鄭萬高鐵隧道智能化建造技術研究及展望

王志堅

(武九鐵路客運專線湖北有限責任公司， 湖北 武漢 430200)

0 引言

截至2020年底，中國已投入運營的高速鐵路總長約3.7萬 km，投入運營的高速鐵路隧道共3 631 座、總長約6 003 km；正在建設的有隧道工程項目的高速鐵路共47 條、總長約8 327 km，共有隧道1 811 座、總長約2 750 km；規劃的有隧道工程項目的高速鐵路共93條、總長20 970 km，共有隧道3 525座、總長約7 966 km[1]。此外，《中長期鐵路網規劃》勾勒了新時期“八縱八橫”高速鐵路網的宏大藍圖。未來，中國高速鐵路隧道建設規模和難度巨大，高速鐵路隧道修建技術亟需大幅度革新，以滿足新時代高速鐵路隧道建設的要求。

近年來，隨著勞動力成本的不斷提高，隧道現場施工技術人員數量逐年減少，隧道工程建設“以機代人”成為現實需求，少人化(甚至無人化)是未來隧道工程建設發展的必然趨勢[1]。對此，國內外目前尚處于研究起步階段，僅在圍巖質量智能分析、智能鉆孔、智能監測等單項智能建造技術方面進行了研究和試驗應用，并沒有形成成套技術體系，也未有一處智能建造工地[2]。

在此背景下，廣泛應用新技術、新裝備、新材料，推進新一代信息技術與隧道修建技術的深度融合，發展高速鐵路隧道智能建造技術，對提升隧道修建水平，促進鐵路行業整體發展具有重大意義。

實現隧道智能建造，機械化施工、數字化管理體系是基礎。依托鄭萬高鐵湖北段，歷經3年多的科研實踐，總結形成了高速鐵路隧道機械化大斷面法成套技術，對現有支護體系及設計方法、施工工法工藝、管理手段等進行了全方位的技術升級改造，建立了國內首條高速鐵路隧道機械化施工、數字化管理示范線，具備了隧道智能建造的基礎[3-4]：

1)提出了全斷面法和微臺階法2大機械化大斷面標準施工工法及機械化配套方案[5-9]，并制定了施工期間掌子面穩定性評價方法[10]、支護安全位移分段控制指標[11]、施工安全步距控制標準[12]等系列措施，實現了全地質、全工序的機械化大斷面法開挖。

2)開發了高壓劈裂注漿、機械化裝藥、精細化光面爆破、早高強噴射混凝土、低預應力錨桿、寬幅防水板自動鋪設、自行式液壓仰拱棧橋、襯砌智能帶壓分層澆筑等8大機械化大斷面法配套施工工藝[13-16]，實現了大斷面隧道機械化高質量、安全快速施工。

3)研發了包含超前支護、超前預注漿、低預應力錨桿、早高強噴射混凝土等措施的隧道主動支護體系，建立了隧道大斷面法施工掌子面超前支護設計方法[17-21]、洞身段圍巖形變壓力計算方法[22-25]，并在此基礎上，對隧道支護結構設計圖進行了2次系統優化，形成了隧道機械化大斷面法施工圖[26]。

4)開發了基于輕量化BIM的數字化管理平臺，并建立了隧道機械化大斷面法作業安全及質量信用管理方法，實現了大斷面隧道機械化施工全要素、全過程的數字化、精細化管理。

武九公司依托鄭萬高鐵湖北段隧道工程，在攻克了隧道機械化、數字化建造技術的基礎上，進行了隧道智能化建造科技創新實踐，明確了隧道智能建造內涵及架構，攻克了關鍵技術，總結形成了具備初級智能化特征的高速鐵路隧道智能建造技術體系。

1 隧道智能建造內涵及架構

隧道智能建造是現代信息技術(大數據、互聯網、人工智能)、現代隧道修建技術(機械化大斷面修建技術)與智能工裝深度融合形成的隧道建造新模式，通過規范化建模、網絡化交互、可視化認知、高性能計算以及智能化決策支持，實現圍巖智能判識、智能設計、智能施工及智能管理[27-28]。

目前鄭萬高鐵隧道建立的高速鐵路隧道智能建造體系是隧道智能建造的初級階段，其整體架構見圖1。

圖1 隧道智能建造整體架構示意圖

2 隧道智能建造關鍵技術

3年來，依托鄭萬高鐵湖北段隧道工程創新實踐，研究攻克了多項重難點問題，完成了9臺施工裝備智能升級，研發了3+1個系統(平臺)，總結形成了圍巖智能分級、設計參數智能優選、開挖及支護智能施工、智能建造協同管理等4大關鍵技術成果，初步構建了高速鐵路隧道智能建造技術體系，具體如下。

2.1 隧道圍巖智能分級系統

圍巖智能分級是隧道智能建造的基礎，也是目前智能化技術水平最高的施工環節。其核心包括圍巖智能分級方法、圍巖級別智能預測方法及圍巖智能分級系統軟件等3部分內容。

2.1.1 圍巖智能分級方法

現場采集了299份不同巖性、不同級別圍巖的掌子面鑿巖臺車鉆進參數數據樣本(見表1)，在解析鉆桿推進速度、推進壓力、沖擊壓力及回轉壓力等鉆進參數后，發現鉆進參數和圍巖級別有較強的相關性，其中，推進速度和圍巖級別呈現負相關，推進壓力、沖擊壓力、回轉壓力和圍巖級別呈現正相關(見圖2和表2)，由此奠定了圍巖智能分級的基礎[29]。

表1 現場采集樣本基本信息統計

(a) 推進速度

(b) 沖擊壓力

(c) 推進壓力

(d) 回轉壓力

表2 鉆進參數和圍巖級別相關性系數R[29]

基于這一特性，利用SVM、BP神經網絡等多種機器學習算法，建立了掌子面圍巖智能分級模型(見圖3)，準確率約87%。

考慮到現有樣本不多，屬于小樣本問題，而SVM模型在小樣本的非線性分類方面具有較好的魯棒性，因此，以基于SVM方法的掌子面圍巖智能分級模型為基礎，建立了隧道圍巖智能精細化分級方法，實現了根據鉆進參數自動、快速進行掌子面圍巖精細化分級，并根據權重給出掌子面整體圍巖級別。

具體步驟為：

1)根據掌子面炮孔分布特征對掌子面進行分塊，以隧道中軸線為基準線、左右間距2 m為單位將隧道掌子面分為6縱；以隧道拱頂為基準點、上下間距2 m為單位將掌子面分為6層。最終，掌子面被分為了6層6縱34塊，并對各塊區域進行編號(見圖4)。

2)調用圍巖智能分級模型，根據各炮孔鉆進參數進行炮孔自動分級(見圖5)。

(a) SVM模型

(b) BP神經網絡模型

圖4 掌子面編號示意圖

3)將每一塊內各個炮孔的圍巖級別取算數平均值，得到各塊圍巖級別(見圖6)。

4)將各塊圍巖級別加權平均，得到掌子面圍巖級別，權重系數按照拱頂區域重要性>邊墻區域重要性>中部區域重要性>底部區域重要性的原則確定(見表3)。

圖5 掌子面炮孔分級示意圖

圖6 掌子面精細化分級示意圖

表3 掌子面各塊權重

2.1.2 圍巖級別智能預測方法

基于掌子面圍巖精細化分級結果，利用掌子面圍巖橫向分區、縱向分層特征，根據已開挖段2個斷面圍巖鉆進參數精細化分級結果，建立掌子面圍巖級別沿隧道縱向的空間映射關系，從而對掌子面前方圍巖級別進行動態預測(見圖7)。

圖7 基于鉆進參數的掌子面圍巖級別動態預測模型示意

在此基礎上，結合超前鉆探、超前物探、勘察設計等多源地質信息，遵循“以近為主、以鉆為主”的原則，具體優先級為“鉆進參數預測>超前鉆探>超前物探>勘察設計”，進行掌子面前方圍巖進階式綜合預測(見圖8)。

2.1.3 圍巖智能分級系統軟件

以圍巖智能分級方法、圍巖智能預測方法為核心，開發了“高速鐵路山嶺隧道圍巖智能分級系統”軟件。其具有項目基本信息、項目進度控制、實時動態分級、圍巖級別變更、圍巖級別預測、圍巖級別驗證和歷史數據查詢等7項功能模塊。典型界面如圖9所示。

圖8 圍巖級別智能綜合預測結果示意

圖9 圍巖智能分級系統軟件界面示意(實時動態分級)

2.2 隧道設計參數智能優選系統

隧道設計參數智能優選是隧道智能建造的重要組成部分，是連接隧道圍巖智能分級和隧道開挖及支護智能施工的中間環節，起著承上啟下的重要作用。其核心包括設計參數智能匹配、推薦方法，設計參數智能校核、優化方法和設計參數智能優選軟件3部分內容。

2.2.1 設計參數智能匹配、推薦方法

廣泛收集部頒隧道通用參考圖、鄭萬高鐵隧道支護設計圖、鄭萬高鐵爆破設計圖，整理形成了包括超前支護、洞身支護設計、爆破設計等設計參數數據庫。根據圍巖級別、埋深、巖石類型、施工水平等參數，利用數據庫智能搜索匹配算法，進行設計參數匹配、推薦。

目前，該庫包含鄭萬高鐵隧道支護參數圖、部頒隧道通用參考圖等共12部圖、255套設計參數，具體見表4。

表4 隧道設計參數數據庫匯總表

2.2.2 設計參數智能校核、優化方法

利用隧道機械化大斷面法超前支護設計方法[17-21](見圖10、式(1))、洞身支護結構設計方法[22-25](見圖11、式(2)和式(3))對設計參數初選值進行校核、優化。

D為掌子面高度，m； Le為未支護段長度； p1為掌子面錨桿合支護力，kN； Fw為掌子面滑移體自重，kN； Fc為掌子面滑移面黏聚力合力，kN； Fφ為掌子面滑移面摩擦力合力，kN； Fq為掌子面滑移體豎向形變壓力合力，kN； q為豎向形變壓力，kPa； q′為管棚折減后豎向形變壓力； θ0為破裂角，(°)； α0為掌子面滑移體上方豎向形變壓力折減系數； α1為管棚支護下掌子面前方擾動段豎向形變壓力折減系數； α2為掌子面預注漿加固后圍巖粘聚力增大系數。

(1)

式中：K為掌子面穩定系數，當K>[K]時，掌子面穩定； [K]為掌子面設計穩定系數，參考GB 50068—2015《巖土錨桿與噴射混凝土支護工程技術規范》，取[K]=1.15；β1、β2、β3分別為與φ相關的系數。

豎向形變壓力

q=0.33γ(0.2+0.1B)e-0.006BQ+4.2。

(2)

水平形變壓力

e=2.7e-0.006 6BQq。

(3)

式(2)—(3)中：γ為圍巖重度，kN/m3；B為隧道跨度，m； BQ為巖體基本質量指標。

綜合考慮安全性和經濟性進行設計參數優化，即計算后安全系數既不能太大也不能太小，具體標準見表5。

q為豎向形變壓力； e為水平形變壓力。

表5 隧道設計參數校核參考標準

2.2.3 設計參數智能優選系統軟件

以設計參數智能匹配推薦方法、設計參數智能校核優化方法為核心，開發了“高速鐵路山嶺隧道設計參數智能優選系統”軟件，具有項目基本信息、項目進度控制、超前支護設計、洞身支護設計和歷史數據查詢等5項功能模塊。典型界面如圖12所示。

2.3 隧道開挖及支護智能施工系統

隧道開挖及支護智能施工是隧道智能建造的重要部分，承擔了隧道智能建造的現場施工任務。其包括裝備動態感知技術、裝備傳輸接口技術、裝備機群控制技術、系列裝備智能升級、開挖及支護智能施工系統軟件等5部分。

2.3.1 裝備動態感知技術

通過溫度、壓力、速度、加速度、角度、位移、電壓等各類機載傳感器在智能裝備施工過程中自動采集施工過程信息形成施工日志，并通過解析實現鉆進參數信息、隧道輪廓信息(開挖輪廓、初期支護輪廓、二次襯砌輪廓等)、混凝土澆筑信息和裝備狀態信息等多源異構信息的實時動態感知，為隧道圍巖智能分級、智能管理等提供了數據支撐。

圖12 設計參數智能優選系統軟件界面示意(洞身支護優化)

2.3.2 裝備傳輸接口技術

如圖13所示，提出了隧道裝備多源異構數據的統一交互方法。對隧道地質、設計、施工、質量等不同數據進行了無監督聚類分析，明確了隧道施工多源異構數據的時間、空間和語義特征，提出了全工序智能裝備統一數據交互制式，建立了基于寬窄帶融合技術的高可靠、低時延隧道施工現場裝備物聯網體系，開發了隧道多源異構大數據分布式存儲交互架構，搭建了智能裝備機群信息交互橋梁。

圖13 智能鑿巖臺車參數采集與標準化交互

2.3.3 裝備機群控制技術

利用遠程指揮車(見圖14)及隧道傳輸網絡，實現了隧道智能裝備機群的遠程遙控作業(見圖15)。

圖14 裝備機群遠程指揮車

圖15 裝備機群遠程指揮施工(噴混凝土作業)

研發了裝備臂架作業運動軌跡自動規劃與控制系統(見圖16)，實現了隧道智能裝備按照隧道設計自動規劃運動軌跡并自主控制精準作業(見圖17)。

圖16 臂架作業運動軌跡自動規劃與控制

圖17 裝備自主控制精準作業(鉆孔施工)

2.3.4 系列裝備智能升級

基于裝備動態感知技術、裝備傳輸接口技術、裝備機群控制技術，對現有機械化裝備進行了智能升級，研發了智能注漿臺車、智能鑿巖臺車、智能鏟銑機、智能濕噴臺車、智能拱架臺車、智能錨桿臺車、數字化防水板臺車、數字化襯砌臺車、數字化養護臺車等9臺隧道鉆爆法施工智能成套裝備(見表6)，為隧道智能建造提供了裝備支撐。

2.3.5 開挖及支護智能施工系統軟件

以裝備動態感知技術、裝備傳輸接口技術、裝備機群控制技術為核心，開發了“高速鐵路山嶺隧道開挖及支護智能系統”軟件。其具有設計數據交互、設備遠程監測、施工日志交付、文件傳輸概覽等4項功能模塊。典型界面如圖18所示。

表6 隧道鉆爆法施工智能成套裝備

2.4 隧道智能建造協同管理平臺

隧道智能建造協同管理平臺是隧道智能建造的核心，是隧道智能建造的大腦中心，協同控制著隧道智能建造各關鍵環節。其核心包括隧道智能建造多源異構數據接口技術、多源異構數據存儲技術、多源異構數據安全技術和隧道智能建造協同管理平臺軟件等4部分。

2.4.1 多源異構數據接口技術

智能施工裝備所采集的數據格式以半結構化和非結構化格式居多，多種類型智能設備所感知數據方式、類型、存儲格式或表現形式可能存在較大的差異。施工過程數據有采集頻率高、數據記錄多等特點；視頻或高清數碼具有存儲空間大、文件格式存儲等特點，現場手持終端檢測數據具有格式化、模板化等特點。搭建一套滿足不同數據類型、存儲格式的數據交互、轉換接口，借助“數據交互”實現系統內外的數據交互，借助“業務轉換接口”將施工數據轉換成滿足業務管理要求的數據格式，并提取、分析關鍵數據形成項目管理基層數據源。數據接口內部結構如圖19所示。

圖18 開挖及支護智能施工系統軟件界面示意(掃描日志)

圖19 數據接口內部結構示意圖

2.4.2 多源異構數據存儲技術

智能建造管理平臺涉及到的數據具有類型多、結構復雜、量大、訪問頻率高等特點，為提升系統交互效率和訪問速度，需構建一個存儲結構合理、讀寫速度快、安全性高的數據存儲方案，借助數據拆分存儲等技術，改善了海量數據的讀寫性能。

2.4.2.1 數據垂直拆分

依據智能建造協同平臺各個子系統和各業務管理的需要，將整個平臺的數據分割到不同的數據表空間，將原來強耦合的系統拆分成多個弱耦合的服務，通過服務間的調用來滿足業務需求。確保核心模塊的穩定性，同時有效緩解了不同業務模塊之間的IO競爭壓力。

2.4.2.2 數據水平拆分

針對智能施工設備所采集的數據，依據范圍或時間屬性將數據拆分到多個結構相同的數據表中，借助數據映射關系進行數據訪問，有效地解決了施工過程數據、質檢資料等單表數據量大的數據讀寫瓶頸。

2.4.2.3 數據分區存儲

充分借助Oracle數據庫提供的分區機制，將表中的數據劃分成多個區域，通過分區表的映射關系，快速定位查詢、讀取數據，有效緩解部分數據持續陡增而引起的數據讀寫速度慢等問題，從而改善巨型數據表的讀寫性能。

2.4.3 多源異構數據安全技術

借助磁盤陣列從物理上進行有冗余的數據備份存儲，實現了數據的安全存儲和快速數據還原。應用程序嚴格按照前端、應用邏輯、數據庫進地分離，防止非法軟件通過前端攻擊數據庫和竊取數據信息。利用票據與令牌信息進行用戶認證與授權，借助token驗證用戶的合法性與有效性，有效避免了非法訪問。借助MD5加密技術對數據進行加密處理，降低了數據在傳輸、讀寫等環節出現信息泄露的風險。引入數字指紋和CA數字簽名技術，有效避免了數據被惡意篡改或偽造，同時確保數據的完整性。通過時間戳機制可以有效地防御DOS攻擊，提高了數據交互接口的可用性。

2.4.4 智能建造協同管理平臺軟件

運用多源異構數據接口、安全及存儲等關鍵技術，將圍巖智能分級系統、設計參數智能優選系統、開挖及支護智能施工系統與現有信息化管理系統進行整合，形成隧道智能化建造協同管理平臺(見圖20)。

圖20 隧道智能化建造協同管理平臺

整合完成后的各子系統間以平臺數據中心為媒介，通過高效的數據流動，協同完成隧道圍巖智能分級、智能設計、智能施工等隧道智能建造核心功能。具體而言，開挖及支護智能施工子系統的施工信息中的智能型鑿巖臺車鉆進參數通過平臺傳輸給圍巖智能分級子系統；圍巖智能分級子系統根據此鉆進參數進行圍巖智能分級，并通過平臺輸出掌子面圍巖級別給設計參數智能優選子系統；設計參數智能優選子系統根據此圍巖級別完成設計參數智能匹配、推薦及校核、優化工作，并通過平臺輸出最終設計參數給開挖及支護智能施工子系統；開挖及支護智能施工子系統根據此設計參數，生成施工方案，并下發給各智能裝備，進而完成現場各項施工工作。隧道智能建造協同管理平臺內部各系統間數據流動關系如圖21所示。

3 隧道智能建造應用及展望

2020年7—10月，在鄭萬高鐵湖北段隧道選擇了3個工點進行現場試驗，初步驗證了隧道智能建造各項功能。

圖21 隧道智能建造協同管理平臺子系統間數據流動關系示意

根據隧道智能建造三步走總體規劃，下一步主要依托宜興高鐵隧道工程，選定3個工點進行智能建造應用示范，完成關鍵工序智能互聯工程裝備施工，實現“人工決策為主、機器決策為輔”，形成初級版(V1.0)。

具體工作從以下3個方面展開：

1)進一步深化隧道機械化施工技術體系——夯實基礎，提升經濟性。

首先是進一步深化主動支護體系設計方法研究，特別是突破初期支護設計方法以經驗定性為主的現狀，研究形成主動支護體系初期支護理論設計方法，并在此基礎上繼續開展支護設計參數優化工作，以提高主動支護體系的經濟性，增強推廣的生命力。

其次是進一步研究擴展大斷面法的適用性，尤其是在極軟弱及特殊地質條件適用性，研究形成大斷面法在極軟弱及特殊地質條件的安全配套保障措施，推廣機械化、大斷面法的應用范圍，促進隧道行業整體的技術進步。

最后是進一步深化研究完善大斷面施工配套工藝，特別是機械化裝藥技術和精細化爆破技術。因為相比其他工序，裝藥爆破這一關鍵工序仍存在掌子面施工人員多、機械化及智能化程度不高、施工安全風險大、超挖過大等問題，需進一步改進優化，以減少掌子面施工人員、減少超欠挖，進一步提升隧道施工安全性、經濟性。

2)進一步提高隧道智能化建造可靠性——提升水平，增強可靠性。

首先是進一步深化圍巖智能判識技術研究，通過擴展樣本類型及數量、優化算法的形式，進一步提升圍巖智能判識的精度。

其次是在機械化裝藥技術的基礎上，研究運用深度學習、圖像識別、機器人自動控制等人工智能技術，實現散裝炸藥智能裝填、智能精細化爆破設計，進一步完善現有隧道智能建造技術體系。

最后是根據現場應用情況，持續推進智能裝備改造升級，進一步提高智能裝備施工可靠性及智能化水平，以達到質量更優、效率更高的目的。

3)進一步深化隧道精細化管理——加強管理，過程可控。

主要是在現有管理體系的基礎上，增加工序質量后評估環節，充分利用掃描儀、信息化實驗室、微信App小程序等手段，自動、快速采集工序質量數據，通過真實的數據實現工序質量的實時、量化評價。

總之，隧道智能化建造道阻且長，不可能一蹴而就，國外隧道機械化、數字化發展經歷了近百年才逐漸成熟，智能化也尚處于開端。因此，必須結合我國國情，依托具體工程項目，以建設單位為主體，廣泛組織協調科研、設計、施工、裝備制造等單位，廣泛應用新材料、新技術、新裝備，全面革新隧道設計方法、施工方法、管理方法，在完成隧道機械化、數字化建造技術改造升級的前提下，持續推進隧道智能化建造技術進步，加快開展隧道智能化建造推廣應用，合力把我國鐵路隧道修建水平推向一個新的高度。