基于多源数据深度学习的隧道机械化配套施工技术分析

刘闯

（中国建筑土木建设有限公司，北京 100071）

1 引言

在公路、高铁等基建行业快速发展背景下，隧道工程大量建设。由此引进施工装备配合开展隧道施工作业，其在提高施工效率的同时也面临隧道变形控制等问题，为机械化配套施工造成安全隐患。以往研究多强调在隧道勘察与设计阶段引入BIM 等技术加强工程管理，缺少对项目建设全生命周期的智能管理研究。从多源数据融合角度探究隧道智能建造，引入深度学习算法推动隧道机械化配套施工的智能化发展，进而全面提升隧道工程建设的技术水平。

2 项目概况

CZ 三期项目铁路工程设计速度为200 km/h，新建线路全长61.2 km，沿线建设3 座隧道，总长达45.5 km，占全线长约74.35%。为加快施工进度，工程采用凿岩机器人、数字化衬砌台车、预切槽装备、混凝土湿喷机等智能化机械装备配合隧道施工。实际施工中，部分隧道遭遇软弱围岩，在围岩不稳的情况下，利用多种机械设备配套施工将面临支护强度难控制等问题，因此，需引进智能技术实现机械装备协同作业，确保施工活动顺利开展。将长9.26 km 的单洞双线隧道作为试验项目，隧道埋深22.4～533 m，洞身为Ⅳ～Ⅴ级围岩，地层主要以浅灰黄色细粒变质岩屑石英砂岩、灰色粉砂质板岩互层、夹炭质绢云板岩为主，段内覆盖层主要为第四系人工填土，冲积、冲洪积、坡洪积、坡残积、坡崩积、滑坡堆积等成因的黏土、粉质黏土、软土砂土及各种粗粒土，岩体破碎，施工风险较高，要求编制专项施工方案。

3 隧道机械化配套施工方案

项目洞身穿越围岩范围大、破坏形式多，在工期长达3 993日历天的情况下，长时间开展作业将造成围岩压力迅速增长，变形迅速且变形量大，造成周围围岩扰动敏感。在机械化配套施工作业期间，围岩和支护结构受压或受拉，将导致塑性区出现，易引发隧道变形、坍塌等风险。使用多种机械设备同时作业，为各种智能机械装备配备5G 收发端子，并搭建智能管理平台实现装备和围岩数据实时动态采集和分析，通过多源数据融合加强信息反馈。如图1 所示，平台能与设计方、施工方、监理方等各方数据系统对接，利用Oracke 数据库实现多源异构数据存储，将平台数据分割至不同数据表空间，提供弱耦合服务，保证核心功能稳定[1]。通过智能装备采集的数据在类型、采集频率、存储格式等方面存在较大差异，需借助业务转换接口提取关键数据，形成可供平台调取的基层数据源。在深度学习等人工智能技术支撑下实现多机协同管理，提升机械化智能装备的自适应能力，在快速施工的同时保证作业安全。

图1 隧道配套施工智能管理平台

依托平台实现围岩分级、参数优选等操作，主要采用深度学习算法，以人工神经网络为基础，通过大量采集工程相关数据信息获取样本数据，按照规则完成机械训练，从经验数据中学习规律，用于解决隧道机械化配套施工难题[2]。利用训练模型与平台采集信息完成实时交互，能使平台在面对动态围岩环境变化时生成系列机械装备控制决策。具体来讲，即通过凿岩台车、悬臂挖掘机等设备实时采集围岩数据、设备状态数据等，完成各工序信息收集。将平台数据中心当作媒介，完成数据高效流动，协同完成围岩分析，控制凿岩台车、支护装备等调整机械化作业参数，确保各装备协同施工。

4 隧道机械化配套施工技术

4.1 开挖施工

工程采用智能三臂凿岩台车、凿岩钻机等装备进行隧道开挖作业，在施工过程中通过平台采集信息实现围岩智能分级。在围岩级别预测方面，平台将汇集前期超前钻探和勘察设计等阶段数据，利用多源地质信息展开综合分析，对照现场实时反馈的岩石类型、钻进参数等数据完成动态分级，确认围岩级别是否发生变更。平台现场采集各级别围岩掌子面台车钻进数据，经过深度学习后生成训练模型对推进压力、冲击压力等参数进行解析，分析参数和围岩级别相关性，建立围岩智能分级模型，如图2 所示。

图2 基于深度学习算法的围岩智能分级模型

实际用于对掌子面进行分级，将隧道中轴线和拱顶作为基准，按照2 m 间距划分为6 纵和6 层，并根据各炮孔钻进参数自动分级，如图3 所示。结合围岩纵、横分区特征，根据隧道空间映射关系对前方围岩级别实施动态预测，能实现钻进深度、回转速度等施工参数优选，科学控制凿岩台车进行隧道开挖[3]。

图3 基于炮孔参数的掌子面自动分级

通过准确获取掌子面地质信息，设置最佳钻进作业参数，台车达到较高开挖效率，钻进速度可达2.5 m/min，各循环作业耗时约3 h。在施工过程中，通过主动感知围岩变化，能够随时调整施工参数或更换配套设施，确保机械装备适用于各种围岩环境，提高隧道开挖效率。根据现场回传的钻进参数，分析确定开挖作业量，及时调配装卸机、自卸车等智能装备配合将碎石、土运输至指定位置，在保证隧道开挖作业顺利开展的同时，有效控制施工成本。此外，现场配合采用钻杆定位技术确认设备状态信息，实现臂架运动轨迹自动规划和控制，有效控制开挖精度，避免出现超欠挖情况，消除开挖作业存在的安全隐患。通过智能协同平台进行现场监管，可减少掌子面安排的监管人员，装备操作手可远程实现设备调控，避免落石伤人等安全事件发生。

4.2 喷锚施工

在隧道开挖活动中，采用自动喷湿机实现喷锚支护，配合采用智能锚杆台车、拱架台车完成隧道初期支护。通过平台实现各种智能装备协同作业，需实现锚杆钻、注、安一体化施工，通过拱架台车扫描围岩轮廓，并对拼装轨迹进行规划调整。利用平台对围岩级别、岩石类型、开挖施工参数等进行汇总。通过深度学习算法提取数据库匹配的喷锚支护参数，控制锚杆台车、拱架台车和湿喷台车协同作业。将采集的掌子面开挖尺寸和设计断面尺寸进行比对，通过自动分析运算得到喷射混凝土量，能向智能注浆台车发送控制指令。比对地质预报数据和现场采集的岩石数据等，动态调整支护参数和注浆参数，实现制浆、注浆、洗浆等过程控制。平台将支护施工数据传递至凿岩台车，可实现自动钻孔、装药等操作，全面提升隧道施工效率。

在现场施工期间，利用多功能台架搭载喷湿机械手，配备系统稳压器实现回弹率控制，能保证支护施工稳定性，取得理想施工效果。通过平台实现各种智能装备的协同控制，人员可远距离操控机械，在保证人员作业安全的同时，减少了人力投入。相较于传统作业模式可明显提升机械化程序，作业效率提升3～5 倍。在平台智能化分析基础上，实现喷射混凝土厚度、平整度、锚杆钻进深度等参数精准控制，动态匹配注浆参数，实现注浆时间、压力等参数监测，保证注浆效果。通过加强初期支护过程控制，明确初期支护拱架位置、间距等参数，可保证支护施工质量合格，消除施工存在的安全隐患。

4.3 衬砌施工

在隧道施工期间，考虑到地下水渗漏问题，需完成防水层施工，利用专用铺挂台车进行现场机械化作业。在隧道内铺设滑轨，并利用超声波焊机进行防水板焊接施工，以提高施工效率。在工程作业实践中，安装止水带需严格控制质量，利用衬砌台车完成二次衬砌施工，在台车顶部固定带有翻转铰接装置的钢端模，用于埋设止水带。按照作业流程，需监测确认作业时间，提前完成防水板及管线埋设，并完成台车定位，确认拱部中心线和边墙模板净空位置。使用台车安装止水带，需先进行基底清理和挡头模板安装，然后安装止水条，检查确认无误后灌注混凝土，振捣密实后将台车脱模退出，完成衬砌结构养护。为实现机械化作业，工程选用数字化防水板台车和衬砌台车，自动进行土工布、防水板等结构安装，并通过衬砌台车自动布料、灌注混凝土和振捣。为实现各种机械装备协同作业，通过平台采集现场信息，确认滑轨等结构铺设情况，按照设定工艺流程生成装备启停控制指令，自动计算防水板等材料用量的同时，加强施工质量监测控制。如在检查防水板安装质量时，通过现场监控视频、压力传感器等设备，对防水板松弛度进行评估，生成日志记录相关数据的同时，将数据反馈至平台界面，对照设定阈值生成控制指令。在松弛度未达标的情况下，向施工管理人员发送预警，提醒人员处理；在松弛度达标的情况下，向衬砌台车发送指令，自动开展混凝土灌注等作业，并360°监测确认浇筑方量、压力、入模温度等指标是否符合要求。利用埋设仪器实现密实度等质量指标控制，发现不符合要求时，通知人员及时处理，并停止衬砌台车动作，避免出现拱顶脱空等质量问题。在衬砌结构养护阶段，可加强温湿度、养护周期等指标监控，避免出现裂纹、掉块等质量缺陷。

5 结语

在隧道开挖和支护等环节采用机械化配套施工技术，需考虑多装备协调作业问题，以免引发施工质量或安全风险。搭建智能协同作业平台汇集勘探设计等工程前期资料，现场采集围岩数据、装备状态信息等各类数据，利用深度学习算法实现多源数据融合分析，通过生成围岩分级模型实现动态监管，并生成智能装备协同控制指令，在提高机械化作业效率的同时，提前预测分析和调整施工参数以消除施工安全隐患。通过将智能技术与隧道开挖、支护等工序有机结合，编制科学机械化配套施工方案，可顺利实现工序衔接，以提高作业效率和质量，使隧道建设技术达到新高度。