基于凿岩台车的隧道围岩特性判识方法研究
隧道围岩的分级标准受主观因素的影响很大。作为工程建设中地质灾害预判、工程设计等方面的基础工作，隧道围岩分级一直是研究热点。现有规范并未给出围岩分级的各项指标与围岩等级之间确切的本构关系，并且各级围岩之间没有明确的界限，只是给出了各级围岩的相关描述。完整的围岩分级系统应包括施工前的勘察分级和施工过程中的修正分级，因此在施工过程中通过对围岩的揭露情况进行更详细和确切的分级评价十分必要。我国使用的隧道围岩ＢＱ（Ｂａｓｉｃ Ｑｕａｌｉｔｙ，岩体基本质量指标）分级方法有岩石坚硬程度和岩体完整程度两个关键参数。岩体完整程度评价主要有地质调查法、岩芯钻探测试法和岩体纵波速度法。从１９８６年开始铁道第四勘察设计院相关专家对围岩类别与岩体纵波速度的关系展开了系统研究，进行了岩体纵波速度隧道围岩分类试验，依据试验结果总结出一套适合我国中南、华东地区的弹性波隧道围岩分类标准。柳厚祥等开展了掌子面图像研究，以深度学习技术为基础，从围岩掌子面图片中获取围岩完整性与岩石强度等信息，并将获取的信息转换为ＢＱ值实现分级计算。陈岩通过对掌子面回弹值与相应位置的岩石单轴抗压强度进行回归分析，得到二者的拟合曲线，再综合掌子面节理统计的方式快速获取围岩的完整性参数，从而实现围岩等级的快速评价。方昱等提出在岩体质量的评价工作中引入围岩强度回弹值，通过回弹值与岩石单轴抗压强度之间的经验公式，利用向量机分类计算实现围岩的快速分级评价。此外，部分学者通过具有多解性的超前地质预报所揭示的掌子面前方围岩信息进行围岩分级预测。邱道宏等对通过整理和计算超前地质预报信息，得出一组包含有６个评价因子的分级指标组，利用遗传向量机将分级指标组与揭露围岩级别建立映射关系，实现了围岩级别的超前预测。孙洋等结合ＴＳＰ（Ｔｕｎｎｅｌ Ｓｅｉｓｍｉｃ Ｐｒｅｄｉｃｔｉｏｎ）超前预测结果与工程地质推断法进行了围岩分级与验证，取得了很好的效果。荣耀等综合ＴＧＰ（Ｔｕｎｎｅｌ Ｇｅｏｌｏｇｉｃ Ｐｒｅｄｉｃｔｉｏｎ）探测、地质雷达和掌子面编录法逐步形成ＢＱ法分级所需的重要指标，实现了多种超前预测结果在围岩分级预测工作中的综合应用。
综上，现阶段围岩等级的快速鉴别方法大多仍停留于岩体表面；以超前地质预报为基础进行未开挖围岩信息超前分级预测方法，需要借助ＴＳＰ预测、地质雷达等预报结果，耗时较长，不能实现实时和动态分级。本文基于凿岩台车随钻参数和采集的掌子面图像，提出一种新的围岩分级参数获取途径和围岩分级方法并开展了工程应用。
１ 基于凿岩台车的隧道围岩分级方法
随着凿岩台车等钻孔装备的推广使用和人工智能技术的快速发展，为隧道掌子面围岩分级提供了新的途径和方法。基于凿岩台车随钻参数，建立台车随钻参数与岩石强度之间的对应关系，获取掌子面围岩强度参数；通过图像处理技术，获取掌子面围岩的构造特征和完整性；通过专家智能系统，实现掌子面围岩等级自动划分（图１）。
２ 基于随钻参数的岩石坚硬程度分析
２．１ 理论基础
神经网络是机器学习方法之一，应用于系统模式分类与数学模型的参数识别。由于岩石工程数据具有非线性、复杂性等特点，并考虑到神经网络在岩石力学领域已得到较多成功应用，本文采用神经网络智能算法处理随钻参数，通过对新实例的学习，获得新的网络权值分布，更新知识库。
２．２ 分析方法
以隧道施工中智能型凿岩台车的随钻参数为研究对象，利用ｂｅｖｅｌ数据系统采集大量的凿岩机随钻参数作为样本，数据包括钻进速度、推进压力、冲击压力、回转压力、回转速度、水压力、水流量等，同时搜集与钻进参数对应里程的岩石基本地质信息，包括岩石强度、结构构造、勘察和现场揭示围岩等级划分情况等。通过主元分析方法对采集的随钻参数数据进行降维处理，确定各个钻进参数的重要程度，选取钻进参数中的独立自由变量。根据钻进独立自由变量参数所隐含的特征信息，研究随钻参数变化与岩石基本地质信息之间的关系。利用统计学方法分析岩石强度与随钻参数的变化规律，建立随钻参数与岩石强度的关系。
２．２．１ 数据采集
搜集使用智能型凿岩台车进行开挖作业施工现场的钻进参数以及对应作业里程的岩石基本地质信息（包括地质勘探报告、基于岩石单轴饱和抗压强度试验的岩石强度、超声波试验的岩石质量指标以及现场记录的围岩等级划分结果）。钻进参数是指基于Ｂｅｖｅｌ数据采集系统采集的凿岩机随钻参数。
２．２．２ 数据处理
对采集的随钻参数数据进行Ｍｉｎ⁃Ｍａｘ标准化（［０，１］）处理，将原始数据进行线性变换，新数据为（原始值－最小值）（／最大值－最小值）。此方法是为了把数据转化为无量纲化指标测评值，各指标值处于同一数量级别，可进行综合测评分析。
经过标准化处理后的随钻参数，确定各个随钻参数的重要程度。运用主成分分析方法对随钻参数数据进行降维处理，将多指标转化为少数几个综合指标，并且每个指标都能够反映原始变量的大部分信息，且信息之间互不重复。在此基础上，利用随钻参数中冲击压力、回转力矩、钻进率、推进压力等变量参数，采用主元分析方法确定钻进参数中的独立自由变量，根据钻进独立自由变量参数所隐含的特征信息，研究简化后的随钻参数变化与岩石基本地质信息之间的关系，尤其是与岩石强度之间的影响机理。利用统计学Ｒ型聚类分析方法分析岩石强度与随钻参数的变化规律，使相同类内的随钻数据的相似性尽可能大，而不同类内的随钻数据的差异性尽可能大，即实现数据的聚集与分离。基于各类岩石样本钻进数据库，得到钻进参数与围岩岩石强度的关系表达式，处理流程见图２。
３ 基于图像技术的岩体完整程度分析
３．１ 理论基础
采集掌子面高清图像，用图像处理技术对隧道掌子面图像做进一步研究，选择Ｃａｎｎｙ算子进行边缘检测。采用数学形态学细化算法实现掌子面围岩的自动评判，利用掌子面图像的识别和处理判别岩体的完整程度。
３．２ 分析方法
３．２．１ 获取掌子面图像
在凿岩台车吊篮下方安装带云台功能的摄像头和照明灯，利用台车驾驶室上方的大灯和前照灯照亮掌子面，进行掌子面自动拍照。照片要求无障碍物遮挡，像素２０００万以上且掌子面清晰完整。将掌子面图像传输至凿岩台车主控室，然后进行图像存储。对采集到的图像进行质量分析，不合格者重新采集。
３．２．２ 图像处理
对掌子面图像进行直方图均衡化处理，增强图像。均衡化过程中，满足两个条件：①像素无论怎么映射，一定要保证原来的大小关系不变，只是增大对比度；②如果是８位图像，像素映射函数的值域应在０和２５５之间，不能越界。
对掌子面图像进行滤波处理，使模糊的掌子面图像边缘得到增强（图３）。
４ 围岩分级参数获取应用实例
４．１ 岩石强度
某隧道为一座分离式小净距隧道，隧道左洞长７４３５.２ｍ，起讫里程桩号为ＺＫ５９＋７０７.０—ＺＫ６７＋１４２.２；隧道右洞长７４５２ｍ，起讫里程桩号为Ｋ５９＋６９８—Ｋ６７＋１５０。应用里程段揭示岩石层状构造发育，掌子面岩性可能为砂岩与页岩或泥岩互层，掌子面发育褶皱构造，显示软、硬岩层互层（图４）。
借助随钻参数处理技术，显示该里程段下凿岩机推进速度整体较慢，整体呈现出两种硬度的围岩交错的情况，见图５。图５（ａ）中天蓝色标注的里程段比深蓝色段的围岩更软弱。图５（ｂ）以红色、橙色和黄色居多，表示围岩强度不高，且存在软、硬夹层的现象，整体揭示岩体较破碎。图５（ｃ）以绿色、红色居多，表示围岩强度不高，且存在软、硬夹层现象，整体揭示岩体较破碎。
４．２ 围岩完整性
某隧道隧址区属溶蚀、构造侵蚀中低山河谷地貌区，上覆第四系全新统人工填土，角砾土，冲洪积粉质黏土、卵石土，坡崩积粉质黏土、碎石土，残坡积细角砾土等；下伏基岩为震旦系中统灯影组白云岩，寒武系上统娄山关组白云岩，下统石牌组、牛蹄塘组页岩夹灰岩、砂岩，奥陶系下统南津关组－牯牛潭组灰岩夹页岩。试验段里程掌子面岩性为深灰色灰岩，风化严重，发育薄层状构造，层厚小于１０ｃｍ，产状陡，倾向与隧道轴线方向小角度，岩体较破碎，岩质较硬，掌子面见三组结构面，节理延伸远，有一组贯穿掌子面，间距小于１ｍ，为Ⅴ级围岩。掌子面可见细小方解石脉杂乱分布，掌子面整体稳定性较差，存在局部掉块。
现场地质工程师判别掌子面岩性为深灰色灰岩，风化严重，发育薄层状构造，层厚小于１０ｃｍ，产状陡，倾向与隧道轴线方向小角度，岩体较破碎，岩质较硬，掌子面见一组共轭节理，节理延伸远，贯穿掌子面，间距小于１ｍ，沿着节理发育次一级节理。掌子面可见细小方解石脉杂乱分布。掌子面整体稳定性较差，存在局部掉块，无渗水现象。
图像处理技术揭示掌子面结构面组数３，产状陡，倾向与隧道轴线方向小角度，平均迹长４.５９ｍ，平均间距０.８０ｍ。
５ 结论
１）岩石强度和围岩完整性是隧道围岩分级的两个主要参数。岩石强度常通过点荷载试验获取，围岩完整性常通过地质素描和体积节理数来表征，参数获取方法没有先进性和时效性。
２）随着凿岩台车等钻孔装备的推广使用和人工智能技术的快速发展，为隧道掌子面围岩分级提供了新思路。
３）基于凿岩台车随钻参数建立随钻参数与岩石强度之间的对应关系；通过图像处理技术，获取掌子面围岩的构造特征和完整性。
４）应用表明该方法能较好地获取隧道掌子面实际揭露围岩的强度特征和完整性，为隧道围岩分级参数获取提供了新途径。