防护台车及非接触式隧道施工岩爆预警防护系统搭建方法与流程

本发明涉及隧道开挖防护领域，更具体的说，它涉及一种防护台车及非接触式隧道施工岩爆预警防护系统搭建方法。

背景技术：

岩爆是岩体受开挖卸荷的影响，使得围岩应力重新分布，在洞壁附近产生应力集中和应变能的聚集进而引起围岩在空间上随机性破裂、弹射、抛出的现象，尤其是在深埋隧道的掌子面、隧道拱顶、隧道拱肩，这种现象显得十分突出。岩爆作为一种地质灾害，不仅能够造成设备损失、工程失效、工期延误，而且更会极大程度的威胁施工技术人员的生命安全，由于具有突发性、随机性和猛烈性等特点。因此，为了减轻岩爆突发时对施工人员及施工设备的威胁，设计一种防护系统尤为重要。

技术实现要素：

为了能够对施工过程和人员安全进行有效保障，本发明提供一种防护台车及非接触式隧道施工岩爆预警防护系统。为了对工作人员提供有效保护，本申请提供一种防护台车。

本申请提供的一种防护台车,采用如下的技术方案：

一种防护台车，包括机架、行走组件、落石缓冲组件、喷淋组件以及岩爆预警系统；行走组件作为机架移动的动力来源固设于机架底部；落石缓冲组件包括与机架固定连接的拱架以及固设于拱架上的防护网；岩爆预警系统包括用于检测围岩温度的热敏红外传感器以及用于检测围岩形变的高灵敏激光传感器。

通过采用上述技术方案，落石缓冲组件配合机架能够在隧道开挖过程中承接隧道顶部掉落的落石。喷淋组件能够对开挖的围岩进行喷淋，喷淋组件喷射在围岩上的水能够软化有岩爆趋势的硬质围岩。行走组件能够传感器与高灵敏激光传感器的设置还能够对围岩进行监测，便于监控人员及时提醒施工人员警惕或闪避。

附图说明

图1为实施例一的轴测图；

图2是实施例一中为表示机架结构的示意图；

图3是图2中为表示底部立杆结构的a部放大图；

图4是图2中为表示顶部立杆结构的b部放大图；

图5是实施例一中为表示防护网结构的示意图；

图6是实施例一中为表示拱架结构的示意图；

图7是图5中为表示支撑板结构的c部放大图；

图8是图6中为表示耐冲网结构的d部放大图；

图9是图1中为表示紧急避难组件结构的e部放大图；

图10是实施例一种为表示喷淋组件结构的示意图；

附图标记：1、顶部连接框；11、顶部长杆；12、顶部短杆；13、顶部

连接块；14、顶部立杆；141、顶部加强杆；142、顶部加强块；15、中部连

接框；151、中部长杆；1522、中部短杆；153、中部连接块；16、顶部安全

梯；161、底部安全梯；17、底部立杆；171、底部加强杆；172、底部加强

块；18、中部加强杆；2、防护网；21、耐冲网；22、兜网；23、拱架；231、

顶架；231、底架；24、固定器；241、支撑板；242、高强螺栓；243、耐磨

套；244、螺母；3、机架；31、底板；4、落石缓冲组件；5、辅助支撑装置；

51、液压缸；52、抵接板；53、挡板；6、行走组件；7、喷淋组件；71、喷

淋软管；72、轨道小车；721、电机；722、限位板；7221、侧翼；7222、主

体；723、带齿移动轮；73、连接板；74、滑轨；741、滑槽；8、紧急避难

组件；81、防护板；82、氧气供应装置；83、固定杆；84、液压铰链；85、

软垫；9、旋转平台；91、热敏红外传感器；92、高灵敏激光传感器。

具体实施方式

实施例：一种防护台车，参见图1，包括机架3，机架3底端固定连接有水平设置的底板31，底板31底面上固定连接有驱动机架3移动的行走组件6，本实施例中的行走组件6采用步进电机驱动的实心橡胶轮，行走组件6有四个且呈矩形的四个尖角的分布状态均匀分布。行走组件6一侧的底板31上固定连接有竖直设置的辅助支撑装置5，每一个行走组件6一侧均有且仅有一个辅助支撑装置5。机架3的两侧均固定连接有紧急避难组件8。机架3的顶端固定连接有拱形的落石缓冲组件4，落石缓冲组件4的两端分别位于两个紧急避难组件8处。落石缓冲组件4上固定连接有与其轮廓适配的滑轨74，滑轨74有两个且分设于落石缓冲组件4的两侧，滑轨74上沿其轮廓滑移连接有喷淋组件7，喷淋组件7包括与滑轨74滑移连接的轨道小车72以及固设于轨道小车72上的喷淋软管71，喷淋软管71背向防护网2设置，并朝向围岩方向喷吹。

参见图2和图3，机架3包括竖直设置的六根底部立杆17，六根底部立杆17三根一组对称设置，底部立杆17为竖直设置的工字钢，六根底部立杆17呈矩形的两条相对的侧边状分布。一组三根底部立杆17中位于两侧的底部立杆17上均固设有倾斜设置的底部加强杆171，底部加强杆171的底端与底部立杆17的底端平齐，同一底部立杆17上的两个底部加强杆171呈开口向下的v字状设置，工字钢状的底部立杆17连接有底部加强杆171处的凹槽内部固定连接有底部加强块172，底部加强块172与底部加强杆171的一端固定连接。底部立杆17的侧壁上固定连接有倾斜设置的中部加强杆18，底部立杆17连接有中部加强杆18的侧壁垂直于其连接有底部加强杆171的侧壁。中部加强杆18的底端位于底部加强杆171的顶端与底部立杆17之间，顶端固定连接有水平设置的中部连接框15。中部连接框15包括连接在底部立杆17顶端的中部长杆151以及固设于相邻两根中部长杆151之间的中部短杆152。中部连接框15以及顶部连接框1上均固设有安全梯，两个安全梯的延伸方向呈夹角设置，连接于顶部连接框1上的是顶部安全梯16，连接于中部连接框15上的是底部安全梯161，顶部安全梯16与底部安全梯161均与机架3通过螺栓连接。由于安全梯与防护台车之间是可拆卸的螺栓连接，当然也可以根据工况改变安全梯的数量和安装位置，例如将安全梯靠边安装等。

参见3和图4，中部长杆151有三根，且三根中部长杆151的两端分别于六根底部立杆17的顶端固定连接，中部短杆1522有十根，且十根中部短杆1522均匀的分布在三根中部长杆151形成的两个空隙之间，并形成网框状结构。中部长杆151呈工字钢状，且中部长杆151连接有中部短杆1522处的凹槽内固定连接有中部连接块153，中部连接块153与中部短杆1522固定连接。中部连接框15的顶面固定连接有竖直设置的顶部立杆14，顶部立杆14的底端固定连接在中部长杆151的顶面上，且顶部立杆14的底端与中部连接框15的连接节点交错分布，即中部长杆151连接有中部短杆1522的位置与中部长杆151连接有顶部立杆14的位置交错分布。顶端固定连接有水平设置的顶部连接框1。顶部连接框1包括与顶部立杆14固定连接的顶部长杆11以及与顶部立杆14固定连接的顶部短杆12。顶部立杆14有六根且三根一组地均匀对称的分布在三根中部长杆151上。顶部长杆11有三根，且三根顶部长杆11的两端分别固定连接在六根顶部立杆14的顶端上，顶部长杆11平行于中部长杆151。顶部短杆12有六根且均匀对称的分布在三根顶部长杆11形成的两个空隙之间，顶部短杆12平行于中部短杆1522。顶部连接杆垂直于顶部短杆12且形成网框状结构。顶部连接框1的两端在竖直方向上位于中部连接框15的两端之间。顶部立杆14以及顶部短杆12均呈工字钢状，且顶部立杆14与顶部短杆12连接处的凹槽内部固定连接有顶部连接块13，顶部连接块13与顶部短杆12固定连接。一组三根的顶部立杆14中间的一根顶部立杆14上固定连接有倾斜设置的顶部加强杆141，顶部加强杆141的底端固定连接在一组三根顶部立杆14中间的一根顶部立杆14上，顶端固定连接在这根顶部立杆14一侧的另一顶部立杆14上，且连接在同一顶部立杆14上的两根顶部加强杆141呈开口向上的v字状设置。

参见图5和图6，落石缓冲组件4包括一对拱形的拱架23以及位于拱架23上的防护网2，拱架23上固定连接有用于连接岩爆防护台车防护网的固定器24，固定器24包括固设于拱架23上的支撑板241以及螺栓连接在支撑板241上的高强螺栓242。

参见图7和图8，高强螺栓242倾斜设置，高强螺栓242的头部高于其螺纹尾端，两个拱架23上的高强螺栓242的螺纹尾端相背设置，且高强螺栓242的螺纹尾端螺纹连接有螺母244，高强螺栓242以及与其螺纹连接的螺母244之间有两个支撑板241。两个支撑板241之间的高强螺栓242上套设有管状的耐磨套243，耐磨套243的两端分别抵接在两个支撑板241上。拱形的防护网2套设在耐磨套243上，防护网2的两侧分别与两个拱架23上的耐磨套243连接。防护网2的顶面以及底面均呈曲面状，拱形的防护网2向其围成区域内部凸出形成内凹部；防护网2上绑设有兜网22，兜网22的两侧位于防护网2两侧之间，兜网22沿其长度方向设置的中线位于内凹部的曲率最大处，兜网22位于防护网2上其围成区域内的一侧；防护网2的两侧均绑设有耐冲网21，兜网22的两侧分别位于两个耐冲网21的两侧之间，耐冲网21的两侧位于防护网2两侧之间，兜网22的两侧分别与两个耐冲网21绑接，两个耐冲网21相对的侧边均与兜网22绑接，兜网22与耐冲网21分别位于防护网2的两侧；耐冲网21与兜网22均与防护网2贴合。

参见图9，辅助支撑装置5包括固设于底板31上的液压缸51以及固设于液压缸51的活塞杆端部的抵接板52，液压缸51竖直向下设置，抵接板52水平设置，液压缸51的活塞杆端部固设于抵接板52的中间位置处。液压缸51的缸体上固定连接有竖直设置的挡板53，挡板53将辅助支撑装置5以及行走组件6在机架3行进方向遮挡。

参见图9和图10，底板上设有岩爆预警系统，岩爆预警系统包括用于检测围岩的热敏红外传感器91以及用于检测围岩的高灵敏激光传感器92（参见图1），底板31上固定连接有多个旋转平台9，本实施例中的旋转平台9有两个，且两个旋转平台9分设于位于机架1两侧的底板31上，热敏红外传感器91与高灵敏激光传感器92分别固设于两个旋转平台9上。在其他实施例中，旋转平台9也可以安装在机架1上或拱架23上。紧急避难组件8包括与机架3固定连接的防护板81、固设于防护板81上的氧气供应装置82以及与防护板81铰接的固定件，本实施例中的固定件为铰接在防护板81上的固定杆83，固定杆83为被弯折成为两部分呈钝角设置的杆材状。防护板81呈倒置的l状，氧气供应装置82位于防护板81弯折区域内顶端，防护板81的弯折区域内侧壁上固定连接有软垫85，固定杆83位于软垫85上方的防护板81弯折区域内部。固定杆83位于氧气供应装置82下方，且固定杆83与防护板81之间设有缓冲装置，本实施例中的缓冲装置采用液压铰链84，固定杆83通过液压铰链84与防护板81连接，且相邻两根固定杆83之间留有供避难人员头部通过的空间。使用时，避难人员腰背靠在软垫85上，并将固定杆83向自己身体方向扳动，是头部穿过两个固定杆83之间的区域，并使固定杆83抵接在自己的两肩处，通过液压铰链84对固定杆83转动施加的阻碍效果，实现身体的固定。

参见图10，轨道小车72有两个且分别位于两个滑轨74上，滑轨74的一处侧壁上开设有与其轮廓适配的滑槽741。轨道小车72包括限位板722、固设于限位板722上的电机721以及同轴线固设于电机721的输出轴上的带齿移动轮723，限位板722被弯折呈c字状，即限位板722包括一块与滑轨74适配的主体7222以及两块分别抵接在滑轨74两个侧壁上的侧翼7221，主体抵接在滑轨的顶面上。电机721的外壳与一个侧翼7221固定连接，电机721的输出轴贯穿一个侧翼7221伸入滑槽741内，带齿移动轮723也位于滑槽741内。滑槽741内部底面上开设有与带齿移动轮723上的轮齿适配的卡槽，带齿移动轮723与这一卡槽啮合，用于定位带齿移动轮723上的轮齿，带齿移动轮723同时与滑槽741的顶面抵接，同时由于本实施例中的电机采用的是带有自锁功能的电机721，配合与滑轨74抵接的限位板722，所以通过上述技术方案能够使得轨道小车72稳定的停留在一个位置。

实施例二：一种非接触式隧道施工岩爆预警防护系统搭建方法，包括以下步骤:

通过查阅网络资料和施工方存档的纸质资料收集现有隧道开挖过程中传统微震监测和地勘资料，确定不同地域的不同类型围岩发生岩爆频率较高的位置，建立参考数据库。

将不同围岩的理化指标和力学参数作为围岩分类的标准，并记载在参考数据库中；收集现有的岩爆发生时现场围岩温度变化加速度以及岩爆时围岩形变的加速度信息，通过人工智能学习对具有相近理化指标和力学参数的围岩在同样或接近的环境参量下发生岩爆阶段的温度变化加速度和形变变化加速度进行比对学习，总结具有相同或者接近的理化指标的不同围岩发生岩爆时的温度变化以及形变变化的规律，总结具有相同或者接近的力学参数的不同围岩发生岩爆时的温度变化以及形变变化的规律，利用类神经网络算法对此前步骤收集的数据进行分类规整，同时增加环境温度、环境湿度、海拔、隧道开挖掌子面大小等环境参量，并分别根据围岩类型、环境温度、环境湿度、海拔、掌子面大小等参量对围岩温度变化以及形变变化规律进行分类规整，本实施例中的神经网络包括1个输入层、2个卷积层、2个池化层、2个全连接层、1个softmax层以及决策层；输入层输入多参量序列，决策层输出岩爆等级及其概率；引入代价矩阵来消除或减弱样本类别不平衡带来的不利影响后，构建神经网络模型，获得基于步骤一中参考数据库以及神经网络模型的隧道岩爆预警模型，将待预警区域或已有资料内预警单元内的多参量信息输入建立的岩爆预警模型，通过预警模型的计算输出预警区域潜在岩爆的等级及其概率，可以供工作人员参考判断模型的完整程度。本步骤中所指的围岩理化指标包括围岩硬度、密度、延展性、弹性等，围岩的力学参数包括孔隙率、声波速度、渗透性、容重等。

利用超前地质钻孔获取待掘进区域的岩芯，在实验室中进行等温三轴试验，确定岩爆前兆时围岩局部温度快速上升阶段温度变化加速度；同时检测记录岩爆前夕围岩局部温度上升时的形变变化加速度，将上述两个变化量输入参考数据库作为参考量；同类型围岩的同阶段的不同温度变化量或形变量数据整合，取最大值和最小值作为最终参考量，以步骤一中建立的参考数据库为基础，同类型围岩中选择的数据根据岩爆强烈程度分类，包括无岩爆、轻微岩爆、中度岩爆和强烈岩爆，完善并形成“围岩力学参数-岩爆临界形变-岩爆临界温度”数据库；同时每次具有新变量加入的岩爆数据都通过步骤二中的人工智能学习进行对比分析，并通过步骤二中类神经网络算法输入“围岩力学参数-岩爆临界形变-岩爆临界温度”数据库和岩爆预警模型；利用“围岩力学参数-岩爆临界形变-岩爆临界温度”数据库对构建的岩爆预警模型进行训练优化，随机选用80%的数据作为训练样本，选用剩余20%的样本作为测试样本进行训练优化，根据测试样本的分类结果，获得达到岩爆等级分类准确率最高的模型参数，即获得了基于“围岩力学参数-岩爆临界形变-岩爆临界温度”数据库和神经网络的岩爆预警模型，此步骤中完善的岩爆预警模型相较于步骤二中的岩爆预警模型，能够使用的参考量更多，准确度更高。

除上述以获取岩芯时的环境温度作为基础温度进行的等温三轴试验外，还可以在获取岩芯后将岩芯等分为多份样本，并分别在不同环境温度下赋予岩芯不同的基础温度进行三轴试验，获取同类型岩芯在不同基础温度下发生岩爆前夕的温度变化速率与形变速率之间的关联关系，即发现岩芯在何种温度变化加速度下会产生较高的形变加速度进而形成岩爆，将试验获得的岩爆前夕温度变化速率与形变变化速率之间的联系通过步骤二中的人工智能学习进行对比分析，并通过步骤二中类神经网络算法输入数据库和岩爆预警模型，获取其他没有试验过的岩芯基础温度下岩爆前夕的岩芯温度变化与形变变化规律，并随人工智能学习样本的增长而不断接近实际数值，作为岩爆预警模型中的岩爆判定依据。

另外，增加台车正常移动情况时，热敏红外传感器和高灵敏激光传感器接收到的信号，多次、并在不同温度、湿度的工况下进行试验后，将实验数据存入数据库内作为信号过滤时的参考量。

在隧道开挖过程中，在防护台车上加装多个用于监测围岩形变的高灵敏激光传感器和用于监测围岩温度变化的热敏红外传感器，并安装有用于报警的光报警系统，所有热敏红外传感器的监测区域将开挖隧道内部的围岩全面覆盖，高灵敏激光传感器能够针对可能发生岩爆的区域的每一点进行监测，本实施例中采用的是在防护台车上加装旋转平台，并将高灵敏激光传感器安装在旋转平台上；随着隧洞的开挖和时间的推移实时更新到步骤三中完善后的岩爆预警模型，从而对预警结果进行实时更新；对现场岩爆进行预警后，通过现场检验预警结果与实际情况是否相符，将该次岩爆及对应的监测信息作为新样本对“围岩力学参数-岩爆临界形变-岩爆临界温度”数据库进行动态补充和更新，不断优化岩爆预警模型。

隧道开挖过程中，防护台车随着开挖一同移动，同时热敏红外传感器进行监测，通过数学函数将防护台车移动过程中高灵敏激光传感器和热敏红外传感器采集到的信号进行过滤，剔除形变曲线中峰值和变化量明显超出“围岩力学参数-岩爆临界形变-岩爆临界温度”数据库中参考数值的数据；当发现某区域温度变化异常并与“围岩力学参数-岩爆临界形变-岩爆临界温度”数据库中的参考量接近时，高灵敏激光传感器转向这一区域并对这一区域的围岩形变进行监测，检测结果实时与“围岩力学参数-岩爆临界形变-岩爆临界温度”数据库中的参照量进行比对，利用热敏红外传感器和高灵敏激光传感器自带的简易微机快速处理比较提前内置的“围岩力学参数-岩爆临界形变-岩爆临界温度”数据库中岩爆变形或岩爆升温阀值信息并作出反馈，同时岩爆预警模型也会接收这些实时信息并发出反馈，当热敏红外传感器与高灵敏激光传感器二者中任一检测到的数据与数据库中的参考数据匹配，或者岩爆预警模型在接收到上述两个信号后给出危险信号的反馈时，声光报警系统会进行报警，警示工作人员。