATLAB中掘进速度、刀盘转速、刀盘扭矩、上下油缸推力差、土与岩在掘进面占比为6个输入，盾构轴线偏移量为1个输出。这里按上段的选取原则选取实际工程60组数据作为训练样本，并采用十组数据作为检测样本，把10组样本的掘进速度、刀盘转速、刀盘扭矩、上下油缸推力差、土与岩在掘进面占比，利用神经网络得出输出，再与工程实际的盾构轴线移动量进行对比。

运行程序，得出图5的50组样本的模拟值(预测值)与实际监测数据的对比图，计算结果与实测值误差的均方差为0.00727，相对是比较小的，相关系数为0.894，大于0.89，这说明模拟结果能够满足实际工程的需要。提取测试样本的输出值数据与样本实际轴线偏差进行对比如表1所示。10对数据的差值只有第7、第8、第10组在1~3之间，其余都在1以内。而工程实际中轴线移动量绝大多数是在−12到12之间摆动，故模拟较为精确。运用此模型，只要知道盾构的掘进参数，以及盾构周围的地质条件，便可估计盾构轴线移动量。

2.6 各施工参数与盾构隧道轴线偏移量关系的研究

盾构姿态控制的直接影响是盾构轴线偏移量，从现场实际数据可知盾构轴线偏移量与掘进速度、刀盘转速、刀盘扭矩、刀盘上下推力差、土与岩在掘进面占比的关系并不是很清晰。为了研究盾构隧道轴线偏移与各个盾构施工参数之间的关系，运用神经网络模型，采用控制变量法来研究各个施工参数对盾构轴线偏移量的影响。

表1 盾构偏移量的实测值与计算值

2.6.1 油缸上下推力差与盾构轴线移动量的关系

应用BP神经网络模型，对输入自变量进行控制，只改变上下推力差这一变量，而其他参数不变，以此得出模型输出(即为盾构轴线偏移量)。掘进速度设置为1.9，刀盘转速设置为1.1，刀盘扭矩设置为3.7，油缸总推力设置为14500，掘进面中心点到岩土分界面的距离设为0，上下油缸推力差按公差为200的等差数列从3200减少到400，进行15次输入输出。

图5 样本模拟值与实际值的对比图

各推力差下的盾构轴线偏移量计算如图6所示。从图中可以看出，盾构轴线移动量随着盾构机上下油缸推力差的增大而向上偏移。

2.6.2 土与岩在掘进面的占比与盾构轴线移动量的关系

将掘进速度设置为1.9，刀盘转速为1.1，刀盘扭矩为3.7，油缸总推力为14 500，上下油缸推力差为1 800和盾构埋深为11，考虑盾构掘进面上土与岩所占比例对隧道轴线偏移的影响，各种掘进面中心点到岩土分界面的距离按公差为0.4的等差数列从3.14减少到−2.46，隧道轴线偏移量计算结果如图7所示。从图中可以看出随着岩土占比增大，盾构轴线移动量先减少后增大，在盾构掘进面中心距土岩分界面为0左右的盾构轴线移动量最小。

图6 推力差与盾构轴线偏移量关系

图7 土岩占比与盾构轴线偏移量关系

2.6.3 盾构埋深与盾构轴线偏移量的关系

将掘进速度设置为1.9，刀盘转速为1.1，刀盘扭矩为3.7，油缸总推力为14 500，上下油缸推力差为2 200，掘进面中心点到岩土分界面的距离为0和盾构埋深按公差为0.2的等差数列从13减少到10.2，进行15次计算。计算结果如图8所示，从图中可以看出盾构轴线偏移量随着埋深的增大而 增大。

图8 盾构埋深与盾构轴线偏移量关系

图9 掘进速度与盾构轴线偏移量的关系

2.6.4 掘进速度与盾构轴线移动量的关系

刀盘转速设置为1.1，刀盘扭矩设置为3.7，油缸总推力设置为14 500，掘进面中心点到岩土分界面的距离设为0，上下油缸推力差设为2 200，盾构埋深设为11，掘进速度按公差为0.1的等差数列从3减少到1.6，进行15次计算，结果如图9所示。从图9中可以看出盾构轴线移动量随着掘进速度增大的变具有随机性，而且对盾构轴线移动量的影响不超过1 mm，故可认为盾构轴线移动量与掘进速度无关。

2.6.5 刀盘转速与盾构轴线移动量的关系

将掘进速度设为1.9，刀盘扭矩为3.7，油缸总推力为14 500，掘进面中心点到岩土分界面的距离设为0，上下油缸推力差为2 200，盾构埋深为11，刀盘转速按公差为0.02的等差数列从1.28减少到1，进行15次计算，计算结果如图10所示。从图10中可以看出盾构轴线移动量随着刀盘速度增大的改变具有随机性，而且对盾构轴线移动量的影响不超过2mm，故可认为盾构轴线移动量与刀盘转速无关。

图10 刀盘转速与盾构轴线移动量的关系

2.6.6 刀盘扭矩与盾构轴线移动量的关系

将掘进速度设为1.9，刀盘转速为1.1，掘进面中心点到岩土分界面的距离为0，油缸总推力为14 500，上下油缸推力差为2200，盾构埋深为11，刀盘扭矩按公差为0.04的等差数列从3.9减少到3.34，进行15次计算。计算结果如图11所示。从图11中可以看出盾构轴线移动量随着刀盘扭矩增大的改变具有随机性，而且对盾构轴线移动量的影响不超过2mm，故可认为盾构轴线移动量与刀盘转速无关。

2.6.7 总推力与盾构轴线移动量的关系

将掘进速度设为1.9，刀盘转速为1.1，刀盘扭矩为3.7，掘进面中心点到岩土分界面的距离为0，上下油缸推力差为2200，盾构埋深为11，油缸总推力按公差为300的等差数列从17000减少到12 800，进行15次计算，计算结果如图12所示。从图12中可以看出盾构轴线移动量随盾构机总推力增大而增大。

图11 刀盘扭矩与盾构轴线偏移量的关系

图12 油缸总推力与盾构轴线偏移量的关系

3 结论

1) 所建立的BP神经网络模型，能够基本模拟掘进速度、刀盘转速、刀盘扭矩、油缸总推力、上下油缸推力差、土与岩在掘进面占比的函数等施工参数对盾构隧道轴线偏移量的影响，能够在已知地质资料和盾构掘进参数的基础上，估算盾构轴线向上或者向下偏移量的大小。

2) 运用神经网络模型，通过控制变量法，分析某2个参数的关系，得出以下结论：盾构轴线偏移量(向上为正，向下为负)与掘进速度、刀盘转速、刀盘扭矩无关；在其他条件不变时，盾构轴线偏移量随着上下油缸推力差的增大而增大，随着土岩占比增大先减少后增大，随着隧道埋深的增大而增大，随盾构总推力增大而增大。

[1] 陆苗祥. 浅谈富水地层盾构区间施工方案[J]. 黑龙江科技信息, 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, 王梦恕, 张照煌, 等. 土压平衡盾构反扭矩的分析和计算[J]. 岩土力学, 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, 周宏伟, 左建平, 等. 土压平衡盾构刀盘扭矩计算方法与多因素量化分析[J]. 岩石力学与工程学报, 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. 大直径泥水平衡盾构穿越上软下硬地层的施工技术研究[D]. 成都: 西南交通大学, 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. 地铁施工中的盾构机姿态控制研究[J]. 交通标准化, 2009(17): 134−137.REN Fusong, JIN Jianjun. Shield machine attitude control in subway construction[J]. Transport Standardization, 2009(17): 134−137.

[8] 王升阳, 高俊强, 刘伟诚. 地铁盾构施工中盾构姿态的控制方法[J]. 测绘地理信息, 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] 彭涌涛. 盾构掘进姿态控制技术研究[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. 神经网络导论[M]. 长沙: 国防科技大学出版社, 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

湖南省重点研发资助项目(2015SK20682-2)；住房和城乡建设部资助项目(2012-R2-28)；中铁建青岛地铁2号线项目指挥部科研基金资助项目

张爱军(1969−)，男，河北唐山人，高级工程师，从事地铁工程施工与工程管理工作；E−mail：446245611@qq.com

(编辑 蒋学东)