超長引水隧洞TBM機群施工數據分析與風險評估

白 金，尹建超

（1.內蒙古引綽濟遼供水有限責任公司，內蒙古烏蘭浩特137400；2.中國鐵建重工集團股份有限公司，湖南長沙410100）

巖石隧洞掘進機（簡稱TBM）是掘進、支護、出渣等施工工序并行連續作業，機、電、液、光、氣等系統集成的工廠化流水線隧道施工裝備［1］，具有掘進速度快、環保、安全、綜合效益高等優點，可實現傳統鉆爆法難以實現的復雜地質地貌深埋長隧洞的施工。全斷面隧道掘進機的主要施工過程為：在硬巖環境中，利用全斷面隧道掘進機旋轉刀盤上的滾刀擠壓剪切破巖，通過旋轉刀盤上的鏟斗齒拾起石渣，落入主機皮帶機上向后輸送，再通過牽引礦渣車或隧洞連續皮帶機運渣到洞外。

綜觀國內外TBM施工情況，單臺TBM施工技術已趨于成熟，擬建和在建的長度超過10 km的隧道已超過百條，隧道總長度已超過 10 000 km。其中，30%～40%的長隧道采用TBM進行挖掘，施工速度和安全管理模式為全球所借鑒。但這些隧洞工程都是單臺控制施工，均未建立集中管理中心，多臺機器之間不能形成有效的學習機制。而TBM機群施工集中管理的方式在國內外罕見，筆者圍繞新疆某超長引水隧洞TBM施工展開研究，通過對海量動態數據進行科學有效管理和智能分析，推進TBM施工智能化和施工風險管理科學化，從渣土數量、掘進參數、地質狀況、耗材使用等分析中獲得經驗曲線，并通過多臺TBM機之間的自學習自診斷研究，不斷完善施工風險預警系統，將預警分析結果反饋到每臺TBM機，針對個別TBM設備掘進參數異常提出預警，及時規避風險。

1 系統架構

TBM機群風險管理系統采用“集中存儲、項目調用”的三級系統網絡拓撲結構（見圖1），由標段現地監控站（施工單位項目部）、工程業主項目部與風險預警中心三級組成，風險預警中心配置一個災備中心，傳輸網絡滿足公安部三級安全要求。

TBM的施工數據通過自建光纜內網實時自動傳輸到標段現地監控站的控制電腦顯示后，經標段現地監控站到風險預警中心和災備中心自動上傳數據進行全生命周期保存及監控。

各標段現地監控站可通過調取烏魯木齊風險預警中心的數據進行實時監測。

圖1 三級系統網絡組成

2 數據實時監測

目前國內外超過10臺同種型號的TBM機群設備同時施工的工程尚屬首例，統一數據監控系統的建立有助于多臺TBM相互對照、相互學習，對施工參數異常的情況及時發現并調整，尤其在新機設備始發過程中，對設備參數的異常情況能及時發現并調整。

TBM掘進模式實時監控的主參數有總推力、刀盤扭矩、刀盤轉速、掘進速度、頂護盾壓力、左右護盾壓力、撐靴撐緊壓力、撐靴位移等，見圖2。

圖2 數據在線監控系統

以KSTBM5始發為例，TBM始發后，總推進力維持在10 000～12 000 kN，無法超過12 000 kN，對比同等地質情況下KSTBM4實時推進力參數為16 800 kN，差距明顯。通過遠程監控系統對比 KSTBM2與KSTBM3數據，推進力均超過13 000 kN，初步判定KSTBM5程序參數異常，經排查發現，初始設置值輸入錯誤，經過更正后，推進力顯示值達到13 000 kN以上，見圖3。

圖3 KSTBM5設備參數調整前后對比

3 TBM數據經驗曲線

單臺TBM施工不具備參考價值，多臺設備同時施工，可通過數據積累后形成各圍巖地層情況下的經驗曲線，為TBM后續施工提供參考。

根據SSTBM1設備10月份的掘進情況（圖4），經分析，隧洞圍巖穩定，圍巖類型較單一，主要以泥盆系（D）凝灰質砂巖、砂巖、砂礫巖為主，屬Ⅲa類圍巖，TBM日平均進尺在30 m以上，設備完好率96%，適合作為參考數據進行數據庫建設。

首先，提取該月TBM每循環掘進過程中的有效參數，篩選出總推力、刀盤轉速、刀盤扭矩、頂護盾壓力、左右護盾壓力等參數（去除無效數值），作為基礎數據進行分析研究。

圖4 SSTBM1設備10月掘進情況

其次，將每循環掘進參數進行數據對比，尋找TBM掘進過程中的數據變化規律，獲得該種圍巖情況下的最佳狀態曲線值，形成TBM經驗曲線，作為后續掘進里程及后續設備的參考曲線。

同時，經過不斷地修正與更新，將設備經驗曲線值調整到最佳，實現高效掘進。例如SSTBM1在Ⅲa類圍巖下推進力的經驗曲線見圖5（圖中細線為每個掘進循環的實際參數曲線）。

圖5 SSTBM1在Ⅲa類圍巖下的推進力曲線

綜上，經過分析統計得出TBM掘進數據經驗曲線區域，后續設備在同樣巖層情況下，可參考經驗曲線隨時對掘進數據進行調整，以便引導操作人員在特定區域內掘進，既保證掘進安全又可確保設備穩定高效。

4 數據統計與故障分析

對工程施工配件消耗進行統計分析，研究備件消耗規律，有助于對設備狀態進行檢測。正常設備均存在配件消耗情況，統計分析數據包括設備配件正常消耗和設備配件非正常消耗等。通過綜合對比，判定設備運行是否正常，異常情況時需立即處理，避免備件大量消耗及設備自身損壞情況的發生。

例如，SSTBM1設備錨桿鉆機9月15日至11月2日消耗纖尾9根，11月2日至11月30日無消耗，見圖6?？膳卸殄^桿鉆機前期為故障狀態，后續經過調整設備狀態轉好，以后再有配件消耗如前期大的情況，基本可判定為設備故障。

圖6 SSTBM1設備錨桿鉆機纖尾消耗量統計

通過施工排水量統計，可判定設備施工涌水是否處于衰減期，判定是否可繼續掘進。例如，SSTBM2設備施工到第110 d遇到大涌水，被迫停機，后涌水量繼續增大，最大達到25 000 m3/d，經過70 d的排水操作，涌水量有明顯減小的趨勢，判斷可適當進行設備試掘進，見圖7。

圖7 SSTBM2日排水總量統計

5 施工設備風險預警

長期以來，TBM設備故障的排除依賴于工程師和專家的現場診斷和經驗，如果專家不在現場，就可能延誤故障的及時排除，影響工程進度［2］。TBM施工風險預警系統可對設備運行狀態關鍵參數的非正常數值進行實時監測預警，通過報表形式通報可能出現的風險，大大降低了常見施工風險、設備故障的數據分析難度，提高故障判斷及處理的時效性。

5.1 推力速度預警

TBM施工過程中，在地質情況均勻的情況下，掘進參數具有一定的相關性。當地質情況發生突變或出現異常工況時，掘進參數會發生相應的變化。通過對該引水隧洞工程的施工參數進行關聯分析，發現總推進力和推進速度與地質變化有較強的相關性，據此建立風險預警模型（見圖8）。

由圖8可以看出，一定的推進速度對應著一定范圍的總推進力，但如果出現總推進力的突變，則有出現異常工況的風險，需要格外關注。

圖8 速度推力預警

5.2 塌方風險預警

通過對該工程施工情況的數據積累，針對設備可能存在塌方時的特征指標進行統計分析，其典型的預警指標見表1。

表1 TBM塌方風險預警值統計

XETBM1掘進至3 131 m時，遠程監控系統報警，TBM刀盤扭矩超限，見圖9。繼續掘進極有可能出現卡機風險。通過遠程數據分析，選擇調整為脫困模式掘進（圖10）。TBM恢復掘進后，刀盤扭矩最大高達10 410 kN·m，遠遠超出常規模式下的最大能力。通過風險預警系統，及時對設備狀態進行調整，順利地通過了破碎帶，有效規避了塌方風險。

圖9 XETBM1刀盤扭矩超限報警曲線

圖10 XETBM1脫困模式掘進

6 結 語

對多臺相同規格TBM施工數據進行統計分析可以初步建立TBM機群施工數據庫?，F場可通過對監測數據進行處理，正確地預測地質條件和圍巖變位，根據實際情況及時提出優化運行方案［3］。同時，外部專家通過遠程登錄數據監測系統，可實時監測設備數據，查看自動生成的報表，提出改進意見。

以新疆某超長隧洞TBM機群作業施工為例，充分挖掘TBM設備、工程地質等的數據變化規律，分析施工及設備故障風險，為敞開式TBM大數據的建立提供支撐，進而推動TBM設備最終實現智能化自動駕駛。