一种针对复杂地质条件区域隧道的安全控制方法

技术领域

本发明涉及隧道的安全控制与评价领域，特别是一种针对复杂地质条件区域隧道的安全控制方法。

背景技术

近年来随着我国经济实力和隧道设计施工技术的不断提升，在高地应力、高地下水压、褶皱和断层破碎带等复杂水文地质条件区域正在修建大量的高速公路隧道群。受不良地质的影响，隧道易出现大变形、塌方、钢拱架扭曲和二次衬砌开裂等病害。根据2000年铁道部对5200余座全长超过2500km以上的运营隧道进行病害调研的结果，全国60％的运营中的铁路隧道存在着不同程度、不同类型的病害，有些隧道的病害已经相当严重，危及行车安全。而隧道工程通常是区域交通网络的重要控制性节点，一旦损坏将对物流和交通造成重大损失。因此开展隧道长期运营过程的监控量测，正确评价隧道支护结构所处的安全状态，对建立区域大规模隧道群病害的预防管理体制，及时发现隧道病害并采取针对性的维修加固措施具有重要的意义。

目前对于隧道结构安全性评价方法的研究多集中在隧道病害的评判基准上，多国相关管理机构制定了相应的安全状态评价和管理办法，日本将铁路隧道的安全等级被划分为四大级多小级，提出了基于“健全度”指标的评判方法，并建立了典型病害的健全度及其判定标准。美国《公路和高速铁路隧道检查手册》将隧道结构安全等级划分为10个等级，并对每个等级的划分标准和判定标准进行了规定。国内在《公路隧道养护技术规范》中，将公路隧道病害分为3种形式、4个安全等级，并给出了隧道衬砌变形速度、断面强度降低及渗漏水等6类隧道病害的评判标准。近年来随着人工智能技术的不断发展，基于智能算法如模糊综合评价、BP神经网络等的结构性能评价方法也开始运用于隧道工程当中。张敏等基于改进的层次分析法，采用客观融合主观的赋权方法，重点考虑了隧道结构变形、裂缝、漏水及结构应力等影响因素，建立了红谷隧道健康状态评价模型。田明杰等在现场试验的基础上，考虑围岩压力、衬砌变形等因素，建立了基于BP神经网络的隧道稳定性评价方法。李启月以山东某隧道为例，运用基于T-S模型的模糊神经网络，结合相关影响因素对地下硐室超挖进行了预测；于伟达采用长期现场数据监测、二衬开裂有限元数值模拟及模糊神经网络评价模型相结合的方式，对公路隧道运营阶段二次衬砌开裂进行了安全性评价。然而，目前我国采取的针对区域大规模隧道群的安全控制体系还存在着以下不足：

1.对隧道的监控量测仍以施工期变形监控为主，针对运营期隧道支护结构力学行为演化的监测较少。尽管变形观测相对简单易于实现，对于运营期的隧道而言，围岩被支护结构遮挡，而支护结构的刚度较大，不能实时的反映出岩体变形。反之，结构的力学特性的变化更加直观，且能够明确的体现隧道的安全状态。

2.现有的安全评价方法种类较少，只能应用于某一隧道具体断面的安全性评价，适用于大规模隧道群性能与安全的评价方法较少。此外用于安全评价的指标选取较为主观，主要依靠工程经验，缺少可用数学语言表达的定量的判别标准。

3.隧道在长期运营过程中的安全特性受到沿线地质条件如埋深、围岩等级、不良地质、地下水和自身的设计施工方法如初期支护及二次衬砌厚度、钢拱架锚杆间距、开挖方法等多种因素的共同影响。而目前在对隧道进行安全评价时考虑的影响因素较少，不能综合地反映隧道安全等级的演化趋势。

4.有关具体监测断面的安全等级与隧道群安全等级之间的映射关系的研究较少，为了反映众多隧道的安全状况，需要尽可能的增加监测断面，然而长期健康监测传感器的成本较高，对隧道群大量的断面都开展健康监测不仅花费极高，也不具有可操作性。如何通过有限的典型断面反映出区域隧道群的整体安全情况有待进一步研究。

发明内容

本发明的目的是要解决现有技术存在的不重视隧道长期安全问题的缺陷，提供一种针对复杂地质条件区域隧道的安全控制方法。

为达到上述目的，本发明是按照以下技术方案实施的：

一种针对复杂地质条件区域隧道的安全控制方法，包括以下步骤：

S1、查阅区域内各隧道的地勘报告和设计说明，了解隧道所处的工程地质条件，衬砌结构的设计参数，隧道断面尺寸和形状和施工水平场地因素内容，通过监测元件对区域内隧道的典型断面进行健康监测，所述典型断面包括高地应力断面、高压富水断面、层状软岩断面；

S2、定期读取S1中监测元件的测量数据，得出隧道支护结构所承受的围岩压力、初期支护与二次衬砌间的接触压力、初期支护钢拱架轴力和二次衬砌轴力与弯矩；

S3、开展国内外文献调研，结合区域内隧道的服役要求以及隧道结构安全的影响因素和常见病害，将隧道的安全状态划分为结构安全、结构基本安全、结构潜在不安全、结构不安全四个等级；并建立模糊综合评价的因素集，所述模糊综合评价的因素集包括以下因素：结构受力特征、工程地质条件、衬砌结构特征、隧道断面特征和其他影响因素五类，具体细分为支护-二衬接触压力、钢拱架应力特征、衬砌轴力特征、衬砌弯矩特征、岩石质量指标、围岩完整程度、围岩强度特征、地下水赋存情况、断层破碎带影响、地应力影响、衬砌厚度、衬砌支护类型、隧道断面跨度、隧道断面搞垮比、施工设计水平、地震烈度和使用年限；然后根据模糊综合评价的因素集构建模糊综合评价模型；

S4、基于模糊理论，根据三角形分布、正态分布、岭形分布模型建立因素集到指标集的隶属度函数，利用层次分析法中的1-9标度法对模糊综合评价模型的因素集中的各因素的权重进行分析，然后计算出各监测断面所处的安全等级；

S5、将区域内隧道群所有的监测断面设为样本集，输入模糊神经网络中，对神经网络进行训练，建立隧道结构安全的影响因素与断面安全等级的映射关系，利用该模糊神经网络对隧道群未监测断面的安全状态进行推演。

进一步，所述S1中监测元件为振弦式传感器和/或光纤光栅表贴式传感器，所述监测元件包括钢筋计、水压力计、土压力盒、混凝土应变计，当隧道完成上台阶开挖后，在隧道拱顶和拱肩位置的钢拱架处分别焊接钢筋计，在围岩与初期支护之间安装水压力计，当隧道完成下台阶的开挖后，在隧道拱腰位置安装钢筋计和水压力计；二次衬砌施工时，在初期支护和二次衬砌之间的拱顶、拱肩、拱腰位置用膨胀螺丝安装一土压力盒，在二次衬砌钢筋立架的拱顶、拱肩、拱腰和拱架位置的内外侧分别利用扎丝安装一对混凝土应变计。

更进一步，所述S3中隧道的安全状态划分具体为：

V＝{V

其中V

Ⅰ级的判定内容为：结构安全，结构无破损或存在极少量细微裂缝，此阶段对杏仁、行车安全不会产生影响，发出安全信号，保持日常监控即可；

Ⅱ级的判定内容为：结构基本安全，结构存在破损或轻微裂缝，此阶段对行人、行车安全不会产生影响，但应结合长期监控项目判断结构受力是否会进一步发展；

Ⅲ级的判定内容为：结构潜在不安全，结构存在较大破损或裂缝，且继续发展，此阶段早晚会对行人、行车安全造成威胁，进一步发展会导致结构功能的降低甚至破坏；

Ⅳ级的判定内容为：结构不安全，结构存在严重破坏，且继续发展，此阶段已危及行人、行车安全，建议加强监控频率并立即采取维修加固措施。

与现有技术相比，本发明解决了大规模隧道群监控量测成本高，安全评价复杂的问题，对隧道群风险控制，及时采取相应加固措施保障隧道群安全运营具有重要的意义。

附图说明

图1为复杂地质条件区域隧道群安全控制体系研究流程图。

图2为隧道群典型断面长期健康监测元件安装示意图。

图3为模糊综合评价的评判模型。

图4为模糊神经网络结构图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步的详细说明。此处所描述的具体实施例仅用于解释本发明，并不用于限定发明。

如图1所示，首先对隧道群所在区域进行详细的调研，依据地勘报告、隧道设计资料等文献，确定各隧道工程所面临的危险源、不良地质、地震烈度区域等工程地质条件和衬砌厚度、衬砌类型、施工工法、断面高跨比等设计信息。以此为依据筛选出区域内大规模隧道群的典型断面，开展长期健康监测。

(1)长期健康监测元件的安装

如图2所示，在典型断面上安装钢弦式力学传感器。依托工程内的隧道主要采用台阶法开挖，隧道上台阶开挖后，在隧道拱顶和拱肩位置的围岩和初期支护接触区域，安装水压力计1，水压力计的探头用纱布包裹防止碎石和砂砾堵塞传感器影响监测结果。在初期支护钢拱架的拱顶和拱肩位置安装钢筋计2，钢筋计的安装采用焊接方式，在安装过程中采用湿毛巾保护钢弦传感器，防止其受高温影响出现误差。隧道下台阶开挖后采用相同的方法在拱腰处安装水压力计1和钢筋计2(注：如果隧址区域不受地下水渗流的影响则可不安装水压力计)。

在初期支护和二次衬砌之间的拱顶、拱肩、拱腰位置安装土压力盒3，土压力盒通过三枚膨胀螺丝固定在初期支护的喷射混凝土上。在二次衬砌的拱顶、拱肩、拱腰和拱脚位置各安装一对混凝土应变计4，混凝土应变计通过扎丝固定在模筑钢筋混凝土的内、外侧钢筋上，即可通过内外侧应变之差计算出二次衬砌的轴力与弯矩。传感器的导线均沿洞周顺时针方向走线，导线通过扎丝固定在二次衬砌的钢筋上。

(2)通过模糊综合评价方法判断监测断面的安全等级

1.隧道主体结构安全等级的确定

综合国内外资料可知，目前常用的几种划分方法中，三级划分法比较简单，主要用于隧道检查结果的评判。十级划分方法则划分过细，且对于公路隧道而言，有些状态是不需要的。因此在分析主流划分方法的优劣上，本发明将隧道主体结构的安全状态划分为4级：

V＝{V

其中V

表1隧道结构安全等级划分

2.隧道群结构安全模糊综合评价模型因素集的分析

在复杂地质环境下的隧道结构安全的影响因素众多，查阅相关资料并结合(1)中进行的危险源辨识结果，确立了如图3所示的隧道结构安全模糊综合评判模型，具体的影响因素包含：结构受力特征、工程地质条件、衬砌结构特征、隧道断面特征和其他影响因素5个方面。其中，结构受力特征U

综合设计资料调研、数值计算、监测结果分析和模型试验，结合隧道结构安全等级划分可得出隧道结构受力特征的评判标准如表2所示。

表2衬砌结构受力因素评判基准

本发明在对各种隧道围岩稳定性分级规范标准的基础上，建立了各子因素与隧道结构安全性之间的判别基准。如表3给出了部分子因素判别基准。

表3模糊综合评判模型中各影响因素判别基准

3.隶属度函数和各指标因素权重集的确定

隶属度函数是属于[0,1]之间的数值，本实施例基于正态分布模型计算出了各因素的隶属度函数。

公式当中α

本实施例采用基于层次分析法中的1-9标度法对区域内隧道群结构安全模糊综合评判模型中的各因素权重集进行分析，构建两两判断矩阵，“1-9”标度见下表4。

表4“1-9”标度法

这样，对因素集U，其n个制约子因素构成一两两判断矩阵C：

其中c

通过两两判断矩阵C，计算因素U的权重W＝(w

Cw＝λ

式中λ

首先计算特征向量

将

计算最大特征值λ

对于一个判断矩阵C，为了检验其计算结果符合实际，通常需要进行一致性检验，并设定一个判别一致性好坏的标准。

一致性比例C.R.：

其中C.I.为一致性指标，R.I.为平均随机一致性指标，当C.R.＜0.1时，认为一致性符合标准，当C.R.＞0.1，一致性不符合标准，应对判断矩阵进行修正。C.I.取值方法如下：

式中n为判断矩阵的阶数。

经过以上分析即可确定出判断矩阵中的标度，并构造出两两判断矩阵。影响区域隧道群长期安全性能的各指标因素的权重关系如表5所示。

表5准则从及指标层的权重关系表

再将各因素评判集的隶属度排列成行，就构成了因素集和评判集之间的模糊关系评矩阵，用

其中，评价矩阵

再将各项乘以相应的因素权数a

其中

综上所述即可完成对隧道典型断面的模糊综合评价，得出各断面所处的安全等级。

(3)模糊神经网络的推演

如图4所示确立模糊神经网络的结构，由于隧道安全推演法则共有13个推演指标，所以模糊神经网络输入层共有13个输入节点。输出结果为隧道断面的安全等级，因此输出结果的矩阵为V＝{V

R

其中，||·||表示二范数；X为n维输入向量，即X＝[x

在所有检测断面的安全评价结果中选出一部分，作为样本集输入模糊神经网络中进行训练，训练结束后该神经网络即储存有因素集与安全等级之间的复杂映射关系。再将未选择数据作为验证集输入神经网络中，将推演得出的结果与模糊综合评判的计算结果进行对比，若误差在允许范围内则说明该模糊神经网络符合要求。

将未监测的断面信息输入神经网络中经推演即可得知该断面所处的安全等级。

本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。