盾构掘进风险评估模型

阎向林

(中铁十六局集团 北京轨道交通工程建设有限公司，北京 101100)

近年来，我国城镇化的高速发展伴随着大量的基础设施建设，例如铁路建设和城市地下空间开发，隧道建设是城市地下空间开发中的重要内容[1-3]。不同水文与地质构造组成的复合地层给城市地下空间开发带来了巨大挑战。同时，由于隧道工程其特有的结构复杂性、施工隐蔽性和施工组织设计的综合性，使得隧道施工周期长、造价高、施工技术要求高以及施工过程中不可控风险因素众多[4-5]。若没有合理的风险评估方法和有效的施工管理措施，将会大大增加隧道工程的施工风险。重大的风险事故将给施工单位造成巨大的经济损失。地下空间开发中遇到的地层具有一定的区域特征，例如珠三角地区，一般使用盾构法施工，采用土压平衡盾构机。在土压平衡盾构机进行隧道施工的时候，经常会出现刀具、刀盘磨损严重的情况，以及地面坍塌、隧道涌水等事故。随着城市地下空间开发力度的增大，超大直径的盾构机逐渐运用到隧道施工过程中，其具有机械化程度高、施工效率高等优势，但施工过程中的风险也随之增加。盾构机掘进风险的准确评估有助于降低施工风险，防止事故的发生，确保地下空间开发高效有序地进行。为了降低隧道施工风险和提高施工效率，许多专家学者提出了不同的模型，可以大致分为2种，即定性评估与定量分析。郭发蔚等[6]以贝叶斯网络为基础，提出了隧道施工风险模糊评估方法。黄萍等[7]运用层次分析法，构建了管廊盾构施工的动态事故树模型。张欢等[8]针对铁路隧道工程的施工特点，提出了基于数据聚类的隧道施工风险评价模型。安永林等[9]基于可拓评价模型，构建了隧道结构健康状况评估模型。王天瑜等[10]基于可拓学物元理论，构建了盾构隧道开挖面塌方风险等级评估模型。姜伟等[11]运用层次分析法与模糊综合评价法，建立了盾构掘进的适应性评价模型。以上模型主要依靠专家评估，使得评估结果具有一定主观性。刘颖彬等[12]以双圆隧道为工程背景，总结分析了盾构下穿对双圆隧道变形的影响，为隧道施工过程中风险指标的制定提供了参考价值。柳程柱等[13]运用数值模拟的方法对隧道上方管线在施工过程中产生的沉降进行了模拟分析。本文基于云模型，依托隧道工程实测数据，建立了盾构掘进风险评估模型。该模型将实测数据进行了有效融合，使评估结果更具可靠性，符合工程实际情况，可以有效降低盾构隧道施工事故的发生和提高施工安全管理水平。

1 工程概况

1.1 工程简介

本隧道工程位于珠海市，施工里程为DK 35+550～DK37+700。隧道为双洞单行线，其中单线隧道长2.15 km。隧道管片的厚度为0.4m，宽度为1.8m，净空为8.0m。管片外径为8.8m，内径为8m。盾构隧道衬砌环由4块标准块、2块邻接块和1块封顶块组成。盾构管片整个环面设置凹凸槽，内外侧分别设置嵌缝槽和弹性密封垫。衬砌环的环缝与纵缝均使用斜螺栓连接，其中环向连接螺栓有14个，纵向连接螺栓为19个。为了满足实际工程施工纠偏的要求，采用通用环管片。本隧道区间分为左线与右线2个部分，其中左线部分的线路起点在三灶东站，线路在DK36+000处变坡，然后以3.2‰的纵坡上行，坡长1.650 km；在DK37+650处变坡，以2‰的纵坡下行至珠海机场站。而右线部分与左线部分的起点一样，在YDK36+000处变坡后上行，坡长为1.65 km；然后在YDK37+650处变坡后下行，在YDK38+294.429处与左线完成并线，坡长为0.644 km。该隧道工程采用多工法联合施工，其中有矿山法、明挖法和盾构法。根据工程地质情况，盾构法施工采用土压平衡盾构机。本文研究的区间段为盾构法施工区段。

1.2 工程地质条件

隧道盾构施工段位于海积平原区，地表为机场大道，道路填高3～10m，成分以黏土夹砂为主，局部夹碎石。隧道的洞顶埋深0.00～16.00m。人工填土层、海陆相沉积的粉质黏土、淤泥、粉砂黏土和粗砂为主要的地层类型。人工填土层厚度在4.6m左右。粉质黏土呈褐黄色，具有一定的可塑性，夹杂着粗砂和淤泥，地层稳定性差，平均埋深与厚度分别为13.78m和6.14m。淤泥呈现灰色-深灰色状态，具有流塑性，平均埋深与厚度为15.16m和3.71m。粉砂与粗砂呈现褐黄色与灰白色，状态为稍密到中密，饱和态，粉砂的平均埋深与厚度分别为5.43m和5.67m，粗砂的平均埋深与厚度分别为21.92m和2.88m。下浮基岩为花岗岩，呈肉红色，处于全风化到弱风化的阶段。全风化花岗岩的岩芯呈现砂土状；强风化花岗岩的岩芯呈块状机短柱，其裂隙节理发育；弱风化的花岗岩为硬质岩，质地坚硬，但裂隙节理发育。该段隧道洞身主要位于软土环境中，为可塑性黏土与流塑性淤泥，局部处于砂土和全风化花岗岩地层中。洞底主要位于粉质黏土与黏土中，该黏土具有一定的可塑性，局部位于具有一定流塑性的淤泥、砂土和全风化花岗岩地层中。图1为隧道穿越的地质剖面图(部分)。隧道洞身所处的围岩具有软弱、易变形的特点，盾构隧道施工过程中，需要及时进行支护，以防止盾构隧道事故的发生。盾构法施工的工程段地下水埋深在0.7～2.8m，具有氯盐侵蚀性，砂层及全风化花岗岩地层含水量丰富，在隧道施工过程中需要做好防涌水措施。

图1 施工现场地质断面Fig.1 Geologicalprofile of construction site

1.3 盾构掘进参数分析

在复杂地层中，土压平衡盾构机的掘进风险评估尤其重要。在隧道施工过程中，运用恰当合理的模型对盾构掘进进行有效的风险评估，将降低隧道施工事故的发生并提高施工效率。盾构掘进施工风险评估影响因素众多，结合实际工程概况，选取总推力、刀盘扭矩、螺旋机转速、土压力、泡沫注入量、泡沫注入压力和注浆压力等7个施工参数。图2是施工参数的监测数据，由图可知刀盘扭矩、螺旋机转速、土压力、泡沫注入量和注浆压力的监测数据波动较小。刀盘扭矩的监测数据主要在3 000～4 000 kN∙m之间；泡沫注入压力在150～350 kPa之间；注浆压力维持在200～350 kPa之间；总推力的监测数据在16 000～24 000 kN之间，在480环后出现了突变，在500环管片时，总推力的监测数值下降到12 000 kN。表1为盾构区间掘进参数的统计特征，主要是最大值、最小值与平均值。在建立盾构掘进风险评估模型前，需根据实际工程概况与施工经验，将监测数据划分为5个等级，如表2所示。例如总推力被划分为5个区间，分别为[5 000,10 000]，[10 000,15 000]，[15 000,20 000]，[20 000,25 000]和[25 000,30 000]。

表2 掘进参数等级划分Tab le 2 Classification of influential factors

图2 盾构掘进参数的监测数据Fig.2 M easured data of influential factors

2 盾构掘进风险等级评估方法

本文以珠海市三灶隧道项目为依托，结合云模型理论，提出盾构掘进风险评估模型。

2.1 盾构掘进参数分析

从盾构机中搜集的数据具有大小不一、单位不同的特点，如表1所示。在建立盾构掘进风险评估模型时，需要对不同影响因素的实测数据进行归一化处理，如式(1)：

表1 盾构区间掘进参数统计特征Table 1 Statistical characteristic ofmeasured data concerning on influential factors

其中：x(j,norm)为第j个影响因素实测数据的归一化值；xj,m为第j个影响因素的实测值；Cj,min和Cj,max分别为掘进参数等级划分的最小值和最大值。例如，总推力的实测值为8 000 kN，则归一化后的值为(8 000～5 000)/(30 000～5 000)=0.12。

由于每个影响因素对模型评估结果的贡献度不一样，为考虑这种差异性，本文运用式(2)确定每个因素的权重：

其中：ηj为第j个影响因素的权重；x(j,norm)为第j个影响因素实测数据的归一化值。

2.2 云模型

云模型用语言变量来实现模型定性与定量之间的转换[14-16]，在地下空间开发、风险评估、图像识别和模糊控制等领域得到广泛的应用[17-20]。云模型用3个特征参数，即期望(Ex)、熵值(En)和超熵(He)表征产生云滴的随机性。将云模型与施工现场实测数据进行有机结合，实现了定量数据和定性概念之间的相互转换。

云模型发生器分为正向正态云发生器和反向正态云发生器。本文采用正向正态云模型发生器，在正态云发生器中，其中云定义满足以下条件[14]：

其中：xi是产生的正态随机数，期望和方差分别为Ex和En2；′是产生的正态随机数，期望和方差分别为En和He2。xi的隶属度由式(4)确定：

其中：φ(xi)是xi的隶属度函数。

在本文中，云模型中3个特征参数期望(Ex)，熵值(En)和超熵(He)由式(5)确定：

其中：Exij和Enij分别为第j个影响因素的第i个区间(归一化后)的期望和熵值。例如，总推力的5个区间，分别为[5 000,10 000]，[10 000,15 000]，[15 000,20 000]，[20 000,25 000]和[25 000,30 000]，归一化后为[0,0.2]，[0.2,0.4]，[0.4,0.6]，[0.6,0.8]和[0.8,1.0]，则总推力在各个区间的Exij和Enij分 别 为0.1，0.3，0.5，0.7，0.9和0.667，0.667，0.667，0.667，0.667。

将性质相同的子云合成为父云。其中，父云(Ex,En,He)由n个子云Cn(Exj,Enj,Hej)合成，子云合成父云的方法如式(6)：

其中：子云Cn(Exj,Enj,Hej)由每个影响因素的实测数据产生，ηj为第j个影响因素的权重。

2.3 盾构掘进风险等级评估

在通过子云合成父云后，父云为待识别云U(Ex,En,He)，需要通过计算标准云和待识别云之间的相似度，进而确定盾构掘进的风险等级，具体步骤如下[21]。

步骤1：以待识别云的数字特征为基础，产生以期望和方差分别为En和He2的随机数En′i，以期望和方差分别为Ex和的随机数xi。

步骤2：用公式(4)计算随机数xi的隶属度，云滴的数量设置为1 000。

步骤3：计算标准云与待识别云之间的相似度，其计算方法如式(7)：

步骤4：归一化标准云与待识别云之间的相似度，其中归一化后的相似度在某一等级的最大值即为该盾构掘进风险等级，计算方法如式(8)和式(9)：

其中：ϕi(Li)为归一化后第i等级的相似度。

3 案例结果分析

图3为标准云模型的示意图，一共有5级，与盾构掘进参数划分的等级一致。为了验证所提出模型的有效性，本文选取盾构隧道第17环管片安装时产生的数据集为例。当第17环管片进行安装与拼接时，产生的数据集为{总推力，刀盘扭矩，螺旋机转速，土压力，泡沫注入量，泡沫注入压力，注浆压力}={18 300,3 400,10.6,60,72,1.8,2.4}。将数据集按式(1)归一化得到{0.532,0.567,0.530,0.240,0.180,0.300,0.600}。由式(2)得到每个影响因素的权重为{0.180,0.192,0.180,0.081,0.061,0.102,0.203}。由式(3)～式(6)可得第17环管片数据集的父云为(Ex,En,He)=(0.615 0，0.066 7，0.005 0)，合成的父云即为待识别云。图4为标准云与第17环管片的待识别云。在此种情况下，难以确定具体的风险等级。用式(7)～式(9)计算归一化后标准云与待识别云在每个等级的相似度。图5是管片第11环～20环的相似度评估结果。通过图5可知，第17环管片在第4等级的相似度最大，因此该管片的盾构掘进风险等级为4级。其他管片(10～20)的掘进风险等级均可通过图5确定。

图3 标准云图Fig.3 Standard cloudmodel

图4 标准云与17环管片的待识别云Fig.4 Standard cloud and the identified cloud of seventeenth segmentof the tunnel

图5 标准云与待识别云在每个等级的相似度Fig.5 Sim ilarity degree in each levelbetween standard and identified cloud

通过运用本文提出的盾构掘进风险评估模型，可以得到土压平衡盾构机安装500环管片的风险等级。图6为盾构掘进每一环的风险等级，在安装前100环管片时，盾构掘进风险等级出现4级和5级，为较高风险等级；在100环，风险等级开始下降；到200环后，风险等级基本集中在1级和2级，表明盾构掘进处于一种较为安全的状态。这与实际情况相符，盾构机在掘进初始阶段，地层中孤石较多，地层相对较复杂，管片安装与施工风险较大；在盾构掘进后期，地层较为简单，主要为黏土、淤泥等，盾构管片安装风险较低。

图6 盾构掘进每一环的风险安全状态等级Fig.6 Risk levels resultsof each segmentof the tunnel

4 结论

1)基于云模型理论建立了盾构掘进风险评估模型，通过计算标准云与待识别云的相似度得出隧道掘进风险等级，评估结果对实际工程有一定的指导意义，具有可靠性与可操作性。

2)根据隧道工程施工情况，将影响因素划分为5个等级并确定了7个影响因素。以珠海市某隧道工程为案例进行风险分析，评估结果与实际情况相符合，验证了模型的有效性。评估结果可为土压平衡盾构机在复合地层掘进的风险评估和降低盾构施工风险事故提供一定参考价值。