摘要：盾构掘进姿态的偏差变化和趋势,是现场管理者掌控项目施工安全与质量所需的关键信息。为了提高姿态控制的自动化与智能化水平,设计了基于小波变换(WT)与长短期记忆神经网络(LSTM)的预测模型WT-LSTM,通过历史施工数据对未来时刻盾构姿态参数进行预测,并对模型进行多次试验,以确定最优参数。在工程实例中,所提出的模型对各参数的预测均方根误差均较低。通过与其他方法的对比实验表明,所设计的模型能够实现根据历史数据准确预测未来时刻的盾构掘进姿态,辅助施工现场管理者和操作人员高效决策,提前规避异常掘进姿态,解决目前盾构施工人工决策低效、不稳定以及数据闲置等问题,对于保障盾构稳定掘进、减少盾构项目风险事故具有重要价值。

摘要：为解决电容式加速度计灵敏度低,交叉灵敏度高等性能问题,设计了一种新的三质量块MEMS三轴电容式加速度计,该三质量块加速度计能够测量x、y、z三个正交轴的外加加速度,单独的横向(x、y轴)和垂直轴(z轴)加速度计集成在同一SOI晶片上,并键合在玻璃基板上,实现了低交叉灵敏度和高机械灵敏度。分析并建立加速度计结构的数学模型,并通过COMSOL仿真分析,优化获得了加速度计的结构和尺寸,设计出的该三质量块加速度计的垂直轴方向的位移灵敏度为1.53669μm/g,水平轴方向的位移灵敏度为6.78μm/g,交叉灵敏度均小于1%。

摘要：目的盾构滚刀磨损是盾构施工中最常见的问题之一,为减缓刀具的剧烈磨损、延长刀具的使用寿命,采用等离子堆焊工艺在盾构滚刀表面制备镍基碳化钨涂层以强化滚刀性能,基于盾构滚刀服役的真实工况,研究滚刀涂层的摩擦学性能及其合理的评价方式。方法对镍基碳化钨涂层在往复滑动、冲滑复合(冲击+滑动)两种相对运动模式下进行摩擦磨损试验研究。结果制备镍基碳化钨涂层后可提高滚刀的耐磨性。往复滑动磨损后,镍基碳化钨涂层的磨痕宽度为0.42 mm,而H13钢的磨痕宽度达到0.78 mm,镍基碳化钨涂层的抗冲滑性能也明显优于H13钢。两种相对运动模式下镍基碳化钨涂层均主要承受磨粒磨损,但往复滑动模式下涂层存在局部剥落,而冲滑复合模式下则伴随一定的粘着磨损。结论在两种相对运动模式下,镍基碳化钨涂层表面的高硬度碳化钨颗粒都可阻止磨粒对较软镍基合金区域的切削与碰撞。相较往复滑动模式,冲滑复合模式下镍基碳化钨涂层要承受冲击和滑动的耦合作用,涂层的磨痕特征以及损伤形式都有明显的不同。采用冲滑复合运动模式的摩擦磨损试验能对盾构滚刀刀圈的摩擦学性能进行更全面、合理的研究及评价。

摘要：根据成都地铁1号线盾构施工实践经验,总结了成都地铁富水砂卵石地层盾构施工刀盘的结构设计、刀具类型的优化与布刀方式、螺旋输送机优化设计、带压换刀的保压技术、碴土改良技术、掘进参数的选择、沉降控制等几个方面的技术要点。

摘要：滚刀位于全断面隧道掘进机(TBM)最前端,与岩石直接发生接触,是执行破岩掘进的关键零部件.研究TBM滚刀截面轮廓(刃形)对其破岩性能的影响机理和规律,对指导工程实际中滚刀选型与设计、提高TBM掘进效率具有重要意义.首先建立二维颗粒流离散元模型,针对工程中最常用的平头滚刀和圆弧滚刀,选取两种强度不同的岩石并对其中一种施加固定10 MPa围压;然后,开展滚刀破岩仿真,通过分析比能、破岩体积、刀具载荷、裂纹数量等结果,对滚刀刃形与岩石破碎的关联性进行研究;最后,通过缩比滚刀破岩实验验证数值分析所得结论的正确性.分析结果表明:滚刀刃形对其破岩性能影响显著,在本文所涉及参数范围内,对于多数岩石强度与围压组合,圆弧滚刀比能均低于平头滚刀比能,平均降低19.8%;圆弧滚刀破岩力比平顶滚刀破岩力平均低32.6%,表明破岩过程中圆弧滚刀做功较少,而二者产生的岩石碎片总体积相差不大(平均差值7%),则圆弧滚刀破除单位体积岩石所消耗的能量更少.综上所述,两种常用滚刀刃形相比,在岩石强度与围压较高的地层中可考虑优先选用圆弧滚刀.

摘要：依托北京地铁大卵石地层盾构施工项目,介绍了带式螺旋输送机的设计、制造及应用情况,通过施工现场的成功应用,得出了带式螺旋输送机更适应于北京大卵石地层盾构施工的结论,可供类似工程参考。

摘要：盾构机是当下最先进的隧道施工机械,而管片拼装机是其关键部件之.笔者在对现在国内外广泛采用的各种盾构进行了解和分析的基础上,利用现代设计方法和理论,对土压平衡盾构机的管片拼装机微调机构进行机械结构设计,其主要由一个三自由度并联机构实现微调机构的三个微调运动:俯仰、横摇、偏转.利用三维建模软件UG NX 8.0对所设计机构进行建模、装配,然后利用UG NX/Motion模块对所创建的模型进行运动仿真,得到相应的动力学参数,从而证明该机构的合理性.

摘要：在我国现阶段地铁盾构施工过程中,风险事故频发,预测盾构施工风险发生趋势、提高风险应对精准度已成为盾构施工风险管理的重要任务。文章设计了通过盾构机报警数据对盾构施工风险及其发展趋势进行预测的一套有效方法:首先采用故障树法,找到盾构施工重要风险与盾构机故障报警数据之间的关联;然后,以此建立基于贝叶斯网络的风险预测模型,运用贝叶斯网络的反向诊断推理技术计算最大可能路径,确定导致风险事件发生的关键盾构机故障,从而在发生该类故障时严控后续风险;最后,以某地铁项目为例,验证该方法的可靠性与适用性。所研究的方法与模型可以嵌入到各类盾构施工风险管理系统中,为施工现场提供风险预警支持。

摘要：盾构是开展隧道施工的大型关键设备,在我国各类地下工程项目中的使用日益增多。为了保证盾构施工安全,预防施工故障发生,本文针对盾构施工中出现的多故障问题,采用深度学习方法中的长短期记忆网络(LSTM),设计了可处理时序数据的盾构故障多标签预测模型。根据某城市地铁项目中的实际数据,首先利用主成分分析法(PCA)对盾构施工参数进行特征提取,然后利用LSTM模型从集成了外部环境数据的盾构施工时序数据中,挖掘盾构机故障的发生规律,并通过适应多标签学习的交叉熵损失函数进行模型参数的优化,最后用基于多标签的评估指标对模型结果进行评估。实验结果表明该方法在盾构单故障和多故障的预测中都有较好表现,能够为盾实际构施工中的故障预防提供一定的指导。