TBM破岩刀盘振动表征参数研究.pdf

TBM破岩刀盘振动表征参数研究现 代 隧 道 技 术MODERN TUNNELLING TECHNOLOGYVol.60,No.4(Total No.411),Aug.2023第60卷第4期(总第411期),2023年8月出版文章编号：1009-6582（2023）04-0153-10DOI:10.13807/ki.mtt.2023.04.017收稿日期：2023-04-10修回日期：2023-06-04作者简介：刘东鑫（1998-），男，硕士研究生，主要从事TBM振动分析方面的研究工作，E-mail:.通讯作者：龚秋明（1969-），男，工学博士，教授，博士生导师，主要从事TBM智能化施工方面的研究与教学工作，E-mail：.TBM破岩刀盘振动表征参数研究刘东鑫1肖禹航2周小雄3龚秋明1刘俊豪1（1.北京工业大学 城市防灾与减灾教育部重点实验室，北京 100124；2.中国建设基础设施有限公司，北京100037；3.清华大学 水沙科学与水利水电工程国家重点实验室，北京 100084）摘要：TBM破岩过程中，刀盘不可避免会产生强烈振动。刀盘振动响应是岩-机相互作用的结果，可以作为岩体识别、掘进参数优化的重要依据。针对刀盘振动这一多源参数影响信号，挖掘其内含信息尤其重要。根据TBM掘进试验数据，分析了时间对振动特征分布的影响，构建了多维振动特征与掘进参数的随机森林模型，通过其特征重要性评价功能筛选了能敏感反映掘进参数变化的振动特征。研究结果表明，现场振动监测应至少达到刀盘旋转一周的时长，在该时长下各振动特征分布趋于稳定；峰值因子、频率标准差是最能反映推力、转速变化的特征，可以作为研究振动信号与掘进参数变化关系的关键特征。关键词：TBM；刀盘振动响应；掘进试验数据；信号处理；振动特征选择中图分类号：U455.43文献标识码：A引文格式：刘东鑫，肖禹航，周小雄，等.TBM破岩刀盘振动表征参数研究J.现代隧道技术,2023,60(4):153-162.LIU Dongxin,XIAO Yuhang,ZHOU Xiaoxiong,et al.Study on Vibration Characterization Parameters of TBM Rock-breakingCutterhead J.Modern Tunnelling Technology,2023,60(4):153-162.1引 言TBM施工具有安全、高效、人工劳动密度小等优点，在硬岩隧道中被广泛使用，但其地质适应性较差，需根据不同的地质条件选择合适的掘进参数以保证掘进效率1。刀盘振动是岩-机相互作用的结果，受掘进机结构、掌子面岩体条件与掘进参数的共同影响。多项研究表明24，刀盘振动与TBM破岩效率有较强的相关性。因此，研究刀盘振动与掘进参数之间的相关关系，是优化TBM掘进参数的有效途径。现场监测数据表明，在一定的地质条件下，TBM掘进过程中掘进参数的波动较小，选择各项参数的时间均值足以表征掘进数据中的信息5。由于岩体的非均质性，各点滚刀因破岩产生的振动在各时刻具有强烈的随机性，刀盘作为滚刀的载体，其振动信号由各点滚刀振动复合而成6，具有明显的随机性，无法用确定性函数来描述其与时间的对应关系7。现场实测信号值波动相当频繁，蕴含信息多而复杂8。因此，选择合适的振动特征是有效挖掘振动信息的关键。单滚刀线性破岩试验结果显示，在破岩过程中，滚刀因承受的荷载明显波动而发生剧烈振动，主振频率与主振幅值随切割速度的增加而增大9,10。基于单滚刀的受力与振动特征，Huo等11与Ling等12建立了不同的TBM结构动力学模型以预测刀盘在不同工况下的整体振动响应，分析了振动幅值随掘进参数的变化关系。Walter 等13,14、张晓波等3和Liu等15跟踪现场数据，主要关注主振幅值、主振频率、振动幅值、均方根值与掘进参数的变化规律。上述研究定性分析了刀盘振动与掘进参数的变化规律，得到的普遍规律是刀盘振动幅值、主振幅值、均方根值与推力、转速、贯入度均为正相关关系，主振频率分布几乎不受掘进参数变化的影响。在定性分析的基础上，Wu等4研发了一套振动监测系统，通过该系统，获取了现场掘进试验刀盘处的振动数据，定量研究了振动特征随掘进参数变化关系。通过分析发现振动幅值随推力并非线性增加，并且转速对于振动特征的影响存在明显阈值，振动特征随转速增加先线性增大，后保持不变。刀盘振动信号特征通常分为时域和频域两类，其表征参数很多。目前在刀盘振动研究中，对表征153TBM破岩刀盘振动表征参数研究现 代 隧 道 技 术MODERN TUNNELLING TECHNOLOGY第60卷第4期(总第411期),2023年8月出版Vol.60,No.4(Total No.411),Aug.2023刀盘振动特征的研究较少。在机械工程领域基于机械结构振动信号的设备状态研究中，多种信号特征被用于表征设备的不同运行状态。雷亚国16归纳总结了用于振动信号处理的时域、频域特征，这些特征在部分学者的研究中得到了初步应用1719，在设备各种运行状态识别中表现良好。以上研究主要从机械设备本身开展振动表征研究，而关于对掘进参数方面的振动参数表征的研究较少。基于上述分析，本文依托于青岛地铁6号线03工区创石区间隧道工程，在TBM设备上搭载了振动监测系统，开展了TBM掘进试验。对振动信号进行处理，提取了多维时域、频域振动特征，分析了时长对特征稳定性的影响。基于随机森林算法，构建了振动特征与掘进参数的关系模型，并筛选了能够敏感反映掘进参数变化的特征，研究成果可为后续TBM振动分析提供参考。2依托工程2.1工程概况青岛地铁6号线创智谷石山路左线区间隧道，总长1 906.897 m，里程范围YDK26+747.8YDK28+645.228。TBM施工段总环数为1 100环，每环1.5 m，施工总长约1 650 m。TBM掘进试验于2022年5月25日在该区段第953环（里程YDK26+985YDK26+983）进行。试验段工程地质剖面图如图1所示。该段埋深约为2835 m，隧道洞身范围内钻孔揭示地层岩性为花岗岩，风化程度为微风化。岩体完整性较好，按BQ分级标准，该段岩体为类围岩。采用一台双护盾TBM进行施工，刀盘直径为6 300 mm，额定扭矩4 680 kNm，最大推力为28 515 kN，最大转速为7.8 rpm。2.2TBM振动监测系统搭载图1 创石区间隧道工程地质剖面图Fig.1 Geological profile of Chuangzhigu-Shishanlu section in the tunnel project在双护盾TBM上布设了一套由北京工业大学研发的TBM振动监测系统4，该监测系统由2个三轴加速度传感器、中心端和工控机构成，系统整机布局如图2所示。传感器1、2分别安装于刀盘与主驱动附近，传感器1通过无线方式与中心端进行信息交互；传感器2以有线方式与中心端连接，中心端与工控机以有线方式连接。通过工控机内设的振动监测软件，可以手动或自动控制传感器的监测状态。传感器1通过焊接的方式安装在刀盘刮渣口附近，监测该点沿刀盘轴向（X）、径向（Y）以及切向（Z）的振动加速度。传感器量程为16g，采样频率可根据工程需求自由调整，测量精度小于等于4 mg/LSB，工作电压为12 V。结合本次试验中的硬岩地层，采样频率选择为3 200 Hz，根据奈奎斯特采样定理20，频域有效估计范围为01 600 Hz。3TBM掘进试验与刀盘振动数据采集掘进试验开始前，进入刀盘内部开展掌子面素描工作，以了解当前试验段岩体信息，素描结果如图3所示。掌子面为微风化花岗岩，在3个观测点处均未发现明显节理。检查了刀具的磨损情况，均在合理的磨损范围。154TBM破岩刀盘振动表征参数研究现 代 隧 道 技 术MODERN TUNNELLING TECHNOLOGYVol.60,No.4(Total No.411),Aug.2023第60卷第4期(总第411期),2023年8月出版图2 TBM振动监测系统整机布局Fig.2 Overall layout of TBM vibration monitoring systemTBM掘进试验设置有推力、转速两组试验，每组试验划分为7步，包括试掘进步0以及16步的正常掘进步，试掘进步的设计目的是确保试验开始阶段，TBM已处于正常的掘进状态。在推力试验中，以推力为变量，控制转速恒定进行试验。考虑到TBM最大推进能力限制，总推力设置为12 000 kN，推力变化范围为总推力的50%100%，每步变化梯度10%，转速恒定为4 rpm，如表1所示。在转速试验中，控制推力恒为12 000 kN，转速按照每步1 rpm的梯度变化，其变化范围设置为27 rpm，具体参数如表2所示。在每个掘进步控制参数达到预设值附近后，通过工控机向前方振动传感器下达数据采集的命令，系统会采集一条时间长度为2 min左右的csv数据并发送回工控机，每个采样点记录的内容包括当前的时刻、三轴加速度。试验过程获得了推力试验振图3 掌子面素描与实拍图Fig.3 Sketch and pictures of tunnel face表1 推力试验参数Table 1 Thrust test parameters掘进步Step 0Step 1Step 2Step 3Step 4Step 5Step 6推力等级/(%)505060708090100总推力/kN6 0006 0007 2008 4009 60010 80012 000转速/rpm4444444时间/min2222222表2 转速试验参数Table 2 Test parameters of rotation speed掘进步Step 0Step 1Step 2Step 3Step 4Step 5Step 6推力等级/(%)100100100100100100100总推力/kN12 00012 00012 00012 00012 00012 00012 000转速/rpm2234567时间/min2222222155TBM破岩刀盘振动表征参数研究现 代 隧 道 技 术MODERN TUNNELLING TECHNOLOGY第60卷第4期(总第411期),2023年8月出版Vol.60,No.4(Total No.411),Aug.2023动数据5条，转速试验振动数据6条，共11条振动数据，以及试验全程掘进参数变化的掘进数据。由于操作失误，推力试验第2掘进步7 200 kN推力等级振动数据未成功获取。掘进参数变化如图4所示，推力、转速基本按照试验预设值变化。图4 掘进参数时域变化Fig.4 Time domain variation of tunnelling parameters图5给出了推力、转速各梯度试验下刀盘轴向振动信号的时域曲线。可以观察到，随着推力、转速的增加，振动信号时域曲线波动范围逐渐变宽，说明推力与转速的变化均会影响刀盘振动响应。图5 刀盘轴向振动加速度时域曲线Fig.5 Time domain variation curves of axial vibrationacceleration of cutterhead4刀盘振动数据处理及特征提取4.1MAD异常值处理异常值是远离样本数据中心的异常数据，通常由传感器记录误差、计算方式等多方面原因导致，在数据处理过程中需要将其剔除以确保数据的真实性、正确性。常用的异常值识别方法有3准则和绝对中位差MAD（Median Absolute Deviation,MAD）准则。3准则会将远离数据均值3倍标准差的数据点识别为异常值，对于大批量数据，可以较快检测其中的异常值点。但其假设样本数据服从正态分布，对于不符合该条件的样本数据，识别效果较差。MAD准则没有上述样本数据分布假设，运用的识别思想与3准则类似，其样本数据中心选择为数据的中位数，判定异常值的标准为与样本数据中心距离超过3倍绝对中位差的样本点，绝对中位差的计算方式如式（1）所示。识别的异常值使