双向四洞小净距碎裂泥岩隧道群作业面安全步距控制研究_钱蔷薇.pdf

Science and Technology&Innovation科技与创新2023 年 第 03 期57文章编号：2095-6835（2023）03-0057-04双向四洞小净距碎裂泥岩隧道群作业面安全步距控制研究钱蔷薇（中铁城市发展投资集团有限公司，四川 成都 610031）摘要：成都天府国际机场高速公路龙泉山 2 号隧道项目全国首次创新采用的“双向 4 洞 10 车道”，是十分典型的大断面小净距公路隧道群。根据隧道的横断面形式、开挖工法、监控量测等基础数据建立三维模型，并进行数据分析，揭示了先行洞与后行洞作业面不同施工间距下围岩的扰动情况及围岩结构的力学特征，提出合理的隧道群作业面施工安全间距控制，保证施工的安全和顺利进行。关键词：复杂条件；大断面；小净距；碎裂隧道中图分类号：U455.7文献标志码：ADOI：10.15913/ki.kjycx.2023.03.017大断面小净距隧道群相邻隧道作业面施工间距控制是保证隧道围岩及支护结构稳定性的重要因素之一。黄林1、张洋洋等2就隧道群施工关键技术进行了研究，对平行小净距隧道作业面施工间距目前较为统一的认识是：隧道净距越小，开挖工法对围岩扰动程度和扰动范围越大，那么作业面施工间距也相应增大。但在实际施工中，作业面施工间距不能过大，也不能过小：太大不利于施工的进度控制和隧道二衬的施作，太小则会严重影响隧道中间岩柱的稳定性，产生安全风险。本文主要研究分析了相邻隧道作业面施工对围岩扰动范围及隧道支护结构的受力的影响，提出作业面施工控制的最佳距离，在保证安全的前提下进行工程施工。1工程概况成都天府国际机场高速公路龙泉山 2 号隧道起讫里程为 K21+680K22+880，设计为双向 10 车道，隧道开挖断面为 120183 m2，相邻隧道间距为 1040 m。隧道围岩主要以强、中风化级泥岩为主，节理、风化裂隙发育，岩石呈碎裂结构，同时局部夹层为泥质、薄层石膏填充，围岩性状软弱，层间结合差，自稳性差，地质条件较复杂。隧道群沿大里程方向从左到右编号分别为 D1 线、K 线、D2 线和 D3 线，分别按照“2+3+3+2”进行隧道车道布置，项目概况如图 1所示。2施工工法及监控量测2.1施工工法隧道群开挖顺序为先同时开挖两侧 2 车道隧道，再依次开挖中间 3 车道隧道；隧道作业面最大开挖宽度为 B（18 m），施工工法为三台阶七步法，隧道开挖顺序及施工工法如图 2 所示。图 1龙泉山 2 号隧道概况图图 2隧道施工开挖顺序及工法仰拱衬砌Y=36 m 监控断面栈桥科技与创新Science and Technology&Innovation582023 年 第 03 期2.2监控量测开挖后每隔 6 m 在拱顶、拱肩、边墙、拱脚及拱底等位置埋设监控点，按设计和规范要求频率进行位移、应力的监测，每 36 m 对开挖后洞周围岩位移特征及受力特征进行对比分析，监测点布置如图 3 所示。图 3监控量测点布置3建立计算模型为确定群洞隧道开挖过程中开挖作业面间距的合理性，结合贾杰南等3提出的隧道开挖稳定性分析思路，对相邻隧道作业面施工间距为 0B（0 m）、0.25B（4.5 m）、0.50B（9 m）、0.75B（13.5 m）、1.00B（18 m）及 1.25B（22.5 m）等 6 种工况进行基础数据收集，并进行对比分析。同时参考了赵然等4和江玉生等5提出的围岩变形和荷载释放以及动态变化方面的研究，采用 FLAC3D 软件建立了数值模型。为消除边界影响，模型左右边界从两侧隧道的外侧隧道各取 50 m（约 3倍开挖跨度），模型尺寸为 200 m（长）90 m（高），纵向长 80 m，模型的上边界设定为自由界面，在其他面施加对应的法向界限约束，有限元网格划分如图 4所示。图 4隧道模型网格划分图4拱顶变形特征分析4.1数据整理针对隧道开挖作业面不同距离的初期拱顶沉降，记录监控量测数据绘制拱顶变形特征分析图，反映其随作业面施工间距的变化规律，具体如图 5 所示。4.2数据分析先期施工隧道 D1 线、D3 线，在开挖作业面后，拱顶沉降随着距离作业面的变大逐渐增大，并逐渐收敛保持不变；隧道作业面施工间距为 18 m（1.00B）后，拱顶沉降最终收敛量值随掘进距离增大而逐渐减小。后续施工隧道 K 线、D2 线，拱顶沉降也随着作业面的间距而产生相应的滞后，其收敛最终量值也是随着作业面施工间距的增大而逐渐减小。通过分析说明，在隧道开挖过程中，隧道作业面施工间距越大，对控制隧道拱顶沉降变形的作用也越大，但在作业面施工间距为 18 m（1.00B）后，影响趋于稳定。5初支受力变形特征分析5.1数据整理对隧道初期支护结构的内力统计并进行加权平均，得到隧道开挖完成后在不同工况下初期支护的最小主应力和最大主应力值，具体如表 1 所示。（a）D1 线隧道（b）K 线隧道拱底右拱脚左拱脚左边墙右边墙8765432061218243036420.25B0.75B1.25B拱顶左拱肩0.00B0.05B1.00BD1 线K 线D2 线D3 线右拱肩0.00B0.05B1.00B测点到掌子面的距离/mD1 线K 线D2 线测点到掌子面的距离/m0.25B0.75B1.25B06121824303642121086420D3 线Science and Technology&Innovation科技与创新2023 年 第 03 期59（c）D2 线隧道（d）D3 线隧道图 5拱顶变形特征分析图表 1隧道初支主应力值统计表（单位：MPa）序号作业面施工间距最小主应力最大主应力D1 线D3 线K 线D2 线D1 线D3 线K 线D2 线10B（0 m）4.434.433.623.621.461.462.112.1020.25B（4.5 m）4.424.433.653.791.401.382.102.2730.50B（9 m）4.454.473.723.941.371.372.112.3140.75B（13.5 m）4.454.463.784.001.351.332.102.2951.00B（18 m）4.444.463.814.001.331.292.082.2661.25B（22.5 m）4.434.493.814.001.311.262.052.23并根据表中数据绘制了各隧道初支主应力随作业面施工间距的变化曲线图，具体如图 6 所示。（a）最小主应力（b）最大主应力图 6初支主应力变化曲线图5.2数据分析先期施工隧道 D1 线、D3 线，最小主应力和最大主应力随着隧道作业面施工间距的增大基本保持不变，最大主应力在随着隧道作业面施工间距的增大而逐渐减小，累计减小量值为 0.15 MPa 和 0.20 MPa，说明其对作业面施工间距大小改变的影响并不敏感。后续施工隧道 K 线、D2 线，K 线初支拱顶的最小主应力，随着作业面施工间距的增大而增大，增量累计值为0.19 MPa，最大主应力值则随着作业面施工间距的增大略微地减小；最后开挖的 D2 线拱顶的主应力值则随着作业面施工间距的增大后，趋于收敛。通过分析说明，在隧道开挖过程中，作业面施工间距对初支应力的影响不大，变化维持在一个稳定的量值范围之内。6中岩柱受力变形特征分析6.1测线布置隧道中间岩柱是受小净距隧道开挖影响最为严重，也是对影响表现最为敏感的部位，是保障小净距隧道施工过程中稳定性的关键。为了探索和研究不同作业面施工间距对隧道开挖过程中的中间岩柱的变形及受力的影响，每 36 m 设置 3 条测线，分别为测线D1-K、测线 K-D2 和测线 D2-D3，各测线以隧道中岩柱为中心点，标高为 0 m，向上为 11.3 m，向下为8.5 m，总长度为 19.8 m，具体如图 7 所示。0.00B0.05B1.00B121086420D1 线K 线D2 线D3 线0.25B0.75B1.25BD1 线K 线D2 线D3 线0.25B0.75B1.25B测点到掌子面的距离/m0.00B0.05B1.00B测点到掌子面的距离/m06121824303642876543206121824303642D1 线K 线D3 线D2 线D1 线K 线00.250.500.751.001.25D3 线D2 线4.64.44.24.03.83.63.4Lf（B）2.42.22.01.81.61.41.23.83.63.400.250.500.751.001.25Lf（B）科技与创新Science and Technology&Innovation602023 年 第 03 期图 7中间岩柱测线布置图6.2数据整理因测线在隧道中间岩柱范围内左、右两侧受力，仅对最小主应力进行整理。对隧道中间岩柱左、右侧最小主应力计算并进行加权平均，得到隧道开挖完成后在不同工况下隧道中间岩柱最小主应力，具体如表 2所示。并根据表中数据绘制了中间岩柱左、右侧的最小主应力随作业面施工间距的变化曲线，具体如图 8所示。6.3数据分析D1-K 中间岩柱，随着相邻隧道作业面施工间距的不断增大，先行施工 D1 线一侧的中间岩柱最小主应力绝对量值逐渐增大；后施工的 K 线受 D1 线影响，中间岩柱围岩在开挖前已经发生较大变化，其受力随着作业面施工间距的增大而逐渐减小；在作业面施工间距为 0B（0 m）时，左、右侧最小主应力差值最大（0.965 MPa），为受力最不利状态；在作业面施工间距为 0.75B1.00B（13.518 m）时，中间岩柱表现为较对称的受力状态，此时围岩稳定性最佳。K-D2 中间岩柱，位于小净距隧道群的中间位置，受隧道开挖影响后的受力相比两侧中间岩柱更复杂。受左侧先行施工 D1 线和 D3 线影响，K-D2 左侧最小主应力绝对值大于右侧，说明受扰动后的左侧围岩应力状态差；K-D2 左侧最小主应力绝对值随隧道作业面施工间距的增大未出现较大变化，而右侧随着作业面施工间距的增大而减小；K-D2 左、右侧最小主应力差值在作业面施工间距在 1.00B（18 m）时累积到最大，说明对于受力状态更为复杂的 K-D2 稳定性来讲，隧道作业面施工间距不宜大于 1.00B（18 m）。D2-D3 中间岩柱，左、右侧的最小主应力差值随作业面施工间距的增加逐渐变小后又增加，在间距为0.25B0.50B（4.59 m）时该差值最小，在大于 1.00B（18 m）之后又有变小的趋势。D2-D3 在先行隧道一侧的最小主应力值在作业面施工间距在 1.00B（18 m）开始减小，在后行施工隧道一侧也是随着作业面施工间距的增大逐渐减小的，故对 D2-D3 中间岩柱而言，作业面施工间距宜大于 1.00B（18 m）。表 2开挖完成后各隧道中间岩柱最小主应力值统计表（单位：MPa）序号作业面施工间距测线 D1-K测线 K-D2测线 D2-D3左侧右侧左侧右侧左侧右侧10B（0 m）8.9859.94910.17010.1659.9398.97820.25B（4.5 m）9.2369.79910.2929.8549.5479.35730.50B（9 m）9.4289.68710.3519.5839.3469.68640.75B（13.5 m）9.5299.63210.4359.3419.1839.74551.00B（18 m）9.6669.60010.5739.1809.0629.74461.25B（22.5 m）9.6709.50310.5469.1139.0509.505（a）隧道中间岩柱 D1-K（b）隧道中间岩柱 K-D2（c）隧道中间岩柱 D2-D3图 8中间岩柱最小主应力变化曲线图7结语目前龙泉山 2 号隧道已经安全洞通，并顺利运营，经在施工过程中对数目收集分析得出结论：大断面小净距隧道群的相邻隧道作业面施工间距不应太大，也不应过小。间距过大会导致隧道施工过程中的中间岩柱变形过大，不利于隧道围岩稳定，影响施工安全；间距过小会导致隧道最终开挖完成后中间岩柱左、右侧受力不对称，对施工进展影响严重。对于四洞并行小净距隧道群在先同时开挖两侧 2 车道隧道，再依次开挖中间 3 车道隧道的施工顺序下，作业面施工间距在 3 车道和 3 车道之间控制在不小于 1.00B（18 m）；（下转第 63 页）Y=36 m 断面8.5 m0 m11.3 mXZLf（B）Lf（B）Lf（B）11.010.5109.59.08.5D1-K 左侧D1-K 右侧K-D2 左侧K-D2 右侧D2-D3左侧D2-D3右侧00.250.500.751.001.2510.09.89.69.49.29.08.810.09.89.69.49.29.08.800.250.500.751.001.2500.250.500.751.001.25Science and Technology&Innovation科技与创新2023 年 第 03 期63访问整理。Web 终端主界面能够实时显示当前垃圾处理的数量、类别等详细信息。可以通过数据记录对垃圾处理信息进行可视化分析，为分析垃圾分类大数据提供参考。并将结果发送至前段进行分析显示，达到垃圾处理信息存储和统计的目的。4智能分类垃圾桶应用4.1技术实现首先，通过摄像头等工具对垃圾进行图像识别处理，转化为计算机可以识别的数字信号；其次，利用变换等操作手段增加图像辨识度，进行信息处理提取重要特征，保证信息准确，最后，设计分类器，对采集信息的重要特征进行识别分析，与数据库中已有的数据进行对比，进行分类操作。分类操作的完成需要建立一个内部控制程序，即通过代码控制完成分类。4.2发展前景智能回收垃圾桶的使用范围已经越来越广泛，就城市地区而言，大部分地方都已经安置了智能回收垃圾桶。与传统垃圾桶相比，智能分类垃圾桶可以有效提高大众垃圾分类的效率，使后续垃圾回收工作更加方便快捷。在如今“绿水青山就是金山银山”的环保理念下，智能分类垃圾桶的设计无疑是值得被大众认可及广泛投入使用的。但是由于基于图像识别技术的智能分类垃圾桶的技术及成本投入较高，该设计的使用应先从高密度人群地区开始，这样也可以提高使用率，达到效率最大化。随着社会经济、科技水平的提高，基于图像识别技术的智能分类垃圾桶也将在成本越来越低、技术越来越精湛的基础上被广泛应用，走进大众的日常生活中，提供关于垃圾分类更加便捷的服务，这样才可以真正实现所有人都可以做到垃圾分类，实现“绿水青山就是金山银山”的环保理念。5结语本文设计了一款基于Jetson Nano图像识别技术的智能分类垃圾桶，该垃圾桶以Jetson Nano为主控制器，通过图像识别技术及 YOLOv4 深度学习模型进行检测然后分类，经过不同场景的测试，该垃圾桶可以及时有效且准确地进行垃圾分类。相较于传统的人工分拣垃圾，利用图片识别技术人工智能垃圾分类可以更加准确、省时省力。环保意识的宣传不仅需要大众的认可实践，随着时代的发展，使用人工智能方法实现也是一条有效途径。参考文献：1卢淑怡，魏爽，万思远.基于深度学习的智能分类垃圾桶J.计算机与数字工程，2021，49（5）：1009-1012，1029.2王伟杰，姚建涛，张敏燕，等.基于 YOLOV4 的智能垃圾分类回收机器人J.智能计算机与应用，2020，10（11）：182-186.3陈亚宇，孙冀晟，李建龙，等.基于深度学习与图像处理的废弃物分类与定位方法J.科学技术与工程，2021，21（21）：8970-8975.4吴蓬勃，姚美菱，王拓，等.基于 TensorFlow 的垃圾分拣机器人设计 J.实验室研究与探索，2020，39（6）：117-122.5 BOCHKOVSKIY A，WANG C Y，LIAO H YM.YOLOV4：optimal speed and accuracy of objectdetectionJ.ArXiv preprintarXiv，2004，10：934.作者简介：申健（2000），男，江苏泰州人，本科，主要研究方向为机械工程。（编辑：严丽琴）（上接第 60 页）在 2 车道和 3 车道之间控制在不小于 0.75B1.00B（13.518 m）。采取本文的工法可以最大限度地保证复杂条件下大断面公路隧道群作业面围岩稳定，不发生因作业面施工间距产生的施工安全风险，为其他类似施工提供了具有指导性的参考。参考文献：1黄林.复杂条件下大断面隧道施工关键技术研究D.北京：北京交通大学，2015.2张洋洋，朱星宇，高筠涵.复杂偏压地形下交叉隧道群合理进洞技术研究 J.华东公路，2019（5）：97-100.3贾杰南，刘腾隆，张静.基于 FLAC3D 的高速公路隧道两种开挖方式稳定性分析J.水利科技与经济，2018，24（4）：70-75.4赵然，李涛，袁哲，等.超大断面公路隧道围岩变形及荷载释放率研究J.山东建筑大学学报，2018，33（1）：14-17，31.5江玉生，江华，王金学，等.公路隧道级围岩初支型钢支架受力分布及动态变化研究J.工程地质学报，2012，20（3）：453-458.作者简介：钱蔷薇（1975），男，湖北武汉人，研究生，高级工程师，安质部部长，研究方向为交通建设管理和安全风险管控。（编辑：王霞）