复合地层中土压平衡盾构机掘进状态评估
随着近年来城镇化的飞速发展，盾构法成为地下空间开发的首选隧道施工方法。不同的地质和水文条件构成的复合地层给地下空间开发带来了巨大挑战。土压平衡盾构机在复合地层中掘进时，经常会出现地面坍塌，设备与刀盘、刀具磨损异常严重，突水突泥，盾尾尾刷失效等问题[1]。同时，由于对地下空间开发的需求增大，超大直径的盾构机被运用到地下空间开发中，盾构机在复杂地层中运行状态的评估显得尤其重要。准确评估盾构机在不同地层中运行状态，有助于及时发现潜在的施工风险，降低盾构机在掘进过程中的故障发生概率，有助于地下空间开发安全高效的推进。为了保证盾构机在复杂地层中掘进的安全和效率，很多专家学者提出了盾构机掘进过程中的安全评估方法。宋克志等[2]运用模糊数学方法结合盾构掘进的特点，对掘进过程中的围岩状况进行了评估与研究。李浩然等[3]基于层次-熵权组合法和隧道灾害因子分析总结的基础上，提出了越江地铁防水可靠性评估模型。刘宏志[4]总结了盾构机等机械设备在盾构掘进过程中的状态监测与故障诊断技术。夏润禾[5]运用层次分析法对盾构下穿河道的施工风险进行了评估。张栋梁等[6]对盾构机掘进过程中的刀盘扭矩等掘进参数对沉降的影响进行了模拟分析，并进行了基于可拓法的风险评估。以上方法与地质情况具有很大的关联性，仅适用于特定地层条件，无法推广至其他地层条件。本文基于证据理论，依托盾构机在掘进过程中产生的监测数据，建立了适用于不同地质条件的盾构掘进等级评估模型。该模型很好地将掘进参数和监测数据融合起来，其评估结果更为客观性，可靠度高。
1 工程概况
1.1 工程简介
三灶隧道盾构区间位于珠海市金湾区272 省道，前部接140 m 进口明挖段，后接803 m 出口明挖段，线路左侧临海。盾构隧道起迄里程：左线DK35+550.939～DK37+700.939，全长2 150 m，右 线 YDK35+550.862～YDK37+695.241， 全 长2 144.379 m。管片外径8 800 mm；内径8 000 mm；管片宽度1 800 mm；管片厚度400 mm。衬砌环由1块封顶块、2块邻接块、4块标准块组成。管片环外侧设有弹性密封垫槽，内侧设有嵌缝槽，整个环面布设凹凸槽。衬砌环的纵、环缝采用斜螺栓连接，包括19个M30纵向连接螺栓和14个M30环向连接螺栓。为满足曲线模拟和施工纠偏的需要，采用通用环管片设计，楔形量为40 mm。设计混凝土强度C50，抗渗等级不低于P12。
1.2 工程地质条件
隧道洞顶埋深10.0～12.00 m，地层主要为(
)人工填土层、海陆相沉积(
)的淤泥、黏土、粉质黏土、粉砂及粗砂地层。地表人工填土层平均层厚3.29 m；淤泥，灰色～深灰色，流塑，平均层厚3.57 m，平均埋深12.53 m；粉质黏土层，褐黄色，可塑，夹薄层中粗砂，淤泥等，地层不稳定，平均层厚5.74 m，平均埋深18.13 m；粉砂、粗砂，褐黄色、灰白色等，稍密～中密，饱和，其中粉砂平均层厚2.82 m，平均埋深3.97 m，粗砂平均层厚2.99 m，平均埋深27.73 m；下伏基岩为燕山期(
花岗岩，肉红色，全～弱风化。花岗岩，全风化，岩芯呈砂土状；强风化，节理、裂隙极发育，岩芯呈短柱及块状；弱风化，节理、裂隙发育，质地坚硬，为硬质岩。该段洞身主要位于流塑淤泥及可塑的黏土中，局部为砂土地层中。洞底主要位于可塑的粉质黏土、黏土中，局部为流塑淤泥、砂土中。隧道洞身围岩软弱，易变形；洞底地基软弱。砂层以及花岗岩全风化地层含水丰富，当基坑底以下透水层顶面距基坑底深度小于13.50 m 时，将可能发生基坑突水情况。地下水埋深0.7～3.5 m，地下水具有氯盐侵蚀性，环境等级为L2 型。图1 为隧道穿越的部分地质剖面图，隧道穿越的上部地层主要以软土为主，而下部地层主要为微风化花岗岩，该段地层主要特征为上软下硬。
应明确现代教育技术的课程体系 虽然现代教育技术是一门综合性强、发展迅速的课程，涉及理论与实践这两大领域，但它是在教育技术（教育学的二级学科）学科上发展而来的，应具有教育技术的学科特点。在明确课程特点的同时，还应明确课程的研究对象，这样课程体系才完整。
图1 地质剖面图
Fig.1 Typical geological section
1.3 盾构掘进状态影响因素分析
盾构掘进状态的评估是盾构机保养、维修和是否安全掘进的重要参考指标。在复杂地层中掘进时，盾构机的掘进状态评估尤其重要。对盾构机掘进过程中的运行状态进行可靠性评估，有助于及时发现盾构机掘进过程中潜在风险事故，例如卡盾壳，特殊地质体障碍物(孤石)，刀盘磨损严重等，进而采取相应措施降低事故的发生概率，提高盾构机在复杂地层中的掘进效率。
盾构机掘进状态的影响因素众多。本文在盾构施工参数中，选取8 个掘进参数，分别是总推力，土压力，刀盘扭矩，泡沫注入量，泡沫注入压力，刀盘转速，注浆压力和注入量。图2是影响因素的监测数据。其中，泡沫注入压力，刀盘转速和注浆量的监测数据变化较小。而总推力、土压力、刀盘扭矩与泡沫注入压力的监测数据变化波动较大。在100～150 环之间，总推力与泡沫注入量变化幅度最大。
图2 三灶隧道盾构掘进参数
Fig.2 Measured data of influential factors of SANZAO tunnel.
在建立盾构机掘进状态评估模型之前，需要对监测数据进行相应的预处理。根据施工经验与实际工程概况，将监测数据划分为4个等级，如表1所示。
表1 影响因素等级划分
Table 1 Classification of influential factors
评估指标总推力/103kN刀盘扭矩/(kN∙m)刀盘转速/(r∙p∙m)土压力/bar泡沫注入量/L泡沫注入压力/bar注浆压力/bar注浆量/m3Ⅰ[10,15][0,1 500][0,0.5][50,100][0,100][0,1.5][1,2][0,5]Ⅱ[15,20][1 500,3 000][0.5,1.0][100,150][100,200][1.5,3.0][2,3][5,10]Ⅲ[20,25][3 000,4 500][1.0,1.5][150,200][200,300][3.0,4.5][3,4][10,15]Ⅳ[25,30][4 500,6 000][1.5,2.0][200,250][300,400][4.5,6.0][3,4][15,20]
2 盾构掘进状态评估模型
本文基于现场实际隧道工程项目，结合证据理论与隶属度函数，提出盾构机掘进状态评估模型。
向华杰挥舞着刀子的样子仿佛在镜子中更清晰了，最后，只余下一片刀光的残影，在殷明的眼前挥舞着。“来吧，来吧。”刀光中，似乎有个声音一直在呼唤着。无数次的心理挣扎在他的脑子里激烈交锋着，无数次的试探和想像像幻灯片在他的脑子里不断闪现，无数次的渴求和犹豫被这个声音变得越来越清晰。殷明缓缓地把刀子对着自己右手凸起的筋脉，缓缓地颤抖着刺了下去，一阵痛感突然惊醒了他。血涌了出来，他猛地一甩手将刀子丢进面池。
2.1 证据信息融合方法
在证据信息融合方法中，信息被认为是一种证据。在实际工程中，为确保评估结果的准确性，决策者使用更多的信息或数据建立模型。为高效融合这些多源信息，证据理论建立并合成了一系列置信度函数。2 个置信度函数的合成规则如下[7−10]：
“得民心者得天下”。当前，伴随改革开放地不断深入，在经济社会取得巨大发展的同时，各种西方文化思潮也涌入中国，极端民主化、自由化等思潮不时沉渣泛起。大力加强当代中国主流政治文化建设，使人民能够从心底深处对党的方针政策、执政绩效、执政目标等有一个价值认同，则不仅是有力反击西方分化西化我国图谋的必然要求，也是更好地凝聚人心，巩固党的执政地位的现实需要。
其中：m1(Ai)与m2(Aj)是2 个置信度函数；m(A)是2个置信度函数合成后的联合置信度函数。
传统的合成规则只适用于2个置信度函数，剩余的证据信息仍需逐步地合成。为了减少重复的操作，现有研究提出了一个标准化的多证据信息(置信度函数)合成规则[10-14]：
张三贪墨了，“也许没事”；李四受贿了，“也许没事”；赵五谋私了，“也许没事”……所有贪官都“也许没事”。你们凭什么“没事”呀?没事没事儿，你们的官照做或做更大的官，贿赂照受或受更多的贿，二奶三奶照养或养更多的奶，威风照样八面尚须扩而大之……天下太太平平，还谈什么“反腐”呢?
2.2 影响因素归一化与隶属度
盾构机的运行系统是一个非常复杂的系统，不同的影响因素(评价指标)从不同方面反映了盾构机的掘进状态，不同的影响因素的单位各不相同。因此，需要对不同影响因素的监测数据进行归一化操作，使得监测数据变得无量纲，便于后面的运算操作。本文采用的归一化公式如下：
其中：xi为归一化后的值；xm为影响因素的监测数据；umax与umin是各个影响因素在不同区间阈值的最大值与最小值。
影响因素的隶属度，本文利用隶属度函数来确定各个指标在相应等级的隶属度，从而构建置信度函数。本文使用的隶属度函数如下，每个影响因素的等级对应一个隶属度函数。每个评价指标有4 个等级，因此有4 个隶属度函数[14]。隶属度函数图如图3 所示，不同等级用不同的颜色表示，其中等级Ⅱ的隶属度函数表示如式(4)所示。
图3 隶属度函数
Fig.3 Membership functions.
式中：xi为归一化后的监测数据值。在本文中，用a1～a6表示为不同等级的隶属度函数边界值，取值设置为0.1,0.3,0.4,0.6,0.7,0.9。4 个区间等级为0～0.3,0.1～0.6,0.4～0.9,0.7～1.0。
第一，控制生物制品，加大打击力度。在实际生活中，有关部门应该加大抽检兽药质量力度和监管力度，执行查处兽药生产使用、经营等违法案例，加强动物防疫疫苗和试剂的订购，确保有效供应，质量符合标准，并且需要和生物安全的环节，相关部门领导应加大管理力度，有效督促检查实验室活动，及时排除隐患，确保安全，对于突出问题应进行整改。各级部门应执行控制生物制品生产和使用，防止疫苗上市出售，有违反规定者进行处罚。
2.3 盾构机状态评估
根据现场隧道工程的实际情况与施工经验，本文提出的盾构机掘进状态评估模型确定了8项影响因素。根据这8项影响因素的监测数据，将数据划分为4项等级。评估等级越高，说明盾构机的掘进状态越差，越容易出现事故，而评估等级越低，则盾构掘进越顺利。在隧道工程中，每一环管片对应一组数据集，每组数据集包含8 个监测数据。将数据集中的监测数据按照式(3)进行归一化。求得每个影响因素的隶属度值。从而构建评估矩阵，如式(5)所示。
为了区分影响因素在各个等级的重要性程度，由公式(6)得到各个等级的权重。
其中，ωj为第j 个等级的权重；f(xi)为影响因素的监测数据归一化后的隶属度值。
在本文中，证据理论的置信度函数定义为每个等级的权重与监测数据隶属度值的乘积。
其中，mi(Θ)为不确定分配的置信度函数值。盾构掘进状态的等级确定根据下式：
在本案中，仲裁庭认为，虽然东道国的征收行为是符合国际法的相关规定,但这并不能成为东道国政府减少对外国投资者赔偿的理由,仲裁庭裁决东道国应当根据“及时、充分、有效”的原则就其征收行为给投资者带来的损失作出补偿，但仲裁庭也认可了东道国的补偿范围应当限于外国投资者根据国际法所取得的合法利益,而不是就全部的损失进行补偿。
其中，Q 为盾构盾构掘进状态等级；m(Aj)为多因素置信函数合成后的各个等级的置信函数值。取最大值对应的等级为盾构机掘进状态等级。
3 评估结果分析
为了验证模型的有效性，本文选取盾构隧道第20 环管片为研究对象。当盾构机进行第20 环管片的安装与拼接时，相应影响因素的监测数据为{总推力，刀盘扭矩，刀盘转速，土压力，泡沫注入量，泡沫注入压力，注浆压力，注浆量}={25 000,4 100,1.5,174,66,2.5,2.8,14}。将监测数据进行归一化后得到={0.75, 0.68, 0.75, 0.62, 0.17,0.42,0.60,0.70}。表2 为盾构机掘进到第20环的监测数据与与隶属度。基于公式(5)，利用监测数据的隶属度构建评估矩阵。由式(6)得到影响因素在各个等级的权重。表3 为求得的权重值。通过各个等级的权重与监测数据隶属度值的乘积得到影响因素的置信度函数值。影响因素在置信度函数值如表4所示。
表2 盾构隧道一环的监测数据与隶属度
Table 2 Measured data and membership degree of one segment of tunnel
影响因素总推力/103kN刀盘扭矩/(kN∙m)刀盘转速/(r∙p∙m)土压力/bar泡沫量/L泡沫压力/bar注浆压力/bar注浆量/m3监测值25 4 100 1.5 174 66 2.5 2.8 14归一化0.75 0.68 0.75 0.62 0.17 0.42 0.60 0.70 f1(xi)0.00 0.00 0.00 0.00 0.65 0.00 0.00 0.00 f2(xi)0.00 0.00 0.00 0.00 0.35 0.90 0.00 0.00 f3(xi)0.75 1.00 0.75 1.00 0.00 0.10 1.00 1.00 f4(xi)0.25 0.00 0.25 0.00 0.00 0.00 0.00 0.00
表3 影响因素在各个等级的权重值
Table 3 Weights of influential factors
权重ωj m(A1)0.08 m(A2)0.16 m(A3)0.70 m(A4)0.06
表4 影响因素的置信函数值
Table 4 Value of mass function on influential factors
影响因素总推力刀盘扭矩刀盘转速土压力泡沫量泡沫压力注浆压力注浆量m(A1)0.00 0.00 0.00 0.00 0.05 0.00 0.00 0.00 m(A2)0.00 0.00 0.00 0.00 0.05 0.14 0.00 0.00 m(A3)0.53 0.70 0.53 0.70 0.00 0.07 0.70 0.70 m(A4)0.02 0.00 0.02 0.00 0.00 0.00 0.00 0.00 m(Θ)0.46 0.30 0.46 0.30 0.89 0.79 0.30 0.30
在证据理论中，每个影响因素的置信度函数值被看作是一条证据。通过式(2)将每条证据进行合成。表5为证据合成后的置信度函数值。由于证据合成后的置信度函数值中，m(A3)的值最大，根据式(8)，此时盾构机的掘进状态为3级。
表5 证据合成后的置信度函数值
Table 5 Value of mass function after evident fusion
m(A) m(A1)0.00 m(A2)0.00 m(A3)0.92 m(A4)0.00 m(Θ)0.08
掘进状态是评估当前盾构机在复合地层掘进过程中是否安全的一个综合指标。在本文中，盾构掘进状态指标一共分为4级。每一等级对应不同的掘进状态与采取的相应施工措施，见表6。
表6 盾构掘进安全状态等级与相应的施工状态
Table 6 Safety status of shield machine and its corresponding construction states
等级ⅠⅡⅢⅣ掘进状态安全低风险中等风险危险施工状态正常掘进施工可以接受的掘进状态，正常施工停止施工和加强风险源监测停止施工掘进和采取相应措施
通过盾构机掘进状态等级评估模型，本文得到了盾构机在安装前300 环管片的状态等级。图4为盾构机掘进状态等级的评估结构。从图4 可知，盾构机在安装前130环管片时，掘进状态等级集中在3 级与4 级。而在130 环后，盾构机掘进状态等级主要集中在2 级与3 级。这与实际情况相符，盾构机在掘进初始阶段，掘进的地层较为复杂，孤石比较多，遇到的施工风险较大，需要停止施工与采取相应的措施，例如清除孤石等；在掘进后期，由于地质情况比较简单，主要为砂土，黏土，掘进状态等级较低，说明盾构机在掘进过程中比较安全，存在的施工风险较低。
图4 盾构机掘进状态等级评估结果
Fig.4 Status evaluation result of shield machine
4 结论
1) 该盾构掘进状态评估模型集合了证据理论与隶属度函数。该模型的提出基于现场监测数据，使评估结果具有客观性，克服了以往专家评估带来的缺点。
求出θ4值后，θ3的求解只需将θ4代入方程(7)或方程(8)就可以解出。当各连杆夹角确定，以图2中O点为坐标原点，则四连杆机构各点坐标均可求解，即机械手HIJK各铰链点位置可求解。由机械手的多个平行四边形结构的特点，通过直线上各点间比例传递关系，即可以将机械手末端执行器位置求解出来。速度与加速度分别为位置对时间的一阶求导和二阶求导即可解得。用VB软件将理论计算过程进行编程，并将理论计算结果进行整理。
2) 根据现场隧道工程实际情况，将监测数据划分为4 个等级和确定了8 个影响因素。本文基于珠海市三灶隧道工程300环的监测数据建立盾构机掘进状态评估等级模型。在评估模型中，证据理论有效地融合了现场的监测数据，使得盾构机掘进状态的评估结果更加可靠与明确。
3) 该模型原理清晰具有可操作性的特点。模型评估结果可为盾构机在复合地层掘进过程中是否需要维修和保养提供指导，具有一定参考价值，能够减少盾构风险事故。
参考文献：
[1] 林存刚,吴世明,张忠苗,等.粉砂地层泥水盾构刀盘脱困工程实例分析[J]. 岩石力学与工程学报, 2013,32(S1):2897−2906.
LIN Cungang, WU Shiming, ZHANG Zhongmiao, et al.Case study of relieving a slurry shield's cutter head from being trapped in silty sand layers[J]. Chinese Journal of Rock Mechanics and Engineering, 2013, 32(S1): 2897 −2906.
[2] 宋克志,袁大军,王梦恕.基于盾构掘进参数分析的隧道围岩模糊判别[J]. 土木工程学报, 2009, 42(1): 107−113.
SONG Kezhi, YUAN Dajun, WANG Mengshu. Fuzzy identification of surrounding rock conditions based on analysis of shield tunneling data[J]. China Civil Engineering Journal,2009,42(1):107−113.
[3] 李浩然,岳志国,姜军,等.基于层次−熵值组合法的越江地铁隧道防水可靠性评价[J]. 铁道标准设计, 2020,64(8):87−91,129.
LI Haoran, YUE Zhiguo, JIANG Jun, et al.Waterproofing reliability evaluation of crossing-river metro tunnel based on hierarchical entropy method[J].Railway Standatd Design,2020,64(8):87−91,129.
[4] 刘宏志.TBM 及盾构机设备状态监测与故障诊断实用技术综述[J].隧道建设,2007,27(6):86−88,97.
LIU Hongzhi. Practical technology for status monitoring and malfunction diagnosis of equipment of TBMs and shield machines[J]. Tunnel Construction, 2007, 27(6): 86−88,97.
[5] 夏润禾.土压平衡盾构下穿河道段施工风险评估与控制措施研究[J].现代城市轨道交通,2020(2):58−64.
XIA Runhe. Study on construction risk assessment and control measures of EPB shield under river section[J].Modern Urban Transit,2020(2):58−64.
[6] 张栋梁,韩志伟,刘志刚,等.基于集对分析和证据理论的高铁接触网健康状态评估[J].铁道学报,2020,42(5):58−65.
ZHANG Dongliang, HAN Zhiwei, LIU Zhigang, et al.Assessment of health status of high-speed railway catenary based on set-pair analysis and evidence theory[J].Journal of the China Railway Society,2020,42(5):58−65.
[7] MA Wenjun, JIANG Yuncheng, LUO Xudong.A flexible rule for evidential combination in Dempster-Shafer theory of evidence[J].Applied Soft Computing, 2019, 85:105512.
[8] 杨斯玲,黄和平,刘伟,等.基于结构熵权和修正证据理论的装配式建筑施工安全风险评价[J]. 安全与环境工程,2019,26(6):143−149,153.
YANG Siling, HUANG Heping, LIU Wei, et al. Safety risk assessment of prefabricated building construction based on structure entropy weight and modified evidence theory[J]. Safety and Environmental Engineering, 2019,26(6):143−149,153.
[9] 王景春,王大鹏.基于云D-S 证据理论的山区高速公路路段风险评判[J]. 科学技术与工程, 2019, 19(23): 286−291.
WANG Jingchun, WANG Dapeng. Risk evaluation of mountainous expressway sections based on cloud model and D-S evidence theory[J]. Science Technology and Engineering,2019,19(23):286−291.
[10] 汤扬屹,吴贤国,陈虹宇,等.基于云模型与D-S 证据理论的盾构施工隧道管片上浮风险评价[J].隧道建设(中英文),2019,39(12):2011−2019.
TANG Yangyi, WU Xianguo, CHEN Hongyu, et al.Evaluation of floating risk of shield tunnel segments based on cloud model and D-S evidence theory[J].Tunnel Construction,2019,39(12):2011−2019.
[11] XIAO Fuyuan. A new divergence measure for belief functions in D-S evidence theory for multisensor data fusion[J].Information Sciences,2020,514:462−483.
[12] GONG Yongjian, SU Xiaoyan, QIAN Hong, et al.Research on fault diagnosis methods for the reactor coolant system of nuclear power plant based on D-S evidence theory[J].Annals of Nuclear Energy, 2018, 112:395−399.
[13] LIU Di, WANG Shaoping. A degradation modeling and reliability estimation method based on Wiener process and evidential variable [J]. Reliability Engineering &System Safety,2020,202:106957.
[14] 吴贤国,张文静,张立茂,等.相依性条件下滨海软土隧道盾构施工渗漏水风险评价[J]. 铁道标准设计, 2019,63(1):103−110.
WU Xianguo, ZHANG Wenjing, ZHANG Limao, et al.Risk assessment of leakage water in shield construction of coastal soft soil tunnel under dependent condition[J].Railway Standard Design,2019,63(1):103−110.