TBM掘进隧洞岩石石英含量快速测试系统与方法与流程

本公开涉及一种tbm掘进隧洞岩石石英含量快速测试系统与方法。

背景技术：

目前，我国正在修建大量的城市地铁隧道、引供水隧洞、江越海隧道及电力电讯地下管廊等地下工程。tbm工法具有掘进速度快、利于环保、综合效益高等优点，是岩石隧道掘进最有发展潜力的机械设备，可实现传统钻爆法难以实现的复杂地理地貌深埋长隧洞的施工，在我国道路交通、水利水电、市政等隧洞工程中的应用正迅猛增长。tbm又称隧道硬岩掘进机，主要适用于坚硬岩石地层。在坚硬岩石地层中掘进，岩石的石英含量是影响施工的重要参数，石英含量高低影响刀盘磨损的程度。及时了解刀盘磨损信息并对刀具状态做出合理的评估，是tbm掘进隧洞工程质量和施工进度的重要保证。岩石中的石英类矿物是tbm刀盘磨损的主要原因，通过岩石中石英含量对刀盘磨损状态做出预测，在tbm掘进隧洞中具有重大意义。目前岩石中石英含量主要采用x射线衍射或近红外矿物分析仪测量，但是矿物分析仪价格昂贵且测试过程复杂，不能快速测得岩石中的石英含量。因此，在tbm掘进隧洞施工过程中，如何快速测得围岩岩石石英含量是急需解决的问题。

技术实现要素：

本公开为了解决上述问题，提出了一种tbm掘进隧洞岩石石英含量快速测试系统与方法，本公开解决了tbm掘进隧洞岩石石英含量获取过程复杂且价格昂贵的难题。

为了实现上述目的，本公开采用如下技术方案：

一种tbm掘进隧洞岩石石英含量快速测试方法，包括以下步骤：

(1)针对隧洞内某一岩性地层，采取tbm挖掘出的岩块的作为实验试样，每块试样单独编号；

(2)对每一块岩石试样进行标准的矿物分析试验，获得试样中石英含量，并对每一块岩石试样进行表面回弹硬度、压痕硬度及耐磨性测试，获取与石英含量相对应的硬度参数和耐磨性指数；

(3)以硬度参数和耐磨性指数作为评价指标，石英含量作为评价结果，采用非线性分析方法-粗糙集理论确定硬度参数权重；

(4)根据评价指标权重，选取合适硬度参数和耐磨性指数，进行多元线性回归分析，如果多元回归分析所得经验估算公式的准确性和可靠性满足工程设计要求，通过对应的岩石硬度参数和耐磨性指数试验测试，估算选取的岩性地层的石英含量；如果该公式不满足要求，则证明该地层岩石石英含量和硬度参数及耐磨性指数之间不存在线性相关关系，需采用非线性方法建立综合评价模型，以估算岩石的石英含量；

(5)将粗糙集理论和理想点法相结合，建立综合评价模型，以综合评价模型快速评价预测选取的岩性地层的石英含量。

作为进一步的限定，所述步骤(2)中，试样中的石英含量采用薄片鉴定方法测得，具体为将岩石样品磨制成标准薄片，采用偏光显微镜鉴定分析，得出试样中标准的石英含量。

作为进一步限定，所述步骤(2)中，硬度参数shr采用n型施密特回弹仪测量，测试时回弹仪垂直于试样表面，并将试样夹持固定以防止震动；sh采用c-2型测试仪测量，以金刚石探头的回弹高度表征sh值；cih通过ncb圆锥硬度计压头测得。

作为进一步限定，所述步骤(2)中，耐磨性指数cai通过测量洛氏硬度为55铁质探针尖端的磨损度获得。

作为进一步限定，所述步骤(3)中，粗糙集理论定义的评价系统可用四元组表达，即s＝(u,r,v,f)，其中u为论域，即全体样本的集合，u＝(x1,x2,x3,…,xn)；r＝c∪d，c为条件属性集，d为决策属性集，v为属性的值域，f为信息函数。

作为进一步限定，所述步骤(3)中，将评价指标作为条件属性集，评价指标为硬度参数和耐磨性指数，将判定结果作为决策属性集，判定结果即岩石的实测石英含量，通过考察决策属性集对指标的依赖度确定其权重。

作为进一步限定，所述步骤(3)中，决策属性集对指标的依赖度(ic(d))计算公式为：k＝ic(d)＝|posc(d)|/|u|，其中posc(d)为c的d正域。当k＝1时，决策属性d完全依赖于条件属性c；0<k<1时，决策属性d以不同程度依赖于条件属性c；k＝1时，决策属性d完全独立于条件属性c。

作为进一步限定，所述步骤(3)中，粗糙集理论确定权重步骤包括：

①构建决策表；

②约简评价指标；

③计算评价指标权重。

作为更进一步的限定，决策表为条件属性和决策属性构成的知识表达系统，构建决策表之前应对样本数据做离散化处理，当删除评价指标a后所得到的决策表与删除评价指标b后所得的决策表相同，则a与b等价，只保留其中留一个评价指标。

作为进一步限定，所述步骤(3)中，粗糙集理论确定权重计算方法为：

其中，γc(d)为决策属性集d对条件属性集c的依赖度，|u|为决策表中的样本容量，|γc(di)|为决策表中的相容样本数量，γc-ci(di)为决策属性集d对条件属性集c-ci的依赖度(c-ci为条件属性集c删除评价指标i后生成的条件属性集)，|γc-ci(di)|为删除评价指标i后决策表中的样本容量，ωi为评价指标i的权重。

作为进一步限定，所述步骤(5)中，评价指标包括效益型指标、经济型指标和区间型指标，且效益型指标中，理想点的设置方法为效益型指标最大值的点，经济型指标中，理想点的设置方法为经济型指标最小值的点，区间型指标中，理想点的设置方法为设定的理想区间上下限值中点处对应的点。

作为进一步限定，所述步骤(5)中，以评价对象到理想点的，闵可夫斯基距离作为评价函数，4维空间中评价对象与理想点距离l的计算公式为：

其中，fi(x)为第i个评价指标的真实值，f*i(+)为第i个评价指标的理想值，f*i^u为第i个评价指标的上限值，f*i^l为第i个评价指标的下限值；h为闵可夫斯基距离属性参数，h＝1时，为曼哈顿距离，h＝2时，为欧氏距离，若h为偶数，所有指标与理想点的距离均为正值，即各评价因素作用叠加后会一直疏远评价问题与理想点的距离；若h为奇数，指标与理想点的距离正负值皆存在，即各评价因素作用叠加后对评价问题与理想点的距离可能会疏远也会拉近。对于预测岩石中石英含量，h取奇数能真实反映硬度参数和耐磨性指数对石英含量的作用。ωi为权重，取正值。

一种tbm掘进隧洞岩石石英含量快速测试系统，运行于处理器或存储器上，被配置为执行以下指令：

获得试样中石英含量，并对每一块岩石试样进行表面回弹硬度、压痕硬度及耐磨性测试，获取与石英含量相对应的硬度参数和耐磨性指数；

以硬度参数和耐磨性指数作为评价指标，石英含量作为评价结果，采用非线性分析方法-粗糙集理论确定硬度参数权重；

根据评价指标权重，选取合适硬度参数和耐磨性指数，进行多元线性回归分析，如果多元回归分析所得经验估算公式的准确性和可靠性满足工程设计要求，通过对应的岩石硬度参数和耐磨性指数试验测试，估算选取的岩性地层的石英含量；如果该公式不满足要求，则证明该地层岩石石英含量和硬度参数及耐磨性指数之间不存在线性相关关系，需采用非线性方法建立综合评价模型，以估算岩石的石英含量；

将粗糙集理论和理想点法相结合，建立综合评价模型，以综合评价模型快速评价预测选取的岩性地层的石英含量。

与现有技术相比，本公开的有益效果为：

本公开结合tbm施工特点，以挖掘出的岩块作为测试试样，通过简单快速测试方法获得与岩石石英含量相关的硬度参数和耐磨性指数，包括施密特回弹数、肖氏硬度、压痕硬度及塞查尔耐磨指数，并通过多元线性回归分析或粗糙集-理想点非线性分析方法建立基于上述参数的多元线性经验公式或综合评价模型模型，可用于快速获得tbm施工隧洞岩石的石英含量。

本公开的原理简单、经济实用，有效的替代了昂贵且费时的常规岩石石英含量测试方法(矿物分析法)，解决了tbm掘进隧洞岩石石英含量仪价格昂贵且测试过程复杂的难题。

本公开能够快速预测tbm刀盘磨损信息并能对刀具状态做出合理的评估，对tbm隧洞施工具有重大指导意义。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1是本公开的流程图；

具体实施方式：

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。

本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。

岩石石英含量的高低对岩石力学性能的影响，主要体现在硬度和耐磨性两方面。岩石的硬度包括表面回弹硬度和压痕硬度，表面回弹硬度通常以施密特回弹数(shr,schmidthammerreboundnumber)和肖氏硬度(sh,shorescleroscopehardness)表示，压痕硬度以圆锥压入硬度(cih,coneindenterhardness)表示；耐磨性通常以塞查尔耐磨指数(cai,cercharabrasivityindex)表示，上述硬度和耐磨性参数可通过对tbm挖掘出的任意形状岩块进行简单岩石力学试验快速测得。根据隧洞岩石实测的石英含量和硬度、耐磨性参数，通过非线性分析(粗糙集和理想点法)和线型回归分析(多元回归分析)相结合方法，建立经验估算公式或综合评价模型。本发明基于简单易测的岩石硬度和耐磨性参数所建立的经验估算公式或综合评价模型，可快速估算获取岩石的石英含量。

一种适用于tbm掘进隧洞岩石石英含量快速测试方法，包括以下步骤：

(1)针对隧洞内某一岩性地层，采取tbm挖掘出的岩块的作为实验试样，试样数量应符合试验规范，每块试样应单独编号(如a,b,c,d,e…)。

(2)对每一块岩石试样进行标准的矿物分析试验，获得试样中精确地石英含量(q)。随后按照规范对每一块岩石试样进行表面回弹硬度、压痕硬度及耐磨性测试，获取与石英含量相对应的硬度参数和耐磨性指数(shr，sh，cih及cai)。

(3)采用非线性分析方法-粗糙集理论确定硬度参数权重。其中，硬度参数和耐磨性指数，包括shr，sh，cih及cai作为评价指标，石英含量(q)作为评价结果，通过计算评价指标与评判结果的粗糙依赖度确定评价指标的重要性，即指标权重。

(4)根据评价指标权重，选取合适硬度参数和耐磨性指数，进行多元线性回归分析。如果上述4个参数的权重相差不大，则选取4个参数(shr，sh，cih及cai)作为自变量，实测石英含量(q)为因变量，通过多元线性回归分析建立经验估算公式。如果4个参数权重相差较大，则选取较大权重的参数作为自变量建立经验估算公式。经验公式的显著性通过相关性系数(r²)判断，r²越趋近于1，自变量和因变量的相关性越强。

(5)如果多元回归分析所得经验估算公式的准确性和可靠性如果满足工程设计要求，通过公式对应的岩石硬度参数和耐磨性指数试验测试，即可快速估算选取的岩性地层的石英含量。如果该公式不满足要求，则证明该地层岩石石英含量和硬度参数及耐磨性指数之间不存在线性相关关系，需采用非线性方法(粗糙集-理想点法)建立综合评价模型，以快速估算岩石的石英含量。

(6)将粗糙集理论和理想点法相结合，建立综合评价模型。将上述试验所得数据分成两部分，一部分数据用于建立评价模型，另一部分作为检验数据(大于10％)，用于验证模型的准确性和可靠性。粗糙集-理想点模型决策评价过程为：①构建模型决策矩阵，②设置模型的理想点；③采用粗糙集理论确定评价指标权重；④计算评价对象到各理想点的距离；⑤进行决策评价。

(7)采用检验数据验证粗糙集-理想点模型的准确性和可靠性，如果准确性和可靠性如果满足工程设计要求，则可通过粗糙集-理想点模型对应的评价指标试验测试(shr，sh，cih及cai)，即可快速评价预测选取的岩性地层的石英含量。

步骤(1)中，测试岩石硬度参数和耐磨性指数采用规范为国际岩石力学学会推荐方法(internationalsocietyforrockmechanics；isrm1985,2014)。

步骤(2)中，试样中的石英含量采用薄片鉴定方法测得。将岩石样品磨制成标准薄片，采用偏光显微镜鉴定分析，得出试样中标准的石英含量。

步骤(2)中，硬度参数shr采用n型施密特回弹仪测量，测试时回弹仪垂直于试样表面，并将试样夹持固定以防止震动；sh采用c-2型测试仪测量，以金刚石探头的回弹高度表征sh值；cih通过ncb圆锥硬度计压头测得。耐磨性指数cai通过测量洛氏硬度为55铁质探针尖端的磨损度获得，垂向加载应力为70n，刻画长度为1cm。

步骤(3)中，粗糙集理论定义的评价系统可用四元组表达，即s＝(u,r,v,f)，其中u为论域，即全体样本的集合，u＝(x1,x2,x3,…,xn)；r＝c∪d，c为条件属性集，d为决策属性集，v为属性的值域，f为信息函数。

步骤(3)中，为了求解评价指标权重问题，将评价指标作为条件属性集，评价指标为3个硬度参数和1个耐磨性指数(shr，sh，cih及cai)，将判定结果作为决策属性集，判定结果即岩石的实测石英含量，通过考察决策属性集对指标的依赖度(ic(d))确定其权重。

步骤(3)中，决策属性集对指标的依赖度(ic(d))计算公式为：k＝ic(d)＝|posc(d)|/|u|，其中posc(d)为c的d正域。当k＝1时，决策属性d完全依赖于条件属性c；0<k<1时，决策属性d以不同程度依赖于条件属性c；k＝1时，决策属性d完全独立于条件属性c。

步骤(3)中，粗糙集理论确定权重步骤包括：①构建决策表；②约简评价指标；③计算评价指标权重。决策表为条件属性和决策属性构成的知识表达系统，构建决策表之前应对样本数据做离散化处理。指标约简的目的是剔除在决策过程中起等价作用的指标，当删除评价指标a后所得到的决策表与删除评价指标b后所得的决策表相同，则a与b等价，只保留其中留一个评价指标。

步骤(3)中，粗糙集理论确定权重计算公式为：其中γc(d)为决策属性集d对条件属性集c的依赖度，|u|为决策表中的样本容量，|γc(di)|为决策表中的相容样本数量，γc-ci(di)为决策属性集d对条件属性集c-ci的依赖度(c-ci为条件属性集c删除评价指标i后生成的条件属性集)，|γc-ci(di)|为删除评价指标i后决策表中的样本容量，ωi为评价指标i的权重。

步骤(4)中，相关性系数(r²)可通过公式计算获得，其中x为自变量(shr，sh，cih及cai)，y为因变量(石英含量(q))，cov(x,y)为x和y的协方差，var(x)为x的方差，var(y)为y的方差。

步骤(6)中，决策矩阵构建过程为：将评价指标(shr，sh，cih及cai)作为评价对象(石英含量(q))的4个目标函数。向量函数f(x)＝[f1(x),f2(x),f3(x),f4(x)]，相应的权重为ω1,ω2,ω3,ω4，评价对象在fi(x)的取值为xi，决策矩阵表达式为x＝{x1,x2,x3,x4}[ω1,ω2,ω3,ω4]^t。

步骤(6)中，评价指标shr，sh，cih及cai，为效益型指标、经济型指标和区间型指标。其中，效益型指标，指标值越大越好。其理想点设置方法为：f*i(+)＝maxfi(x)；经济型指标，指标值越小越好。理想点设置方法为：f*i(+)＝minfi(x)，其中f*i(+)为第i个评价指标的理想点向量；经区间型指标，以某个固定区间为理想区间，理想点设置方法为：f*i(+)＝fi((zli+zui)/2)。其中，f*i(+)为第i个评价指标的理想点向量；zli和zui为第i个评价指标理想区间的下限值和上限值。

步骤(6)中，采用粗糙集理论确定评价指标权重的的方法与步骤(3)一致。

步骤(6)中，以评价对象到理想点的，闵可夫斯基距离作为评价函数，4维空间中评价对象与理想点距离l的计算公式为：其中fi(x)为第i个评价指标的真实值，f*i(+)为第i个评价指标的理想值，f*i^u为第i个评价指标的上限值，f*i^l为第i个评价指标的下限值。h为闵可夫斯基距离属性参数，h＝1时，为曼哈顿距离，h＝2时，为欧氏距离。若h为偶数，所有指标与理想点的距离均为正值，即各评价因素作用叠加后会一直疏远评价问题与理想点的距离；若h为奇数，指标与理想点的距离正负值皆存在，即各评价因素作用叠加后对评价问题与理想点的距离可能会疏远也会拉近。对于预测岩石中石英含量，h取奇数能真实反映硬度参数和耐磨性指数对石英含量的作用。对于权重ωi，由于评价指标(硬度参数和耐磨性指数)数值增加导致石英含量增加，因此ωi取正值。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。