首页期刊导航|隧道建设（中英文）
期刊信息/Journal information
隧道建设（中英文）
隧道建设（中英文）

张炜

月刊

2096-4498

ztsk2000@263.net

0379-62632470；62632173；63633403

471009

河南省洛阳市陵园东路3号(状元红路）

隧道建设（中英文）/Journal Tunnel Construction北大核心CSTPCDCSCD
查看更多>>《隧道建设》是隧道及地下工程领域实践性很强的技术类科技期刊。1981年创刊，至今已连续刊出了31卷141期。2002年，经国家科技部、国家新闻出版署和河南省科技厅、河南省新闻出版局批准，由中铁隧道集团主管、中铁隧道集团科研所主办的科技刊物《隧道建设》成为国内公开发行刊物(国内统一刊号CN 41-1355/U，国际标准刊号ISSN-1672-741X)，刊期为双月刊。《隧道建设》主要刊载隧道及地下工程施工领域中具有较高经济效益和社会效益的工程实践论文。其办刊方针是为我国经济建设服务，为推进隧道及地下工程领域施工技术进步服务。 《隧道建设》聘请了多名业内著名专家、学者作为本刊的顾问、编委，中国工程院院士、第九届第十届全国人大代表、全国政协委员王梦恕一直是《隧道建设》编委会的主任委员。《隧道建设》主要刊载隧道及地下工程及其相关领域研究成果和先进技术；刊登内容以实用技术为主，兼顾试验、研究和综合评述，涉及铁路、公路等领域中隧道与地下工程、及相关的结构工程、水利工程、岩土工程、工程爆破、工程材料、工程机械、工程管理等专业。相关领域的国内外科技信息、行业动态等。 《隧道建设》发行的对象主要为全国各工程单位，其中包括中铁系统、中水电系统、中交系统、中冶系统、中建系统、地方各建设系统、相关高校及科研机构。
正式出版
收录年代

    盾构自主驾驶技术及应用

    吴惠明周文波王伊
    2107-2118,中插1-中插12页
    查看更多>>摘要：盾构掘进机自动化程度高,但不具备对施工环境的自适应性,其高质量掘进依赖经验丰富的技术人员操控.为降低施工决策的人为因素影响,从盾构施工掘进自动化控制着手,基于互联网、大数据以及人工智能等新一代信息技术,提出施工环境自适应的盾构自主驾驶控制体系,从目标规划、施工决策到控制执行、感知反馈实现盾构的高度自主驾驶.基于控制体系设计并开发盾构自主驾驶系统,系统采用姿态、沉降和掘进3个智能控制单元和施工异常诊断单元实现盾构驾驶层级化控制,通过协同调节盾构姿态、同步注浆和推进速度等关键参数,最终实现盾构沿隧道设计轴线的微扰动自动掘进与长距离精准前行.上海机场联络线工程应用表明:1)盾构自主驾驶系统累计自主驾驶里程达4 km以上,其中超88％的自主掘进环在水平和高程的姿态偏差控制在±30 mm内,隧道施工质量相比人工控制提升30％;2)搭载盾构自主驾驶系统的盾构最大单月掘进距离达829.8 m,有效提升了盾构法隧道的施工产能.

    盾构自主驾驶控制技术协同决策

      原文链接:
    • 万方数据
    • 维普

    机器学习预测盾构掘进地表沉降的研究进展及展望

    杨明辉宋牧原姚高占陈伟...
    2119-2132页
    查看更多>>摘要：针对采用机器学习方法预测盾构掘进地表沉降的研究,围绕预测模型的输入参数、预测目标、算法选取和超参数智能优化4个方面的研究进展开展系统综述,总结出当前研究中亟需解决的关键问题,并展望该领域的未来发展方向.研究表明:1)结合隧道几何参数、地层参数和盾构操作参数等信息进行沉降预测是当前主流的研究方向;2)沉降预测前需根据预测目标选取合适的模型和输入参数;3)通过超参数智能算法优化模型参数以提升预测精度.然而,现阶段的研究仍面临着诸多挑战:1)预测模型普遍缺乏特征自主识别能力且易发生过拟合;2)对海量数据的挖掘与分析尚不深入;3)尚未构建基于多源异构数据集的强鲁棒性模型;4)对地表沉降发展过程的预测研究相对匮乏.最后,展望盾构隧道智能掘进领域中需重点攻克的难题.

    盾构掘进地表沉降预测机器学习超参数优化

      原文链接:
    • 万方数据
    • 维普

    基于深度图像位姿识别和机构运动学的自动抓取管片试验

    庄欠伟朱雁飞于宁黄德中...
    2133-2138页
    查看更多>>摘要：为实现管片自动抓取定位,结合1P5R单臂拼装机,开展深度图像视觉传感器的调研,并对双目、时间飞行法和面结构光3D传感器进行对比分析;将视觉传感器获取的深度图像和管片模型进行匹配,得到管片的位置和姿态;开展视觉传感器与管片拼装机的手眼标定工作,获得它们坐标系间的转换矩阵;利用机器人运动学方法实现单臂拼装机的运动学正逆解,将管片位姿逆解出抓取管片需要的6轴行程,并完成从目前6轴行程到达目标行程的轨迹规划算法.研究和室内试验结果表明:1)采用深度图像视觉传感器并经过标定可以有效获取管片的位姿;2)采用运动学正逆解可以利用位姿信息有效引导拼装机,实现管片的自动抓取.

    深度图像视觉传感器管片拼装机运动学正逆解轨迹规划算法转换矩阵

      原文链接:
    • 万方数据
    • 维普

    基于LSTM算法的大直径泥水平衡盾构掘进姿态预测

    曾毅吴嘉敏卞跃威唐嘉佑...
    2139-2148页
    查看更多>>摘要：为保障盾构施工安全并提升掘进效率,提出基于长短时记忆神经网络(LSTM)算法的大直径泥水平衡盾构掘进姿态预测方法.选取泥水平衡盾构掘进过程中的参数,并采用Pearson相关系数对盾构姿态的关联因素进行分析,获取影响盾构姿态的主要因素,以此构建盾构姿态预测数据集;采用长短时记忆神经网络建立盾构姿态预测模型,并利用自适应估计(Adam)算法对其进行优化以获取最优的盾构姿态预测结果.盾构姿态的预测参数主要包括:盾头水平偏差(HDSH)、盾头垂直偏差(VDSH)、盾尾水平偏差(HDST)、盾尾垂直偏差(VDST)、俯仰角(R)、滚动角(P).影响盾构姿态预测结果的主要因素为盾构参数和地层参数,其中,盾构分组油缸压力和地层平均抗压/抗剪强度对盾构姿态的影响最大.经过优化的Adam-LSTM神经网络模型对盾构角度的预测效果最优,均方差在0.1以下;对盾构姿态各项参数预测的平均误差小于5％的占比超过80％.

    大直径盾构隧道泥水平衡盾构姿态预测LSTM算法

      原文链接:
    • 万方数据
    • 维普

    伦敦开建地下热网系统,创新利用地下空间收集城市废热

    隧道网微信公众平台
    2148页
      原文链接:
    • 万方数据
    • 维普

    大平移管片拼装机运动学正逆解方法与误差分析

    朱叶艇毕湘利黄德中庄欠伟...
    2149-2158页
    查看更多>>摘要：为解决管片自动拼装过程中人无法准确掌握拼装机末端空间位姿,以及无法基于拼装机末端目标位姿解算拼装机各关节目标运动量的难题,基于6自由度大平移拼装机运动机制,建立针对性运动学计算模型,提出一种管片拼装机高精度运动学正逆解解析方法,考虑提升油缸差异性伸缩、提升梁非对称设计、小吸盘油缸定量伸出等关键细节问题,并进一步基于运动学正解给出基于拼装机各关节自由度运动误差对拼装机末端定位精度的影响分析方法.研究结果表明:1)与三维设计模型相比,拼装机末端正解位置精度小于0.2 mm;2)吸盘偏转、俯仰和回转动作存在相互干涉,简化处理后的拼装机各关节目标运动量逆解精度小于0.5 mm,满足自动拼装要求;3)拼装机大回转角度执行误差超过0.1°,末端位置偏差将超过7 mm,在回转功能设计上存在进一步优化的必要性.

    盾构管片拼装机正逆解误差分析

      原文链接:
    • 万方数据
    • 维普

    减碳新手段——荷兰开建海底二氧化碳输送隧道

    隧道网微信公众平台
    2158页
      原文链接:
    • 万方数据
    • 维普

    软土地层盾构推力矢量自适应控制技术试验研究

    陈刚朱叶艇王志华王秀志...
    2159-2170,中插13-中插24页
    查看更多>>摘要：为解决软土地层中盾构轴线自适应控制时,基于纠偏转向需求的目标总推力矢量获取困难的问题,提出一种盾构推力矢量自适应控制技术.通过将盾构总推力与掘进速度,总推力水平和垂直合力矩分别与盾构水平和高程方向目标转向角度进行闭环控制,实现非恒定负载条件下盾构总推力矢量的高速自适应生成.通过构建可模拟盾构直线推进的大型试验平台以及全推进油缸单元全控的液压控制系统,验证非恒定负载力、非恒定负载力力矩以及非恒定负载力矢量条件下盾构稳态推进的可行性.试验结果表明:1)盾构总推力有效响应负载力变化,两者差值保持为系统摩阻力,存在因负载力突变盾构降速后再恢复的现象;2)盾构总推力力矩未及时跟进负载力力矩变化的情况下,切口水平姿态偏差值小幅突变后可超调复位;3)盾构总推力矢量实现了与负载力矢量的协同响应,推进速度偏差整体控制在设定值-1～+2 mm/min,盾构切口水平姿态偏差控制在设定值±3 mm.

    盾构盾构掘进推力矢量自适应试验平台

      原文链接:
    • 万方数据
    • 维普

    基于残差神经网络的盾构土舱压力预测

    雒伟勃李龙汪来孙佳利...
    2171-2180页
    查看更多>>摘要：土舱压力是保证盾构隧道施工安全和控制施工风险的关键参数之一.为此,提出一种基于残差神经网络的盾构土舱压力预测方法.首先,通过对南京地铁某盾构区间的掘进参数数据进行收集和分析,构建具有多个残差块的残差神经网络模型.然后,利用所建立的残差神经网络模型对盾构土舱压力进行预测,并评估模型对土舱压力的预测性能.最后,对残差神经网络的关键模型参数(包括残差块数目、网络宽度和学习率)进行参数分析,比较参数变化时土舱压力的预测性能,确定最佳的模型结构.并对模型关键参数进行分析.研究结果表明:1)所提出的残差神经网络模型可以较准确地预测盾构土舱压力,不同位置的土舱压力预测值与实际值接近;2)1#、2#、3#、4#、5#和6#土舱压力的决定系数(R2)分别为0.95、0.96、0.94、0.90、0.91和0.96,均方根误差(ERMSE)介于0.017～0.023 MPa;3)相比于人工神经网络(ANN)、支持向量回归(SVR)和随机森林(RF)模型,残差神经网络模型对土舱压力的预测准确性更高.

    盾构隧道土舱压力残差神经网络预测模型

      原文链接:
    • 万方数据
    • 维普

    世界首条全尺寸船舶专用隧道——Stad船舶隧道工程将于12月招标

    隧道网微信公众平台
    2180页
      原文链接:
    • 万方数据