DOC.READ // L · 文献综述范文

盾构刀盘滚刀磨损检测耗损演化掘进寿命研究综述

L

$ ls 章节 37 节 · 展开 ▾

第一章 引言

1.1 研究背景

伴随着城市地下空间开发向纵深发展,盾构隧道建设也朝着规模不断扩大、地质环境越来越复杂的方向发展。长距离越江跨海通道、高水压富水断裂带、上软下硬复合地层、高强度花岗岩掘进工点等都是盾构施工中经常遇到的复杂工况,载荷谱具有强非平稳性和强随机性。因此滚刀作为刀盘直接破岩的主要易损件,它的服役性能成为了制约盾构装备可靠性、工程经济性的主要瓶颈。
从破岩机理上分析,滚刀依靠刀刃同岩石相接触从而形成挤压破碎和剪切剥离,它的磨损实质上就是接触界面在高应力、高温度梯度以及磨粒侵入共同作用下材料耗损的过程,包含磨粒磨损、疲劳磨损、黏着磨损等多种机制的非线性叠加。当地层中含有较多石英、研磨性强的硬岩与软弱围岩交替出现时,刀圈受到的冲击载荷和偏载作用就会变得非常严重,从而造成刀圈异常磨损、崩裂、轴承密封失效等一系列连锁故障。根据工程统计结果可知,滚刀消耗的成本可以占到盾构掘进总成本的很大比例,换刀作业一般都需要带压进舱或者地层加固,既会阻碍掘进速度,又存在很大的人身安全风险。历史上多次出现换刀事故,由于刀具失效造成掌子面失稳的事件也不少,都说明了没有对磨损状态进行感知所造成的系统性风险。
但是,现有的磨损检测和寿命预测研究还存在着许多不足之处。直接检测方式依靠停机开舱测量,存在很强的离散性和滞后性,无法对磨损演化过程进行连续的轨迹刻画;间接检测虽然利用推力、扭矩、振动和贯入度等掘进参数建立软测量模型,但是在复杂的变质地层中会出现参数解耦困难、跨工况泛化能力差的问题。其二,传统的寿命预测大多基于线性磨耗假设和经验修正系数,忽略了磨损-载荷-地层之间的非线性反馈和状态跃迁行为,造成预测结果在极端工况下与实际情况严重不符。其三,学术界对于磨损主导机制的判断仍然存在争议,地质决定论以岩石研磨性为核心,刀盘系统动力学的载荷决定论也获得了实证支持,但是缺乏统一的耗损演化理论框架来整合两者,本质上是把滚刀当作孤立部件而不是盾构-地层-刀具耦合系统的一部分,属于还原论的局限。
因此磨损检测和寿命研究的前瞻性路径应该转向多源信息融合的状态感知和数据、机理双驱动的耗损建模,一方面用声发射、光纤传感、电流信号解析来实现磨损演化在线可观测性的重构;另一方面把岩石-刀具相互作用力学嵌入到数据驱动模型中,描述磨损率随工况迁移分段演化、突变的过程,从而达到掘进寿命概率化、动态化的预测。该种范式的改变不只是对单台设备的经济性进行改善,也是盾构智能化掘进体系建立的基础。以以上问题为起点,对滚刀磨损检测方法、耗损演化寿命研究的最新成果进行了系统地整理,分析了机理认识、技术途径和方法论上存在的问题,旨在给复杂地层条件下盾构刀具智能运维提供理论参照和研究纲领。

1.2 研究目的

盾构隧道施工过程中,滚刀是刀盘同岩体相互作用的最前端载体,滚刀磨损情况直接影响掘进速度、工程费用以及工程安全范围。但是滚刀磨损问题本质上不是一个单纯的监测问题,它是一个包含刀具、岩石、刀盘、地层之间多种因素相互影响、相互制约、相互作用的复杂的耗损系统问题。滚刀在高压应力、冲击载荷、温度梯度和磨蚀性介质的共同作用下,磨损演化具有很强的非线性、非平稳性和随机性,从而导致磨损检测、耗损演化建模和寿命预测三者之间形成了一个相互依存又相互割裂的认识链条。本质机理上讲,磨损检测技术解决的是状态感知的问题,耗损演化模型回答的是过程机理的问题,寿命预测方法指向的是决策预报的问题,三者在逻辑上应该形成闭环,但是目前的研究大多存在感知精度低、机理建模失真、预测决策脱节等问题。
就磨损检测角度来说,目前的研究一直处在间接推断和直接测量之间的两难境地,以掘进参数反演为基础的比能分析法、贯入度指标法等虽然具有在线性、经济性等优点,但是由于地质感知滞后、参数耦合模糊等原因,不能够准确分辨出局部磨损情况,基于磨损传感元件的直接检测虽然提高了辨识精度,但是面临高成本、易失效、工程适应性差的问题。经典的Archard磨损模型和它的修正体系确定了磨料磨损的理论基础,但是在混合地层、断续边界、刀圈材料疲劳机制叠加的工况下,单一确定性磨损定律的解释力明显减弱,学界对于磨损主导机制的界定,即磨料磨损、冲击微动还是疲劳剥蚀,仍然存在很大的争议。寿命预测方面,目前的方法大多依靠经验换刀准则和统计回归框架,缺少把检测信息动态反馈到演化模型中去支撑预测的闭环机制,造成检测、建模、预测三个环节信息中断、误差累积。
根据上述问题意识,本文综述的主要研究目的就是对滚刀磨损检测技术、耗损演化模型和掘进寿命预测方法这三种研究脉络的最新进展进行系统整理,从宏观工程需求和微观磨损机理两个方面建立层次化的知识图谱,梳理出三者之间的内在联系以及信息传递渠道,呈现从状态感知到机理认识再到预测决策的理论闭环结构及其存在的断点,对现有研究中感知精度、模型泛化、数据—机理融合和工程可操作性方面存在的不足提出批评性意见,对数据驱动和机理驱动深度结合、多源信息协同感知、数字孪生框架下寿命智能预测等前沿发展方向做出展望。本文通过实现以上目标,为滚刀磨损全生命周期管理提供一个逻辑自洽、界限清楚的综述框架,使读者能够迅速了解该领域的研究定位、主要争论和发展趋势,给以后创建检测—演化—预测一体化理论体系和方法途径赋予学术参照。

1.3 研究意义

隧道掘进机法已经成为现代地下空间开发的主要工法,滚刀是直接作用于岩体上的破岩部件,滚刀的磨损状况关系到盾构掘进能否成功。从力学的角度来说,滚刀磨损就是刀圈和岩石界面之间接触应力、摩擦热以及磨粒侵蚀等多场耦合作用下的不可逆耗损过程,它的演化速率受到岩石磨蚀性、刀盘推力、贯入度、刀具几何参数等诸多因素的影响,并且具有明显的随机性和空间非均匀性。由于存在复杂的结构,所以磨损检测、耗损演化建模以及寿命预测就成了一个连接微观材料损伤和宏观掘进效益的跨尺度科学问题。
研究滚刀的磨损有重大的工程意义。在保证掘进安全方面,滚刀异常磨损造成的偏磨、崩刃、刀圈脱落等连锁故障,会引起刀盘卡滞、推力异常波动等问题,严重时会造成掌子面失稳、地表过大沉降,所以磨损状态的实时感知是掘进系统安全运行的第一道防线。就减少换刀成本而言,带压换刀作业的风险比较高,费用也比较大,单次换刀的直接和间接成本一般要达到几十万元甚至更多;如果可以准确预测刀具的剩余寿命并采取预判性的更换,那么就可以大大减少无效换刀的次数,避免因为“欠换”而造成的连锁损耗和因为“过换”而造成的资源浪费。从优化施工组织的角度来说,刀具寿命估计是排定开仓窗口、衔接停机检修和掘进节奏的重要输入,高精度的预测可以压缩非掘进时间占比,提高全周期施工效率。
但是现有的研究体系存在着明显的缺陷和争议。磨损检测大多依靠停机人工检查或者单一的传感信息来实现,对于非平稳掘进工况下的状态表征鲁棒性差,数据驱动的方法可解释性和外推能力也受到质疑,耗损演化模型通常用经验磨损速率公式来建立,不能够很好地刻画岩机耦合界面的时变接触力学以及磨粒动态迁移机理,从而造成模型的泛化性差。寿命预测常把检测和演化环节分开,没有形成统一的“感知—演化—预测”闭环融合理论框架,预测不确定性量化方法也不成熟。这些问题的根源就在于磨损过程是一个多尺度、多源信息耦合的复杂系统行为,单靠一种范式很难完成。
因此,系统地梳理盾构刀盘滚刀磨损检测技术、耗损演化机理和掘进寿命预测方法的研究现状,从技术路线、耦合瓶颈等角度对各种技术的适用范围进行批判性地研究,不但可以丰富磨损状态感知、退化建模和剩余寿命预测的理论体系,也可以推进数据-机理双驱动融合范式的建立,还可以给工程实践中换刀时机的选择、刀盘配置的优化、掘进参数的自适应调控提供理论依据,从而达到理论研究和工程应用的融合,对于提高隧道掘进装备的智能化程度以及地下工程建造能力有双重作用。

1.4 综述范围及局限性

本文在确定研究范围的时候,用问题本质作为导向,用学科交叉来划分边界。文献检索来源包括Web of Science、Scopus、Engineering Village、中国知网和万方数据库等国内外主要的学术平台,也包括了国际隧道协会(ITA)年会论文集、北美隧道技术会议、土力学与岩土工程系列会议以及《Tunnelling and Underground Space Technology》《Rock Mechanics and Rock Engineering》《岩石力学与工程学报》《土木工程学报》等核心期刊的文献。检索时间跨度以1990年为起点,原因是滚刀磨损机理研究在二十世纪九十年代前后由经验统计转向半理论半经验模型,CTC、NTNU等预测模型的提出标志着该领域进入系统化研究阶段,以此为时间锚点可以完整展现耗损演化的学术演进过程。重点文献集中在2010年至今的十余年间,这一时期正是机器学习、多传感器融合、数字孪生等技术向隧道工程渗透的加速时期,也是方法论重构最活跃的时期。
学科范围上,本综述以岩石力学、摩擦学、断裂力学、信号处理和人工智能为支撑学科,研究常压式、背装式盘形滚刀在硬岩、软硬不均复合地层、富水破碎带中磨损行为,涉及磨损检测技术中的力信号分析、振动监测、温度场反演、声发射识别、视觉测量等主要技术类型。筛选标准采用三重判据,即机理可解释性、工程可验证性、方法可迁移性。
但是任何综述的价值都伴随着局限,厘清边界是学术严谨性的表现。地域覆盖存在着客观的偏倚。本综述以中英文文献为主体,日文、德文、挪威语等语种中关于硬岩TBM掘进的经典实测研究,如挪威科技大学长期积累的地体数据库,只能经由二次文献间接引用,可能会造成对某些区域性地层经验的系统性低估。其二,非公开工程数据的获取壁垒属于更深层次的方法论困境。刀具磨损数据大部分都存在于施工企业和设备制造商的内部档案里,涉及到商务合同和竞争利益,公开的数据一般会经过筛选或者归一化处理,这就造成了不可忽视的发表偏倚和数据截断问题,即文献中报道的磨损预测精度可能比实际工程水平要高。本文对于此的处理方法是审慎地标注数据来源属性,在模型评述中区别实验室尺度和现场尺度的证据等级。第三,新兴技术跟踪的时效性受到限制。光纤传感刀盘内嵌监测、物理信息神经网络驱动的磨损反演、盾构数字孪生体的在线寿命评估等都处于文献爆发前夜,部分成果只有预印本或者会议摘要形式出现,其可重复性还需要时间来检验,本文对于这些方向只做趋势性的判断,而不做结论性的评价。第四,综述对刀盘系统层面耦合分析的深度不足,滚刀磨损、刀盘结泥饼、轴承失效、围岩流变等各种多场多尺度问题相互交织,单一维度梳理不能完全涵盖系统复杂性。以上边界并不是对研究缺陷的掩盖,而是给后来的研究者指明了未完成的研究方向,只有在数据共享机制被打破、跨学科范式融合的情况下,磨损检测和寿命预测领域才能实现从经验科学到预测科学的真正跨越。

第二章 盾构滚刀磨损检测与耗损演化的核心理论框架

2.1 滚刀磨损的基本类型与机理阐释

2.1.1 常见磨损类型及作用机制

滚刀磨损不是单一物理过程的线性表现,它是刀盘-岩石-环境三相耦合系统中,多种机制竞争、协同演化的复杂动力学结果。从耗损演化的角度来讲,系统归纳各种磨损的作用机理、触发条件和形貌特点,就是建立寿命预测模型和检测方法的逻辑起点,也是目前学术界把现象学描述上升到机理性建模必须跨过的认知门槛。
磨粒磨损是造成滚刀失效的主要原因,它属于刀圈表面和岩石碎屑之间硬质微凸体在相对切向运动过程中产生的微切削和犁沟效应。当岩石中石英等硬矿物含量高、刀圈材料硬度比不足时,二体和三体磨粒磨损交替出现,磨损面有平行于滑移方向的连续划痕和显微沟槽,边缘多伴有塑性堆积脊。但是传统的Archard模型用恒定的磨损系数来描述这个过程,它忽略了磨粒粒径分布、围压作用下岩粉再破碎以及温度软化对磨损系数的非线性调制,这就是目前寿命预测在硬岩掘进中存在系统性偏差的根本原因。
黏着磨损是由于刀圈和被切削岩石在高压应力接触点处局部温度突然升高,造成微区固相焊合、撕裂而引起的。发生条件集中在刀刃同岩石实际接触面积极小的干摩擦工况上,其典型的形貌就是表面鳞片状的剥离坑以及材料转移痕迹。值得注意的是钢质刀圈同含有黏土矿物地层之间的黏着作用常常被低估,钢质刀圈同含有黏土矿物地层之间黏着作用常常被低估,它和磨粒磨损耦合起来会产生加速耗损的正反馈回路。
疲劳磨损属于亚表面裂纹在循环接触应力下产生、扩展、剥落的全过程。滚刀每旋转一圈表层就受到一次压剪复合应力循环的作用,当累积损伤超过材料疲劳极限的时候表面就会出现麻点、片状剥落坑,深层剥落就会造成刀圈崩刃。该机制的争议焦点是Miner线性累积损伤假设对于变幅载荷谱的适用性,即掘进过程中推力波动、岩性突变引起的载荷非平稳性所产生的疲劳损伤演化过程具有明显的非线性和路径依赖特性。
冲击磨损常常发生在节理发育、破碎带或者软硬互层地层,刀盘振动引起的高频冲击载荷使刀圈受到瞬时超高应力的作用,形貌表现为冲击坑、崩齿、宏观断裂等。其和疲劳磨损在学术上并没有清晰的界限,冲击实质上属于疲劳损伤的高强度离散注入,应该在统一的损伤力学框架中对其进行参数化表征。
腐蚀磨损一般出现在富水、含有氯离子或者酸性地下水的环境中,电化学腐蚀会使表层的力学性能下降,和磨粒、疲劳机制一起产生协同剥层的效果,外观上是腐蚀坑和磨损划痕叠加在一起的复合形貌。学术界对于“腐蚀-磨损协同系数”的定量刻画还存在很大的分歧,多数研究只停留在定性叠加上。
因此,五种磨损类型在实际服役环境下不是单独存在的,而是根据岩性、水文和操作参数的不同,组合成各种不同的机制耦合系统。目前的检测手段大多只针对某一个磨损特征的形貌进行识别,缺少对耦合演化路径的可辨识性判据,这就形成了检测理论与耗损建模之间方法论上的断裂。从微细观损伤力学的角度出发,建立以磨损机制占比演化为中心的多机制竞争模型,再用磨损面微观形貌学特征来反演机制权重,给滚刀磨损在线检测及剩余寿命预测赋予一个自洽的机理基础。

2.1.2 典型地质环境下的磨损特性

地层条件属于滚刀磨损的外生变量,实质上不是单纯的工况输入,而是通过改变刀-岩接触界面的应力状况、能量耗散途径以及热-力耦合环境,重新塑造了磨损系统的主导机制和演化速度。从复杂系统角度来说,地质适应性属于滚刀磨损研究中不可缺少的约束条件,其作用机制具有明显的非线性和路径依赖性。
刀盘切削软土地层时所受刀盘切削的软土地层属于低强度、高塑性的介质,滚刀很难形成有效的贯入,滚动摩擦代替压碎破岩成为界面能量耗散的主要方式。此时的磨损以轻微的磨粒磨损和黏着磨损为主,速率很低;但是需要批判指出的是,该种地层中真正的威胁并不是磨损本身,而是刀盘结泥饼造成的间接磨损,即泥饼使得滚刀抱死而失去自转能力,造成偏磨和整盘被动磨平,其危害远大于正常磨损的演化,但是在传统的磨损模型中常常被归为正常耗损而被系统性低估。广州、上海等部分软土工程中发生的换刀事件已经充分暴露出该模型的盲区。
砂卵石地层出现的磨损情况不一样。卵石的高硬度、低磨圆度和地层的高渗透性使得刀-岩接触呈现出典型的三体磨粒磨损状态,卵石之间的架空结构使贯入度剧烈波动,滚刀受到高频冲击载荷,疲劳磨损和磨粒磨损叠加耦合在一起。兰州地铁穿过黄河阶地砂卵石层的实际情况表明,滚刀磨损速率是软土地层的几十倍,磨损曲线偏离线性,由于刀刃钝化而产生加速非线性现象,表明经典的Archard磨损模型中磨损系数恒定的假设在此类地层中并不适用。
复合地层属于磨损机理研究中最有争议的一种情况。上软下硬或软硬交互界面处,单把滚刀在同一盘时间内经历不同的载荷谱,即穿过硬岩凸起时承受类硬岩的高应力压碎磨损,进入软土区段则近乎空转。由于载荷时空非均匀性造成滚刀磨损空间离散性急剧增大,从而产生局部先失效、连锁扰动的失效传播模式。广州地铁三号线北延段多次发生刀具非正常崩裂和偏磨,本质上就是地层界面处能量输入突变与刀具响应滞后之间的失配。目前学术界对于复合地层磨损预测存在分歧,即应该采用地层均化后的等效磨损系数,还是建立刀位-地层的局部映射模型,后者虽然更符合物理本质,但需要高精度的地层感知能力,工程实现还存在瓶颈。
高强度硬岩地层(石英花岗岩、玄武岩等)属于经典的压痕-微切削范畴,由石英含量决定的磨蚀性(CAI值)成了影响磨损速率的主要因素。但是值得关注的是高围压、高地温环境下,滚刀刀圈材料的热软化和回火效应会使磨粒磨损向热-机械耦合磨损转变,TBM深埋长隧洞工程中刀圈表层微观组织退化的发现,表明传统的常温磨损理论已经不能适用。
富水地层对于围岩本身的作用具有两面性,一方面地下水润滑会使界面摩擦系数降低,从而减轻热磨损,但是另一方面,由于地下水压力增大引起的破碎岩渣移动会造成泥砂侵入轴承密封,一旦密封失效,磨损就会从刀刃界面跳到轴承系统级的破坏。这就是地质适应性研究的内在含义所在,即磨损速率的预测如果离开地层的水文-力学环境,那么任何寿命模型都将是空中楼阁。

2.2 滚刀磨损检测技术的演进路径

2.2.1 直接检测技术与间接检测技术

滚刀磨损检测技术的发展本质上是对“磨损状态不可直达性”这个根本矛盾不断求解的过程,它的发展脉络可以分为直接检测和间接检测两种并行又互补的技术路径。
直接检测技术是以获取磨损量的物理实值为目的,它的认识论基础是对刀圈几何退变的直接量测。最原始的形态就是人工进仓检查,也就是在停机的时候,作业人员到刀盘前面的土仓或者常压换刀空间里,用游标卡尺、磨损量规来逐把测量刀圈剩余宽度。该方法由于其实测数据的绝对可靠性,长期以来一直被当作磨损评定的“金标准”,但是其本质上的缺陷就是检测的离散性和滞后性,即检查必须以停机为代价,两次检查之间磨损演化完全处于观测盲区,这对于长距离、高磨损地层中刀具失效预测来说,是不可接受的时间分辨率断层。为克服这一局限,液压式、机电式磨损检测装置被研制出来。液压式检测装置在刀体内部预埋检测油路,刀圈磨损到一定程度时,检测销与刀圈一起磨短,油腔压力膜破裂造成液压回路泄压,压力传感器在操作面板上给出磨损失效信号;机电式装置又加入位移传感器或者感应式探针,把刀圈磨损引起的几何变化转换成电信号输出,达到不停机状态下磨损量级的感知。以Robbins、海瑞克为代表的制造商先后将该类装置集成于换刀系统,形成中心刀、正面刀、边缘刀分区分级的检测布局。但是直接检测技术一直存在着结构性的问题,即传感器本身和刀圈一样处在磨粒磨损和冲击载荷的环境中,可靠性受检测元件寿命的限制,单刀检测成本高,工程实践中只能对关键刀位进行抽样布设,从而在系统层面丧失了全刀盘磨损场的完备观测能力。
间接检测技术改变了认识论的角度,不再直接对磨损本身进行量测,而是从磨损的因果链条入手,利用可以观测到的掘进响应来反演出刀具状态。其理论依据是滚刀磨损与贯入度、推力、扭矩、滚动力等掘进参数之间存在着物理耦合关系,磨损会使刀刃变钝、有效切削半径减小,从而造成贯入度降低、单位切削能耗增加、推力-贯入度曲线形状发生偏移。早期研究从Farm等人建立的理论破岩模型出发,得到了基于贯入度指数衰减规律的磨损推断方法,后来又用工程大数据建立了正常磨损阶段贯入度随磨损量变化的统计模型以及机器学习预测框架,把掘进参数时序数据转换成磨损状态的概率估计。声发射与振动信号检测属于该途径向微观尺度机理的深入,即由于磨损造成的滚刀和岩石接触状态的改变会对滚动接触应力波的频谱特性产生影响,对刀盘结构振动和声发射信号进行高频采集和特征提取,可以得到磨损演化早期的征兆,时间分辨率比参数反演方法高得多。但是间接检测的根本缺陷在于它的推断是病态的,地质条件空间变化、掘进操作参数人为调整都会对磨损特征信号产生污染,造成磨损状态与掘进响应之间的映射关系出现强非唯一性,这是目前学术界关于间接检测精度争议的焦点。
从复杂系统的角度来看,两条路径的发展历程其实就是观测完备性和观测经济性之间的权衡谱系。直接检测用高成本换低不确定性的点状真值,间接检测用模型假设换连续的状态估计,二者的融合用少量直接检测数据校准间接推断模型、用贝叶斯更新实现检测信息的动态融合,构成当前检测技术范式的演化前沿,也给之后耗损演化模型的建立提供数据基础和物理约束。

2.2.2 检测精度与工程适用性分析

滚刀磨损检测技术的工程适用性评价属于一个多目标约束下的Pareto优化问题,即检测精度、响应实时性、安装可靠性、成本投入和地层适应性这五个方面存在着深刻的内在矛盾,没有一种技术可以在评价空间里同时到达各个维度的理想点。对直接和间接检测技术进行系统的比较,其价值不仅是给工程选型提供决策的根据,更重要的是能够体现出磨损信息获得过程中观测侵入性、信息保真度、系统鲁棒性三者的权衡机制。
从检测精度上来讲,直接检测技术如位移式磨损传感器、液压腔式磨损监测装置等,是在刀圈本体或者刀毂内部设置传感元件,直接对磨损前沿几何变化进行检测,测量误差在毫米级甚至亚毫米级,磨损信号同物理磨损量之间有直接的因果联系,没有中间反演环节造成误差积累。但是,这样的高保真性是以牺牲系统的完整性为代价的,传感元件和刀盘一起受到冲击载荷、高温、磨粒侵蚀等作用,自身寿命比滚刀服役期短,检测通道失效率随掘进距离单调上升。间接检测技术(如推力-扭矩反演法、贯入度分析、振动与声发射监测)依靠刀盘系统宏观动力学响应,建立磨损状态和力学参量之间的映射模型来得到磨损推断结果,其精度受模型假设和地质扰动的耦合影响,软弱不均地层中推力波动可以达到设计值的数十个百分点,使得反演结果的置信区间明显展宽,这就是间接方法长期以来被人质疑的主要原因。
间接检测具有时间上的优势,盾构数据采集系统可以实时采集到盾构推力、扭矩、转速等参量的变化情况,磨损推断可以在线滚动执行,从而发现磨损突变的早期信号;而直接检测大多属于离散或者准连续测量,并且有些方案要停机读取,实时性差。但是必须要指出的是,实时性优势只有同反演模型泛化能力相配才会有意义,如果模型对于地层突变敏感但是缺少自适应机制,那么高频输出的就不是早期预警而是高频误报。安装可靠性方面,直接检测方案需要在刀具制造或者换刀阶段完成封装,动密封、信号无线传输或者滑环引电等薄弱环节都存在问题,高水压富砂卵石地层中故障率很高;间接检测几乎不改变刀盘结构,可靠性等于盾构本体传感链路,但是对传感器标定漂移的敏感性常被低估。成本维度要从全寿命周期的角度来考虑,直接检测单刀改造成本高,但是其信息价值可以作为换刀决策的直接依据,从而减少无效开仓,间接检测边际成本几乎为零,但是模型标定需要大量的换刀验证数据,其隐性成本在于地质适应性调试和误判风险。
地层适应性是评价体系中差异性最大的维度。直接检测在均质软岩、复合地层中均可保持稳定的精度,但是它的薄弱之处正是高研磨性硬岩刀圈磨损速率快于传感元件预期寿命,出现“检测未毕、磨损已极”的时序悖论;间接检测对上软下硬、孤石群等突变地层十分脆弱,由于力学反演的地层均匀性假设被破坏。总之,工程选型要依照“信息价值分层”的原则来进行,在长距离硬岩掘进段用直接检测为主,间接推断为辅,得到磨损量级的确定依据,在地质条件相对均一、换刀窗口有限的软土地层,用间接检测配合直接检测的稀疏标定点,可以取得精度和成本之间更好的平衡。未来发展不是一个技术的极致化,而是直接检测和间接检测在数据层面上的融合,即用直接检测的离散真值来校准间接模型的地层漂移,用间接检测的连续响应来外推直接检测的测量间隔,形成精度、实时性、可靠性相互配合的复合感知体系。

2.3 滚刀耗损演化模型的理论基础

2.3.1 经典磨损模型及演化规律

滚刀耗损演化建模的理论基础可以追溯到Archard在1953年提出的黏着磨损经典理论。该模型的主要思想是:磨损体积和法向载荷以及滑动距离成正比,和材料硬度成反比,其统一表达式为V=K·W·s/H。式中V为磨损体积,W为法向载荷,s为相对滑动距离,H为较软材料的硬度,K为无量纲磨损系数,它表征的是摩擦界面微凸体接触时产生的磨损粒子的概率,是一个包含了材料学、摩擦学、界面化学三个方面的综合性参数。把模型移植到盾构滚刀磨损场景当中的时候,一般用滚刀刀圈体积损失或者半径缩减量来重新构建,也就是刀圈磨损深度δ和累计滑动距离s之间存在着线性关系,滑动距离是由刀盘转速、贯入度和开挖直径几何解析得到的,从而形成了磨损量-掘进距离(或者换算成掘进环数)的线性外推预测范式。
必须批判地指出,该线性演化规律成立的条件在盾构掘进环境中近乎苛刻。首先,Archard模型认为载荷恒定,接触面积对磨损率没有影响,滚刀在破岩过程中受到剧烈的冲击性循环载荷,刀圈和岩石的接触宽度随着磨损量的增加而不断增大,接触应力不断重新分布,磨损率也会随着时间发生变化。模型把磨损系数K当作常数,但现场统计表明K对于岩石磨蚀性(CAI值)、石英含量、地应力状态、刀盘温度场、渣土润滑特性都非常敏感,其在砂卵石和黏性地层之间的离散幅度可达一个数量级以上,这就形成了该理论应用于工程预测时最大的不确定性来源。滚刀磨损机理不是单一的黏着磨损占主导,而是磨粒磨损、疲劳磨损、微动磨损和局部热磨损的耦合竞争过程,在高磨损性地层中磨损体积-距离曲线一般会表现为典型的三阶段特征,即磨合期磨损率快速下降、稳定期近似线性发展、加速期由于刀圈失效前几何劣化而急剧上升。单纯套用线性假设会对服役后期的磨损速率进行系统性低估,从而引发换刀决策滞后的风险。
学术界对于Archard模型的适用范围一直存在争论,一种观点认为用分段线性化和磨损系数现场反演来修正工程适用性,另一种观点认为应当从损伤力学、非平衡统计物理的角度出发重新建立耗散型演化方程。从复杂系统的角度来看,本文认为滚刀磨损本质上是刀-岩-渣多场耦合系统能量耗散的宏观表现,Archard模型真正的价值不在于它的定量精度,而在于它确立了“磨损与输入功成比例”这一熵增约束下普适性框架。因此经典模型的当代发展路径应该是保留其能量-磨损映射内核,把常参数K泛化成随着接触几何、温度场和岩石矿物组构的变化而变化的状态依赖函数,再同后面的时变磨损率模型、数据驱动修正方法一起构成层级衔接,从而为长距离掘进寿命准确预测打下理论基础。

2.3.2 多因素耦合下的耗损演化机制

滚刀耗损演化属于典型的多物理场耦合驱动下的非线性耗散过程。盾构掘进系统里地质条件、刀具材质、刀盘转速、推进力等参数不是线性叠加的方式作用于磨损过程,而是由应力场、温度场、磨损场三者之间的交叉反馈形成复杂的耦合网络。从微观机理上来说,滚刀破岩过程中磨损主要是由磨粒磨损、黏着磨损和疲劳磨损这三种机制竞争转化而形成的,在坚硬完整的围岩条件下,高接触应力会导致磨粒磨损占主导地位;在裂隙发育的地层中,冲击载荷引起的次表面疲劳裂纹扩展就成了主要的耗损通道;当地层含水量高或者岩渣排出不畅的时候,摩擦热积聚造成的材料软化又会加剧黏着磨损。这三种机制的权重会随着耦合工况的变化而不断发生变化,从而形成耗损演化的内禀时变性。
传统的耗损模型大多是在Achard型磨损方程或者Rostami提出的滚刀受力模型基础上建立起来的,理论内核以准静态、单一磨损机制和比例性假设为基础。比例性假设就是把磨损体积看成是各个因素幂函数的线性组合,W∝k·F^n·v^m·T^p。该种建模范式在单一因素小扰动范围内具有足够的近似精度,但是在多因素强耦合情况下其结构性缺陷就暴露出来了。推进力和转速对磨损的影响不是独立可加的,推进力增大使接触斑应力提高,从而改变摩擦系数和温升速率,而温升引起材料硬度退化又反过来放大应力敏感指数,形成正反馈回路,使磨损响应呈指数级而非幂级增长。其次,地质参数和刀具材质之间有明显的阈值效应和尺度效应,岩石抗压强度、石英含量和磨蚀性指标对磨损速率的影响有突变点,在软硬不均地层中刀具承受的周期性交变载荷会诱发低周疲劳-磨损协同劣化,该种效应被经典模型完全忽略,造成其对复合地层中滚刀异常磨损(偏磨、弦磨等)预测的系统性失真。
针对上面所述的失真机理,近些年修正建模思路可以分为三条路。一种是机制修正的路径,即保留原来的框架,用磨损机制权重函数来动态重构综合磨损系数k,把k表示成应力、温度和围岩完整性的耦合泛函,从而达到用一个系数来表征不同的磨损形态的目的。其二是用损伤力学和连续介质力学相结合的方法,把磨损看作材料内部损伤变量的演化结果,用包含疲劳损伤变量和磨粒磨损通量的双内变量模型来描述疲劳-磨损交叉强化效应,该路径理论上比较严谨但是参数辨识比较困难。第三是数据和机理结合的方式,用现场掘进参数、渣土性状和换刀记录来建立多源数据集,用物理约束的神经网络或者符号回归的方法来识别出隐含的耦合项,从而完成经典模型所不能表达的交互项的自动产生。三条路径各有缺陷,机制修正路径不能覆盖突变工况,损伤力学路径的工程标定成本高,数据驱动路径受样本分布的工况覆盖度和外推可靠性的限制。
值得思考的是,目前学术界对于耦合效应的建模大多只停留在参数之间的乘性交互层面,对于因素之间的时序滞后效应以及地层空间非均质性所造成的路径依赖重视不够。滚刀耗损不是状态函数,它的演化轨迹依赖于掘进历史,在软硬交错地层中,前一环的载荷历史通过刀具表层微观组织的变化影响后续的磨损响应。前瞻性的研究方向应该致力于建立具有记忆效应的演化模型,把磨损看作含有历史积分项的路径泛函,并且利用数字孪生框架来实现耦合模型的在线更新,才能够冲破经典模型结构上的限制,给滚刀寿命的准确预测打下理论基础。

第三章 盾构刀盘滚刀磨损演化与掘进寿命的耦合机制

3.1 刀盘滚刀群的磨损分布特征

3.1.1 不同位置滚刀的磨损差异

刀盘滚刀群的磨损不是均匀的过程,而是具有明显的空间分异特征,本质上是由于滚刀在刀盘不同的径向位置所受到的运动学约束和力学边界条件的不同造成的。从运动学角度来看,滚刀磨损速率和安装半径近似成正比例关系:安装半径为r的滚刀在刀盘转速n下,线速度v=2πrn随着半径线性增长,造成正面区滚刀在单位破岩行程中所承受的摩擦累积功和热力学载荷更大。具体来讲,在刀盘外缘处的滚刀在同一转内完成的破岩行程要比中心区滚刀长得多,刀圈和岩石接触面上的循环加载次数也随之成比例地增加,磨粒磨损和疲劳磨损的耦合作用因此不断被加强。边缘区滚刀由于处在刀盘最外面,线速度最大,在曲线掘进或者纠偏的时候还会受到额外的侧向滑移,它的正滚刀磨损速度一般要比中心区滚刀快2-3倍,因此工程实践中边缘区一般用更大的刀圈截面或者更密的换刀周期来弥补。中心区滚刀因为小半径带来的低线速度以及多刀交汇破碎效应的双重影响,该区域岩渣排泄通道受限、二次破碎频繁,滚刀虽然线速度低,但是由于破岩轨迹高度重叠而承受非对称挤压载荷,容易产生刀圈偏磨、崩齿等非典型失效模式,磨损形态表现出“低速重载”的特点,和正面区“高速中载”、边缘区“高速重载滑擦”形成鲜明对比。三区分异磨损谱系说明刀盘磨损本质上是由几何构型驱动,受载荷路径调制的空间过程。
然而现有的研究对位置效应的刻画大多属于宏观统计归因,没有对磨损速率梯度的微观机理进行解释。值得注意的是,位置效应不是一成不变的,它随着地质条件的时空变化、刀盘振动模态以及相邻滚刀的载荷耦合状态而不断发生改变,软硬不均地层中边缘滚刀由于冲击载荷频谱加宽,其磨损离散性急剧增大,位置均值的解释力明显下降。由多个隧道工程实测数据进行横向对比可知,即使地质与掘进参数接近,刀盘布局不同时磨损径向分布也存在系统性偏差,位置效应一般规律要以刀盘结构拓扑为条件变量,而不是普适常数。忽略布局差异套用统一的径向磨损经验公式,在刀盘优化设计或者换刀决策时会产生不可忽视的系统性误差。
因此,一个更具有解释力的理论重构方向就是把滚刀群看作具有空间拓扑约束的耦合磨损系统,以安装半径、轨迹重叠度和侧向滑移率为状态变量,建立起位置依赖的磨损速率场模型,然后通过换刀数据和磨损形貌的逆向辨识来完成参数标定。范式转换可以突破传统的单刀独立评估的局限,给刀盘寿命预测从点估计到场估计提供机理基础。

3.1.2 刀盘结构对磨损分布的影响

刀盘是滚刀群的载体,它的结构参数并不是简单的几何配置,而是决定刀群载荷传递路径和磨耗能空间分配的底层约束。从磨损演化的本质来说,滚刀磨损是由于刀刃与岩石接触界面摩擦功的累积造成的,而刀盘结构又会通过改变各滚刀的贯入度、侧向力和滑动分量来改变磨耗能在刀群上的耗散格局,这就构成了本节讨论的机理链条。
开口率是最先受到影响的结构变量。开口率决定了渣土进入土仓的通道面积和流动形态,低开口率刀盘上渣土滞留于刀盘面板和开挖面之间形成二次研磨层,滚刀在渣垫中反复搅动,磨粒磨损由单次切削变为持续性摩擦耗能,刀圈磨损速率明显提高而且正面磨损加剧,高开口率有利于排渣、削弱二次研磨,但是开口过大也会削弱刀盘刚度和面板支承,使相邻刀位载荷波动增大,磨损离散度反而上升。学界对于这一点存在着不同的看法,有的工程统计认为开口率和平均磨损近似呈单调负相关,有的模型试验表明存在使磨损均匀性最好的中间开口率区间,分歧的原因就是以前的研究大多把磨损量作为标量均值来处理,忽略了磨损场在刀盘径向和周向的分布张量特性。
刀间距的影响是表现在岩碴破碎自由面干涉机制上的。刀间距过小,相邻刀槽破碎区重叠,滚刀载荷被邻刀分担,单刀贯入力下降但是空转磨损占比增加;刀间距过大,岩石破断面不平整,冲击载荷分量增大,刀圈崩齿和偏磨风险提高,磨损由渐进磨耗转变为非连续损伤主导,寿命预测从连续演化问题变成随机过程问题。由连续磨损到突发损伤的演化模式转变,就是目前寿命预测模型在刀间距边界参数域失效的主要原因,也表明磨损演化应该是刀间距调控下相变行为而不是线性响应。
刀盘结构布局和刀具布置方式又直接影响着刀群受力均匀性。平面直列、锥面压心、球面布置等各种构型中,滚刀法向力随安装位置呈现出径向梯度的变化,中心区滚刀滑动率低而换刀频繁度低,边缘区滚刀线速度高、侧滚与偏磨剧烈,正滚刀和边缘滚刀磨损量可以相差数倍。从布置方式上来讲,多刀位重叠以及刀位相位角的设计造成周向载荷不对称,当同直径滚刀相位分布不均时,刀盘不平衡力偶会引起主轴承和刀盘的周期性振动,振动又通过刀座刚度界面反馈给滚刀侧向力的随机扰动,形成了结构不对称、载荷波动、磨损分异的正反馈回路。这说明磨损分布不均不是由刀具材料或者岩性单一因素造成的,而是结构、载荷、磨损等多种因素共同作用产生的结果。
由此可以得到前瞻性的见解,即刀盘结构设计的目的应该从过去的破岩效率最大化转变为刀群磨耗能密度场均衡化,在给定岩性谱系的条件下,用磨损分布的方差最小化来约束反演开口率、刀间距和刀位相位的联合寻优空间。未来优化设计应该把数字孪生框架和磨损张量观测数据结合起来,建立起结构参数、载荷均衡性和磨损均匀性之间的三元映射,把刀盘设计由经验式的设计转变为可以用计算来验证的逆向设计模式。

3.2 磨损演化与掘进性能的关联机制

3.2.1 滚刀磨损对掘进参数的影响

滚刀磨损与掘进参数之间不是简单的单向映射关系,而是典型的多场耦合、非线性演化的复杂系统交互过程。从本质机理来说,滚刀磨损通过改变刀刃几何形态(刃宽、刃角)和接触状态,改变了刀具、岩石界面的应力分布以及破岩力学行为,初期磨损阶段刀刃由尖锐渐趋钝化,接触面积变大使单位面积侵入力变小,破岩效率降低;进入磨损中后期时,刀刃钝化引起的压碎区扩大以及侧向塑性挤压加强,造成岩石破碎模式由高效的拉伸-剪切复合破坏转变为低效的压碎主导模式,相变式的破岩机制迁移成了掘进参数异常响应的内在物理原因。
在总推力的维度上,磨损滚刀为了保持相同的贯入深度,所需要的法向侵入力更大,理论推力-贯入度关系曲线出现系统性上移。但是这一规律的工程判读存在着明显的争议,围岩性质的空间变异性(如断层破碎带、节理密度变化)也会引起推力的波动,并且二者在参数响应上有相似之处,造成学界在“磨损信号”和“地质信号”的解耦问题上一直未能达成一致。目前大多使用地质超前预报数据或者渣料分析来辅助识别,但由于时空分辨率低,基于单一推力指标的磨损推断是否可靠还存在疑问。
刀盘扭矩响应有更复杂的非单调性质。磨损初期,刃宽增大造成侧向刮擦加剧,扭矩稍有升高;磨损严重时滚刀破岩能力下降,贯入度被动减小,破岩体积减小反而会抑制扭矩增长,出现“高磨损、低扭矩”的悖论性现象。非单调特性说明仅仅依靠阈值报警式的单参数监测框架存在根本的缺陷,需要转向多参数联合的演化趋势分析。
贯入度是推力和扭矩的派生量,也是磨损状况最灵敏的综合指标。磨损演化会使贯入度在恒定推力的情况下不断减小,并且衰减速率和磨损量之间大致服从幂律关系,这与Archard磨损定律所表现的磨损体积、载荷、行程之间的本构联系在深层逻辑上是同构的。掘进速度由于贯入度降低和推进压力自适应调节的相互作用,呈渐进式下滑叠加周期性波动的复合形态,其波动幅值的异常增大通常预示着局部刀具的偏磨或者刀圈崩裂。
需要指出的是,上述参数响应存在着明显的时滞效应以及路径依赖,磨损是一个缓慢积累的过程,参数漂移初期被围岩扰动噪声所掩盖,当异常征兆可以被识别出来的时候,刀具已经进入加速磨损阶段。因而产生了一种新的研究范式,即把总推进力、扭矩、贯入度、转速等构成的多维参数流看作是磨损演化在高维观测空间的投影,通过滤波分离、归一化地质修正和多源信息融合来重构磨损状态的隐式演化轨迹。只有形成了从破岩机理到参数响应再到磨损状态的逆向映射闭环,以掘进参数的磨损间接检测为依据,才能摆脱经验阈值判读的限制,实现由定性征兆识别到定量状态估计的范式转变,给滚刀掘进寿命的动态预测和换刀决策赋予有力的理论支持。

3.2.2 磨损加剧与掘进效率劣化的耦合规律

磨损加剧同掘进效率劣化之间不是简单的线性因果链条,它是一个由多物理场耦合所引起的自我加强的非线性反馈系统,其本质可以说是刀具、岩石接触界面能量耗散结构的不稳定变化。从微观上看,破岩机理的微观角度来说,滚刀的破岩效能主要依靠刀刃同岩石接触带内应力集中状态的保持,新鲜刀刃用较小的接触面积和较高的接触应力,能够很好地压碎岩石并使裂纹按照最优的路径扩展贯通,形成规则的岩片剥落。随着磨损的不断进行,刀刃宽度变大、刃形钝化,接触应力峰值明显减小,压入岩石的有效应力密度接近岩石无侧限抗压强度和刀刃几何参数决定的临界阈值附近,裂纹起裂和贯通过程由高效的开裂模式变为低效的研磨粉碎模式,岩石破碎方式由“劈裂—剥落”变成“压碎—磨蚀”,破岩比能耗也随之非线性升高。
但是,目前学术界对这个退化过程的描述还存在着明显的争议和不足。主流的CSM经验模型以及各种修正模型都认为磨损状态对贯入度和推力的影响是准静态的、可解耦的,忽视了磨损演化本身受到掘进参数动态调制的双向耦合本质——即磨损劣化掘进性能,而劣化的性能(如贯入度下降引发的振动加剧、刀盘推力被动提升、刀圈温升累积)又反过来加速磨损进程,构成典型的正反馈恶性循环:钝化导致比能耗上升与掘进速度下降,为了保证进尺,操作端不得不增大推力和扭矩,附加载荷加剧刀圈疲劳损伤、偏磨以及轴承温升,使磨损速率进一步提高,直到触发热损伤、刀圈崩裂乃至轴承失效等加速劣化的分岔点,系统由渐进磨损阶段跃迁至加速灾变阶段。这就是工程实践中刀具更换时机判定比理论磨损预测更复杂、更不确定的根本原因。
从复杂系统理论的宏观角度来看,耦合机制具有路径依赖和迟滞的特点,即磨损演化史会被当前的刀刃几何状态所记忆,相同的推力条件下,不同的磨损历史会导致不同的破岩响应,单一时刻的磨损量指标不能完全体现系统的破岩能力,磨损状态空间需要用刀刃形貌、偏磨不对称度等多维流形来描述。这一认识对于刀具寿命预测的范式转变有着十分重要的意义,今后的研究重点应该从静态的磨损量和寿命之间的关系转变为动态的磨损、性能和载荷之间的协同演化的动力系统识别,利用在线贯入度监测、比能耗实时反演和数字孪生技术来获取耦合系统接近分岔临界点的早期迹象。
从工程经济性的连锁效应来说,恶性循环的代价具有级联放大的特点,比能耗上升会直接导致单位掘进成本和电力消耗增加,掘进速度下降会延长工期、增加设备摊销以及人工成本,刀具异常失效造成的计划外停机换刀又会产生高额的带压进仓作业风险和费用,三者相加后刀具成本在盾构施工总成本中所占比例会比常规估算的高很多。因此,只有把磨损演化规律纳入掘进参数的主动优化中,用性能衰退的临界判据代替经验性的定时换刀策略,才能从系统上切断恶性循环,达到掘进效率、刀具寿命和经济性的协同最优。

3.3 掘进寿命预测的核心影响因子

3.3.1 地质条件与刀具材质的作用

地质条件和刀具材质形成了滚刀磨损演化过程中“外源磨耗驱动”和“内源抗磨响应”的对偶体系,两者相互影响决定了掘进寿命的宏观表现。从本质机理上说,磨损是岩石—刀具界面上能量耗散和物质迁移的不可逆过程,其速率由岩体对刀圈的侵入抵抗(反映出可掘性)和刀圈表层的抗磨损能力(反映出耐磨性)共同决定。目前的研究表明,岩石单轴抗压强度(UCS)和掘进寿命并不是简单的单调负相关关系,而是典型的非单调“U型”关系,强度过低时刀圈因为冲击载荷叠加而崩齿频发,强度过高时滚动接触应力超过材料屈服极限导致点蚀剥落加剧,只有在中等强度区间(约80-150MPa)的时候磨损才以渐进磨粒磨损为主,寿命曲线趋于平稳。这就说明,只用UCS这一个指标来建立寿命模型存在着结构上的缺陷。
岩石的磨蚀性属于更为根本的磨耗因子,它由石英等硬质矿物的含量以及矿物的粒度来决定。CERCHAR磨蚀性指数(CAI)和石英体积分数与刀圈单位掘进长度磨损量的相关性,在很多现场统计中明显高于UCS和点荷载强度,说明磨粒微切削而不是宏观压碎才是磨损质量迁移的主要途径。石英含量每增加10%左右,等效磨损速率就会成指数级地增大,原因就是高硬度磨粒嵌入刀圈表层之后形成三体磨损并引发表层疲劳裂纹网络,磨损机制由二体磨粒磨损向磨粒—疲劳复合机制转变。此外,地应力水平、节理发育程度和含水状态等都直接或者间接地影响着磨粒产生的多少,构成不可缺少的边界条件。
从刀具材质方面来说,刀圈寿命是硬度和韧性相匹配的结果,而不是只有硬度达到峰值就可以。刀圈常用高碳铬钼合金钢进行淬火加中温回火处理,表层硬度一般控制在55~60HRC之间,硬度过高会使冲击韧性下降,在节理岩体和软硬交界面处容易发生整体崩裂,硬度过低会使磨粒侵入深度增大,磨损速率加快。近年来研究趋势表明,碳化钨堆焊层、表面渗碳和等温淬火贝氏体组织等改性途径可以在保证芯部韧性的基础上提高表层耐磨性20%~40%,但是在高磨蚀性地层中长期稳定性还没有得到系统的验证。值得批判的是,目前学界大多把地质条件和刀具材质当作可以分离的独立变量,用线性加权或者简单的乘积方式耦合到寿命模型中,忽略了两者之间非线性的交互作用,例如高石英含量地层中马氏体组织的磨损抗力衰减速率远大于低磨蚀地层,即材质响应具有地层状态依赖性。因此,笔者认为应该建立地层磨蚀谱—材料组织退化谱协同映射框架,把磨损看作外源驱动力和材料微观组织演化路径的耦合随机过程,用非平稳退化模型代替确定性经验公式。工程统计也支持这一结论,秦岭和西南地区深埋硬岩隧道中同批次刀具寿命离散系数可达0.3以上,仅仅归因于地质均质性假设无法解释,只有加入材质-地层耦合的随机演化机制才能使寿命预测精度得到范式性提高。

3.3.2 施工参数与运维策略的影响

盾构刀盘-滚刀-岩体多体耦合系统中,施工参数不是外生给定的边界条件,而是直接参与磨损演化动力学的内禀变量,本质上就是改变滚刀与岩体接触力学状态来重塑磨损速率场。掘进速度决定单位时间内滚刀承受侵岩行程和能量耗散总量,盲目提高速度会造成推力超限,使刀圈接触应力超过材料疲劳阈值,磨损模式由渐进磨粒磨损转变成冲击剥落和崩刃的灾变模式;刀盘转速与切痕间距存在协同作用,转速过高时相邻刀痕间的岩石压碎域重叠加重,侧向力造成刀圈偏磨,贯入度是掘进速度和转速的比值,它是衡量滚刀有效做功深度的无量纲指标,被认为是参数耦合作用的关键枢纽。但是目前学术界对于贯入度和磨损率的关系还存在着很大的争议,一种观点认为比能最小化原理是最优贯入区间,偏离该区间就会造成岩石破碎模式变差,磨损加快,另一种观点是从现场大数据的角度出发,认为地层非均质性和统计噪声会掩盖理论最优值,贯入度与寿命关系在强风化软硬交替的地层中具有多峰和非单调的特点,这表明传统的单一岩样实验室标定在复杂的地质条件下存在系统性失效的风险。这就是本领域的一个根本局限性,施工参数的影响从来都不是在均质介质中成立的解析函数,而是和界面摩擦热效应、轴承密封温升、泥水环流携渣能力等互相交织的非线性响应。
运维策略是对磨损演化过程进行时序干预的一种方式,它的意义在于打破了“连续磨损——被动失效”的宿命链条。换刀计划科学性本质上就是对磨损预测不确定性进行风险管理,提前换刀牺牲了刀具残余寿命,但是可以避免刀圈磨损泄漏后轴承进渣、刀座损伤、刀盘本体受损等一系列级联失效风险,寿命折损和事故风险的权衡就构成了换刀时机决策的深层博弈结构。刀具巡检既是状态感知又是模型修正,巡检所得到的磨损实测值既是对预测模型的在线校准,又是掌子面地层突变性的间接探测。需要强调的是参数调控和运维管理并不是孤立的选择,而是形成了一个分层递阶的可操作框架,宏观上根据地质预报信息在线调整推力、转速、贯入度的匹配关系,使滚刀工作点一直处于磨损速率、掘进效率的帕累托前沿附近,微观上依靠巡检数据流驱动磨损预测模型滚动更新,实现由固定里程换刀到状态、寿命联合换刀的范式转变。二者结合可操作性的价值就是把寿命延长由事后补偿转变为过程塑形,即对磨损动力学本身进行参数软化,对误差累积进行运维策略截断,这也是未来智能掘进系统数字孪生和闭环调控技术得以实现的物理和逻辑前提。

第四章 盾构刀盘滚刀掘进寿命预测与工程应用现状

4.1 掘进寿命预测方法及应用案例

4.1.1 模型驱动的寿命预测应用

模型驱动的寿命预测方法以滚刀磨损演化的物理机理为内核,其基本逻辑就是把刀圈磨损量看成是岩石—刀具相互作用过程中能量耗散和材料剥落耦合演化的确定性或者随机性的结果,用建立的磨损速率和贯入度、滚刀受力、岩石强度参数之间的本构关系,外推到磨损极限来得到剩余寿命估计。该类方法典型的构建过程可以归结为四个阶段,一是利用破岩力学理论(CSM离散元模型、半经验切割力公式)创建单滚刀受力和磨损功率的表达式,二是引入磨粒磨损或者疲劳磨损为主的耗损演化律,把磨损增量和滚动距离、法向力以及岩石矿物成分(石英含量、磨蚀性指数CAI)联系起来,三是依据掘进参数实时反演地层参数来修正磨损速率,四是用换刀阈值或者刀圈失效准则当作边界条件来求解寿命分布。参数标定一般有两种途径,第一种是室内线性切割试验得到岩石磨蚀性、刀具损耗系数,第二种是利用既有区段换刀记录、刀圈磨损实测数据,使用最小二乘、贝叶斯更新反演模型参数,由于后者可以吸收工程不确定性,因此逐渐成为主流。
从工程应用角度来说,国内外有许多可以借鉴的案例。有学者在兰州市轨道交通砂卵石地层区间上,用磨料磨损原理建立了滚刀磨损量和掘进距离的线性累积模型,并且用换刀检查的数据来控制磨损速率预测误差在15%以内;对于复合地层,学者们把地层可掘性指数空间插值引入到软硬交界面处的磨损突变加权修正中,使部分混合地层工程的寿命预测精度达到工程可接受的范围。将CSM模型和现场掘进数据结合起来,动态预测常压换刀的时机,在很多大直径泥水盾构工程中帮助优化换刀计划,降低非计划停机。总的来说,在均质地层、掘进参数稳定的情况下,模型驱动法可以给出比较可靠的寿命区间估计。
但是,从复杂系统的角度来看,该类方法的不足之处也是无法避免的。首先磨损演化本质上就是一个非线性的、多机制耦合的随机过程,磨粒磨损、黏着磨损、疲劳剥落以及刀圈崩裂这些主要机制之间的转换不能用一个确定性的模型来完全描述,从而使模型对于突变性失效的预测能力大大降低。其次地层空间变异性使得标定参数具有很强的地域依赖性,某地层的磨蚀系数不能直接应用到地质成因不同的工程中,可移植性问题成为该方法推广的主要争议点,批评者认为所谓的通用模型是在某一特定数据分布下的局部拟合,支持者认为可以通过分层建模和在线参数更新来达到跨场景泛化的目的,二者的争论本质上是机理先验与数据证据之间的矛盾。另外模型对于掘进操作因素(推力波动、刀盘转速调整、结泥饼造成的二次磨损)敏感程度不够,容易低估人因和工况扰动对寿命离散性的影响。从长远来看,把物理演化模型嵌入贝叶斯滤波框架中,用刀盘振动、扭矩波动等可测信号来驱动状态更新,实现机理约束下的数据同化,在保证模型可解释性的基础上提高模型对于多个地层、强扰动工况的适应性以及预测精度,这可能成为模型驱动方法走向工程普适化的一条途径。

4.1.2 数据驱动的寿命预测应用

数据驱动的寿命预测方法用盾构施工过程中大量采集到的掘进参数当作信息来源,它的认识论基础就是把滚刀磨损和掘进寿命当作可以用多个可观测的状态量来隐式表征的复杂非线性系统,从而避开了刀盘-岩石相互作用物理机理的显式建模。从数据来源上来说,这类研究大多依靠盾构可编程逻辑控制器和数据采集系统所记录的推力、扭矩、贯入度、转速、推进速度、总推进力和渣土温度这些时序参数,加上地质勘察资料、渣土照片和换刀记录来创建样本集;还有的研究又加入声发射、振动、油液监测信号来补充磨损演化信息,但是由于传感器布置成本和可靠性的限制,工程覆盖面依然很窄。特征工程环节一般会涉及数据清洗去噪、异常值剔除、时序滑窗重构和降维筛选,主成分分析、相关性分析和递归特征消除被大量用来从原始的高维参数里提取出和磨损状态强相关的表征因子,也有学者借鉴科罗拉多矿业学院掘进指数和现场贯入指数这类半经验指标当作特征输入,在数据层加入了一些岩体力学的先验知识。算法选择上有从浅入深的发展过程:早期采用人工神经网络、支持向量机和高斯过程回归,之后长短期记忆网络、门控循环单元等循环神经网络结构由于可以刻画掘进参数的时序依赖特性而成为主流,卷积神经网络、注意力机制、Transformer架构、集成学习、梯度提升树的加入又提高了非线性拟合的能力,近几年来迁移学习、联邦学习被用来解决不同工程之间样本分布漂移和数据孤岛的问题。
模型验证一般用均方根误差、决定系数和平均绝对百分比误差来考察泛化能力,用留一工程验证或者时间序列交叉验证来检验泛化能力。典型应用案例对比结果表明,以现场掘进参数为基础,采用长短期记忆网络进行滚刀磨损预测的滚刀磨损预测在单工程内的决定系数可以达到0.95以上,误差可以控制在10%以内,但是需要几百环以上的连续标注数据,支持向量机类模型数据需求低、可解释性好,但是面对强非均质地层精度衰减明显,深度时序模型虽然精度占优、有在线滚动预测潜力,但是训练成本高、对换刀样本极度稀缺的失衡问题敏感,跨地质、跨机型的外推能力普遍不足。批判性地来看,该类方法的本质缺陷就是数据驱动的“黑箱”特性把预测结果同磨损物理演化的因果联系给割裂了,地质条件隐变量很难被显式地量化,使得模型本质上属于工程特有的统计拟合而不是普适的寿命演化规律。前瞻性地讲,物理机理约束嵌入损失函数的物理信息神经网络和基于多任务学习的少量换刀样本增强,以及面向边缘计算的轻量化模型部署,在预测精度、数据需求、实时性三者之间进行权衡的时候,可以实现范式突破,把寿命预测由离线评价变成掘进过程的闭环智能决策。

4.2 现有技术与方法的现存问题

4.2.1 检测技术的工程局限性

目前的检测技术在实验室环境下一般能够达到较好的精度和稳定性,但是当把它放在盾构施工真实的工程场域中时,它的效能就会出现明显的衰减,这种实验室到现场效能的差别,实质上是由于检测方法对复杂工况边界条件所做的理想化假设造成的。滚刀磨损信号的产生、传播以及感知过程嵌入在一个高度非线性强耦合系统中,刀盘旋转产生的高频冲击、围岩-刀具-刀盘-机体多级传力路径上的振动混叠、高水压富水地层中的电磁屏蔽效应,这三者构成了信号获取的噪声海洋。以应力应变法为例,传感器信号中真实磨损信息和掘进姿态扰动、地质界面突变引起的载荷波动在频域上是重合的,传统的滤波和特征提取方法很难有效地把它们分离开来,信噪比就成为决定检测精度的主要因素。
复杂地层适应性缺陷更加严重。软硬不均地层、断裂破碎带、孤石群等非均质地质情况下,滚刀载荷表现出强随机冲击特征,磨损演化规律本身就不符合均质地层假设下的准稳态磨粒磨损模型,进入到疲劳磨损、微切削、冲击破碎三种相互耦合的竞争状态中。目前的检测技术大部分都是以单一磨损机制的本构假设为前提的,当地层引起磨损机制发生变化时,检测模型的物理基础就不存在了,这就是软土地区检测效果好、硬岩和复合地层检测效果差的根本原因。该问题说明目前的研究存在范式性的缺陷,把检测问题看作是信号处理问题,而不是“地质-载荷-磨损”三元耦合系统的状态反演问题。
成本、工程可行性属于另外的约束。高压腔体内传感器的安装和更换都需要带压进舱作业,其作业风险以及经济代价使大规模布设传感器网络在工程上无法承受;传感器本身的抗冲击、密封、绝缘可靠性在长寿命周期里很难保证,一旦传感器先于滚刀失效,检测系统就会陷入以短寿命器件监测长寿命部件的悖论。除此之外,数据采集、传输、存储链路在盾构狭长封闭空间里的布线复杂性、电磁兼容性问题也会提高系统全生命周期的成本,从而使检测技术的边际效益随着布设规模的减小而减少。
实时在线监测能力的缺失造成检测和决策之间的时间差很大。目前大部分技术还依靠停机检查或者人工舱内观测,检测结果的获得滞后于磨损演化过程本身,不能对换刀时机进行动态优化决策。这样一种离线化、离散化的检测方式,在工程逻辑上使磨损检测变成了“事后验证”,而不是“过程预警”,其价值被系统性地削弱了。综合而言,影响检测技术落地推广的主要瓶颈不是单个技术的精度不够,而是缺少一个把信号感知、状态反演、寿命预测、决策支持连起来的闭环体系:感知上缺少高可靠、易维护、低成本的原位传感方案,反演上缺少面向复杂地层的自适应解耦算法,预测上缺少把磨损演化模型和实测数据深度融合的动态更新机制。未来的突破方向应该是物理机理和数据驱动的深度融合,建立起对地层不确定性具有鲁棒性的在线感知和预测框架,才能够达到检测技术由实验室验证到工程常态应用的范式转变。

4.2.2 寿命预测精度的制约因素

隧道掘进机滚刀磨损检测耗损演化掘进寿命预测精度受到地质、机器、数据和模型四个方面不确定性的影响,是预测链路上层层传递、不断放大的过程。从认识论的角度来说,目前的预测范式是用有限的观测数据去反演无限复杂的磨损动力学过程,属于逆向问题,存在着精度提高的理论上限。
第一制约因素是数据质量结构性缺失。滚刀磨损属于隐蔽且渐进的耗损过程,直接测量只能在停机换刀时离散获得,造成磨损演化序列出现“稀疏采样、长间隔、非连续”的固有缺陷。掘进参数虽然可以高频采集,但是它和磨损量之间的映射关系会被刀盘振动、围岩局部非均质、刀刃形状随机退化等噪声源干扰,信噪比很低。更严重的是各个工程数据分散在不同的承包方和设备厂商,数据格式、传感配置、记录标准缺少统一行业规范,造成高质量标注样本严重短缺,深度学习类数据驱动模型容易陷入过拟合和小样本泛化失效的窘境。
其次是模型假设过于简化,造成理论上的精度天花板。现有经验公式(如CSM模型)是基于Colorado红花岗岩等特定岩性试验建立起来的,岩石可磨性指数、刀刃宽度系数等参数在富含石英的硬岩、高研磨性地层中适用性被质疑;而理论力学模型一般采用理想接触几何、均匀应力分布和稳态磨损率假设,没有考虑滚刀偏磨、刀圈崩裂、轴承失效等非线性突变失效模式,把复杂的随机耗损过程简化成确定性演化方程,导致模型偏差和参数不确定性叠加,预测区间过窄而置信度虚高。
第三,工况泛化能力差是由于机器和地层系统的强非线性耦合造成的。滚刀磨损速率对于推力、扭矩、贯入度、刀盘转速、围岩完整性等组合状态非常敏感,不同工程之间地层组合、掘进策略、设备型号存在很大差异,模型在源工程训练中得到的映射关系在目标工程中会发生系统性漂移,即“一工程一模型”困境。现有的迁移学习方法对磨损物理机理约束嵌入不够,跨工况外推时精度衰减没有可靠的理论保证。
地质不确定性的影响更加根本。地质勘察得到的岩体参数实质上是三维空间中稀疏采样,掌子面前方未揭示的地层构成了预测的“认知盲区”,断裂带、孤石、高水压等异常工况的出现会瞬间改变磨损路径,而现有的预测框架大多把地层看作已知的确定性输入,不能处理地质条件随里程演化的随机过程特性。
从实验室到工程应用,精度和可靠性都遇到了双重的问题,试验台可以控制的边界条件在真实的掘进过程中不能完全复现出来,尺度效应、边界效应以及热-力耦合效应使得试验规律很难直接外推出来;工程上预测误差的代价很不对称,低估磨损会造成刀具失效、停机换刀的重大损失,高估磨损会造成不必要的检查性开仓、工期延误。因此寿命预测不能只以单点误差来评价,而应该建立起包含不确定性量化的概率化预测体系,将物理机理约束同数据驱动方法相结合,地层数据动态反演更新,这样才能在可解释性和可靠性之间找到工程上可以接受的最佳平衡点。

4.3 滚刀运维与寿命管理的优化策略

4.3.1 基于磨损演化的换刀时机优化

根据磨损演化规律科学地确定换刀时机,是滚刀运维和寿命管理从经验驱动转变为数据、机理双驱动的关键环节,其实质是在磨损累积不可逆性和突发失效随机性之间寻找系统层面的动态平衡。传统的换刀决策大多依靠固定的磨损阈值或者固定的掘进里程来做出判断,当磨损量达到某个经验值(刀圈磨损25 mm、40 mm或者刀圈残余截面不能承受破岩载荷)的时候,就被认定为强制换刀。该种方式虽然方便工程的实施,但是也存在着很大的局限性:一方面,磨损演化速率受到地质条件、刀盘推力、转速、贯入度等诸多因素的共同作用,具有很强的非线性以及工况依赖性,用同一个阈值无法体现不同地层里磨损-性能退化路径的差异性;另一方面,固定阈值切断了磨损和失效模式之间的概率联系,没有考虑到磨损测量误差、地层突变等不确定因素,造成了过度换刀和失效延掘这两种代价高昂的决策偏差。
从磨损演化机理出发,科学确定换刀时机应该建立起阈值分层、状态反演、动态修正的递阶框架。首先,磨损阈值不能被当作一个单一的标量,而应当分为性能阈值、安全阈值和经济阈值这三个层次。性能阈值是刀圈磨损所造成的破岩效率下降的拐点,可通过贯入度与推力之间的耦合关系来反演得到;安全阈值是刀圈钢体暴露、轴承失效风险陡增的临界磨损深度,它的设定要依靠断刀统计的尾部分布特征来确定,并不是均值意义上的确定性边界;经济阈值是由换刀停机成本、刀具成本以及继续掘进的磨损速率增量共同决定的。三者耦合交集就是可行的换刀窗口,其宽度本身就是地层不确定性的函数。
在此基础上,风险成本权衡的换刀决策模型是优化时机的数学载体。该模型的核心是将换刀决策表述为序贯优化问题,以单位掘进延米的期望总成本为目标函数,其构成是刀具更换直接成本、停机换刀的工期损失成本,以及继续掘进条件下断刀、轴承失效等突发失效造成的非计划停机、地层坍塌乃至更严重次生灾害的期望风险成本。磨损演化模型在这里起到状态预测的作用,根据在线磨损监测数据或者间接推断(推力-扭矩残差分析),用贝叶斯更新或者粒子滤波等状态估计方法,对剩余磨损裕度进行概率化预测,从而得到当前工况下继续掘进到下一个换刀窗口时发生失效的概率。当边际风险成本的增速大于边际停机成本的节省时,就达到了最优换刀时机的驻点条件。该框架的优点是把确定性阈值放宽到概率约束(断刀概率不超过给定置信水平),在安全底线和经济性之间做出明确的取舍。
但是,目前该类模型的工程应用还存在着诸多争议和问题。学术界对于磨损演化模型外推可靠性的质疑:目前的模型大多是基于某个地层标定的,在复合地层、软硬交替界面处磨损速率会出现突变,历史数据的先验权重失当会造成预测偏差,从而造成“看似最优实际冒进”的决策。另外,风险成本中次生灾害的货币化标定没有行业共识,不同的学者对安全冗余度的设定差别很大,体现了风险容忍度的主观性还没有被规范化的决策准则所消解。更根本的问题在于以换刀停机为前提的决策范式是否会被带压换刀、常压换刀等新的维修技术所改变——当换刀的时间成本大幅度降低的时候,最优的换刀频率也会随之增加,阈值窗口也会随之减小,这就表明换刀时机的优化其实就是一个随着维修技术的进步而不断变化的移动目标。
前瞻性地来讲,换刀时机优化的演进方向应该体现三重耦合,宏观上把地层识别和自适应掘进参数控制加入到决策闭环里,使磨损预测跟着工况的变化而实时更新;微观上把刀圈金相组织的退化、热-力耦合损伤等细观演化信息融合起来,形成从材料劣化到系统失效的跨尺度传递函数;系统层面上,要形成以多刀具协同磨损均衡为目的的刀盘级换刀调度优化,防止出现单刀最优但刀盘整体性能失调的局部理性陷阱。只有这样,基于磨损演化的换刀时机优化才可以由单点决策工具提升为贯穿寿命周期管理的智能运维范式,实现盾构掘进安全性和经济性的统一。

4.3.2 刀具配置与施工参数的协同优化

刀具配置和施工参数的协同优化,其实就是在一个强耦合系统里解决多个目标动态平衡的问题。传统的研究大多把刀具配置当作静态设计任务,把施工参数当成独立的运行变量,这样就割断了二者在磨损演化上深层次耦合的关系,刀型的选择会影响岩石破碎的能量分配路径和接触应力分布,刀距的大小会影响相邻刀痕之间的协同破碎效果以及侧向力的竞争,材质的选择会决定磨损演化的速率谱以及失效模式的迁移边界;推力、刀盘转速和贯入度的实时控制,反过来又会改变每一把滚刀的载荷时程和磨损轨迹。因此,配置是参数优化的边界条件,参数是配置效能的释放通道,二者分离必然造成寿命预测模型失真。
目前学术界争论的焦点在于优化的时间尺度不匹配的问题上,刀具配置属于千小时级别的设计决策,施工参数属于秒级的实时控制,磨损演化则跨越分钟到月的多个尺度过程。目前的优化方法大多是离散的事前配置和事后换刀,缺少贯穿掘进全过程的动态连接。此外,刀间距优化一直以来都是以均质假定的比能最小化准则为基础,对于复合地层里软硬交替界面所造成的载荷突变以及偏磨加剧的情况,该准则是否具有有效性遭到了根本性质疑,刀间距的最优值并不是岩石参数的连续函数,而是地层界面统计特征的泛函,给配置理论的重建赋予了批判性的角度。
前瞻性的解决路径就是建立“检测-预测-调控”闭环的寿命管理体系。宏观上,以磨损演化模型为主体,把滚刀磨损检测数据(根据推力-扭矩残差反演或者振动特征的间接感知)当作状态观测输入,促使寿命预测模型在线更新,从而反向优化换刀时机、刀位轮换策略以及后续刀具的材质选配方案,达成由经验驱动到数据-机理融合驱动的转变。从微观角度看,采用贯入度和转速的实时协同控制,把单刀载荷保持在磨损速率谱的低敏感区,防止冲击载荷造成的疲劳剥落和偏磨失稳,用参数柔性来弥补地层非均质性对配置刚性的侵蚀。
更进一步地,该框架的深层价值就是把磨损检测由原来的“监测手段”提升到“设计语言”的高度,刀盘刀型布置、刀距梯度、刀体结构等都可以根据历史磨损场空间分布特点来进行迭代调整,刀盘设计本身就是磨损演化知识的外在表现。从目前来看,智能化刀具运维管理系统应该有三层结构:感知层依靠多源传感融合来实现磨损状态的准在线辨识;决策层依靠数字孪生创建起“配置-参数-磨损-地层”的联合仿真空间,支持换刀窗口和参数方案滚动优化;执行层探索自适应刀具(可变刀高、可调预紧机构)和参数控制协同执行。只有这样,滚刀寿命管理才能由碎片化的经验运维变成面向全生命周期的预测性、自适应性的系统工程。

第五章 结论

本文系统地对盾构刀盘滚刀的磨损机理、检测技术、耗损演化规律以及掘进寿命预测这四个方面的研究进展进行了整理,并得出以下结论。磨损机理方面,学界已经从宏观力学解析发展到微观断裂和热-力耦合作用机制,明确了磨粒磨损、疲劳磨损、冲击剥落这三种磨损形式的主导地位以及它们随地层条件、刀圈材质、贯入度变化而产生的竞争关系[20],但是多体随机接触条件下磨损机理本构表达还比较粗糙。在检测技术上,由原来的间接地质推算发展到现在的应变、温度、振动、声发射、图像识别等方法不断被补充进来[85],但是深埋高湿富水环境下信号衰减、传感器自身磨损以及安装可靠性等问题会造成测量数据的时间连续性和空间代表性受到严重限制。从耗损演化角度来说,Archard模型及其修正形式、灰色理论和数据驱动法虽然对磨损随掘进里程增加的趋势有描述[75],但是对地质非均质性、刀盘受力状态突变、换刀扰动等强非线性因素的耦合表达不够。在寿命预测方面,剩余寿命估计大多依靠经验阈值和线性外推[60],不能在复杂的掘进工况下给出可靠的概率化预测区间。
综上所述,目前的研究主要存在三个方面的问题,第一是磨损产生的微观损伤演化和宏观工程响应之间缺少跨尺度贯通的理论桥梁[65],机理模型和监测数据呈现出两条平行线的态势;第二是检测手段在可靠性、耐久性和经济性这三个方面存在无法调和的矛盾[90],磨损量信息依然是以稀疏、滞后、间接为主要特点;第三是磨损模型大多使用确定性框架,没有考虑到地质参数、操作参数和材料参数等多个来源的不确定性传播[70],使得预测结果对工程决策的支持能力不强。
面向未来,主要的研究方向应该集中在三个方面。第一,检测手段的智能化,把光纤传感、声发射阵列和机器视觉结合起来,利用边缘计算实现在线自诊断和信号补偿,提高磨损信息的实时性和准确性[80];第二,预测模型精细化,建立物理机理和数据深度耦合的混合驱动模型,用贝叶斯方法和不确定性量化技术,得到磨损演化路径的概率化表征以及跨地层迁移学习[30];第三,寿命管理系统系统化,把磨损检测、耗损评估、寿命预测和换刀决策纳入统一的数字孪生框架中,形成贯穿设计、掘进、运维全周期的闭环管理体系。以上方向取得突破后,将促使滚刀磨损研究从经验性的描述转向机理-数据融合的范式转变,给盾构隧道智能建造赋予有力的理论支持。

参考文献

[1]黄丹, 马昊, 杨小聪. TBM滚刀磨损研究现状及展望[J]. 岩土工程技术, 2023, 37(3): 253-261.
[2]纪金帅, 王秋平, 李万莉. 盾构滚刀磨损预测中破岩受力与滚刀转速分析研究[J]. 工程机械, 2023, 54(8): 44-52+8.
[3]陈海彬. TBM滚刀磨损监测系统设计及更换准则研究[D]. 中国矿业大学, 2024.
[4]王滨. TBM掘进滚刀磨损规律及增效方法研究[D]. 山东大学, 2022.
[5]齐梦蕾, 朱强, 杨延栋. 基于滚刀Cerchar磨蚀性指数的滚刀磨损量预测方法[J]. 重庆理工大学学报(自然科学), 2024, 38(11): 112-118.
[6]方应冉, 王希浩, 曹英贵. 大直径泥水盾构常压刀盘滚刀磨损分析:以胶州湾第二海底隧道为例[J]. 土木工程学报, 2024, 57(S2): 167-172.
[7]张鹏辉, 雷军, 彭斌. 盾构隧道掘进中盘形滚刀磨损机理及其施工优化方法[J]. 青岛理工大学学报, 2023, 44(4): 45-56.
[8]王华伟, 王小天, 刘四进. 基于1DCNN-BiLSTM的多传感器融合泥水盾构滚刀磨损监测方法[J]. 哈尔滨工程大学学报, : 1-10.
[9]郭柏里, 程可缘, 刘刚. 基于混合深度学习方法的盾构滚刀磨损量预测[J]. 山西建筑, 2026, 52(16): 131-135+140.
[10]任国化. 天山胜利隧道TBM滚刀磨耗规律分析[J]. 建筑机械, 2026(6): 118-122.
[11]郭旭华. 基于图拉普拉斯正则化深度学习的TBM滚刀磨损预测方法研究[D]. 安徽理工大学, 2026.
[12]王晖, 陈乔松, 丁小彬. 盾构正面滚刀磨损效率预测大数据模型研究[J]. 建筑机械化, 2026, 47(4): 6-9.
[13]李朝阳, 唐威, 王昕远. PL-HLANet:一种用于隧道掘进机滚刀磨损预测的半监督方法(英文)[J]. Journal of Zhejiang University-Science A, 2026, 27(4): 317-334.
[14]陈俊达, 殷丽君, 龚秋明. 基于TBM滚刀磨损监测数据的滚刀磨损状态分析[J]. 岩土工程技术, 2026, 40(3): 403-410.
[15]干聪豫, 刘墨池, 曹英贵. 基于LightGBM算法的盾构滚刀磨损预测模型[J]. 石家庄铁道大学学报(自然科学版), 2026, 39(1): 84-93.
[16]王开松, 郭旭华, 唐威. 基于图拉普拉斯正则化深度学习模型的TBM滚刀磨损预测方法[J]. 工程设计学报, 2026, 33(1): 33-43.
[17]孙靖东. TBM滚刀破岩磨损和断裂行为分析及失效预测研究[D]. 北京科技大学, 2025.
[18]孙宝杰, 王旭春, 曹希奎. 基于摩擦理论的滚刀磨损预测模型研究[J]. 低温建筑技术, 2023, 45(2): 130-134.
[19]于方正, 乔浩利, 朱荣辉. 软硬混合地层盾构滚刀磨损规律研究——以北京市团城湖——第九水厂输水隧洞为例[J]. 隧道建设(中英文), 2022, 42(S1): 536-543.
[20]葛江波. 硬岩地层盾构滚刀磨损规律及减磨剂改良效果研究[D]. 中南大学, 2025.
[21]贾凌旭. 单刃盘形滚刀磨损状态识别的神经网络方法研究[D]. 西南交通大学, 2023.
[22]费俊杰. 复合盾构新型滚刀磨损监测技术及应用研究[D]. 华中科技大学, 2024.
[23]任续锋. 基于多源参数融合分析的大直径盾构机正面滚刀磨损分析与预测研究[D]. 华南理工大学, 2024.
[24]王俊. 长沙典型地层盾构掘进滚刀磨损预测方法及掘进效率优化技术研究[D]. 中南大学, 2024.
[25]刘博. 基于深度学习的盾构滚刀磨损检测[D]. 河南科技大学, 2022.
[26]黄威然, 丁小彬, 罗淑仪. 基于神经网络的超大直径盾构滚刀磨损量预测模型研究[J]. 科技通报, 2025, 41(7): 101-107.
[27]赵方彬. 硬岩地层盾构掘进滚刀磨损机制与预测方法研究[J]. 流体测量与控制, 2024, 5(1): 35-40.
[28]张鹏. 基于XGBoost的岩溶地层盾构滚刀磨损预测研究[J]. 建筑机械化, 2025, 46(1): 26-30.
[29]杜康, 朱强, 秦东晨. 基于GADF-CNN的盾构盘形滚刀磨损预测模型[J]. 机械设计与制造, 2025(3): 115-120.
[30]徐文礼, 杨志超, 张炎. 上软下硬砂-岩复合地层盾构镶齿滚刀磨损规律及预测研究[J]. 施工技术(中英文), 2025, 54(7): 129-136.
[31]黄玉华, 李峰. 应用t-SNE流形学习方法的盾构刀盘磨损信号降维[J]. 机械制造与自动化, 2025, 54(3): 96-99+104.
[32]王亚楠, 刘爱华, 王柯. 盾构机滚刀刀圈表面激光熔覆Ni基WC陶瓷涂层的组织与耐磨性[J]. 金属热处理, 2026, 51(9): 319-325.
[33]陈强, 张国军, 聂沨. 基于离散元-多体动力学耦合方法的磨损滚刀破岩性能演变规律研究[J]. 计算力学学报, : 1-8.
[34]周子龙, 董晋鹏, 谢宇轩. 水饱和对岩石磨蚀性的影响及其对隧道掘进机滚刀磨损的意义(英文)[J]. Journal of Central South University, 2026, 33(7): 3225-3244.
[35]易婧雯. 高速干切滚刀非均匀磨损空间分布预测及优化[D]. 重庆交通大学, 2026.
[36]柏帅, 程桦, 姚直书. 西部侏罗系地层钻井铣齿滚刀磨损因素分析及预测模型[J]. 建井技术, 2026, 47(1): 72-81+106.
[37]王华伟, 王有富, 刘四进. 基于CNN-LSSVM的滚刀磨损状态监测[J]. 仪表技术与传感器, 2026(1): 91-96.
[38]王开松, 郭旭华, 唐威. 基于图正则化深度学习模型的TBM滚刀磨损预测方法[J]. 工程设计学报, : 1-14.
[39]肖聪, 何涛, 李贞. 复合地层盾构滚刀磨损特性的多尺度研究[J]. 中国设备工程, 2025(24): 89-92.
[40]俞建铂, 仲伟, 陈乔松. 基于深度置信网络的盘形滚刀磨损预测研究[J]. 矿山机械, 2023, 51(5): 1-7.
[41]贾连辉, 路亚缇, 唐亚军. 适用于盾构机的滚刀磨损传感器研究[J]. 自动化应用, 2023, 64(5): 183-185+189.
[42]段文军, 张蒙祺, 勾斌. 刃形对硬岩地层中TBM滚刀磨损行为的影响研究[J]. 摩擦学学报, 2023, 43(7): 738-749.
[43]朱晓庆. 复杂地质超大直径盾构滚刀磨损规律与磨损量预测研究[D]. 沈阳建筑大学, 2025.
[44]严狄. 全断面中风化闪长岩地层盾构滚刀磨损特征及控制技术研究[D]. 中南大学, 2025.
[45]林枫. 基于变分模态分解的滚刀磨损状态评估研究[D]. 浙江大学, 2022.
[46]方泽鑫. 复合地层盾构刀具与土体磨损规律及相互作用机理研究[D]. 沈阳建筑大学, 2024.
[47]魏均坤. 基于机器视觉的TBM滚刀磨损在线检测研究[D]. 沈阳建筑大学, 2024.
[48]王泽江. 雾尘环境下TBM滚刀磨损立体视觉测量方法研究[D]. 大连理工大学, 2023.
[49]张立国. 基于数据质量改善的滚刀磨损状态识别与趋势预测[D]. 重庆大学, 2024.
[50]杜康. 盾构滚刀磨损预测及布局优化设计[D]. 郑州大学, 2022.
[51]蒋桂山, 刘超尹, 王建佳. 基于机器学习的双模盾构滚刀磨损研究[J]. 施工技术(中英文), 2025, 54(21): 131-136.
[52]罗敏. 城市隧道施工中盾构掘进机械滚刀磨损检测[J]. 建筑机械, 2023(2): 113-116.
[53]从飞云, 周琦皓, 林枫. 考虑泊松统计规律的滚刀磨损特征提取方法[J]. 机械设计与制造, 2026(5): 22-27+31.
[54]刘浩, 段怿欣, 张爽. 复杂地层盾构刀盘损伤分析及既有刀盘结构改造研究[J]. 土木工程学报, 2024, 57(S2): 32-38.
[55]刘忠磊. 极硬岩地层TBM滚刀适应性分析研究[J]. 建筑机械化, 2026, 47(7): 1-6.
[56]柏帅. 西部侏罗系岩层钻井法凿井铣齿滚刀磨损影响因素及其预测模型研究[D]. 安徽理工大学, 2026.
[57]Nikbakht Nasrabadi, R., Farrokh, E., Maarefvand, P.. Full-Scale Experimental Study on TBM Disc Cutter Wear: Influence of Rock Type and Operating Conditions[J]. Rock Mechanics and Rock Engineering, 2026: 1-21.
[58]Mo, Deyun, Bai, Liping, Liao, Wenjiang. Preprocessing method for shield operational parameters adaptable to geological survey data characteristic for predicting disc cutter wear[J]. Applied Intelligence, 2025, 55(15): 1-20.
[59]Wang, Lihui, Kang, Yilan, Zhang, Qian. Engineering Application Modeling Based on Mechanism Law for Hard Rock Disc Cutter Wear Evolution[J]. Rock Mechanics and Rock Engineering, 2025, 58(8): 9499-9515.
[60]Cui, Zhao, Wang, Lihui, Su, Cuixia. Dimensional consistency-based modeling of disc cutter wear in hard rock tunneling utilizing integrated multivariate analysis[J]. Bulletin of Engineering Geology and the Environment, 2025, 84(4): 1-14.
[61]Wang, Haodi, Qin, Chengjin, Yu, Honggan. A real-time multi-head mixed attention mechanism-based prediction method for tunnel boring machine disc cutter wear[J]. Science China Technological Sciences, 2024, 68(1): 1-22.
[62]Dalong, Jin, Zhichao, Shen, Dajun, Yuan. Effect of Spatial Variability on Disc Cutters Failure During TBM Tunneling in Hard Rock[J]. Rock Mechanics and Rock Engineering, 2020, 53(10): 4609-4621.
[63]Yang, Yandong, Hong, Kairong, Sun, Zhenchuan. The Derivation and Validation of TBM Disc Cutter Wear Prediction Model[J]. Geotechnical and Geological Engineering, 2018, 36(6): 3391-3398.
[64]Ren, Dong-Jie, Shen, Shui-Long, Arulrajah, Arul. Prediction Model of TBM Disc Cutter Wear During Tunnelling in Heterogeneous Ground[J]. Rock Mechanics and Rock Engineering, 2018, 51(11): 3599-3611.
[65]Yan, Di, Huang, Linchong, Sun, Wei. Peridynamic Modeling of Rock Cutting Using 3D-Scanned Geometries of Worn Disc Cutters[J]. Rock Mechanics and Rock Engineering, 2026: 1-26.
[66]Zhang, Qian, Nie, Yaoqi, Du, Lijie. BPI-DWM: A Physics- and Data-Driven Disc Cutter Wear Prediction Model Balancing Predictive Accuracy and Interpretability[J]. Rock Mechanics and Rock Engineering, 2026: 1-36.
[67]Zhou, Zi-long, Dong, Jin-peng, Arnold, Yu-xuan Xie. Influence of water saturation on rock abrasivity and implications for TBM cutter wear[J]. Journal of Central South University, 2026, 33(7): 3225-3244.
[68]Li, Zhaoyang, Tang, Wei, Wang, Xinyuan. PL-HLANet: a semi-supervised approach for tunnel boring machine disc cutter wear prediction[J]. Journal of Zhejiang University-SCIENCE A, 2026, 27(4): 317-333.
[69]Chakeri, Hamid, Maleki, Amin, Shakeri, Hadi. Laboratory and numerical investigation of cutting tool performance using a new small-scale linear cutting machine[J]. Scientific Reports, 2025, 15(1): 1-19.
[70]Luo, Wei, Xue, Yadong. TBM Disc Cutter Wear Prediction in Composite Strata Based on Deep Cross-Stage Partial Neural Networks[M]. Information Technology in Geo-Engineering, 2025.
[71]Ding, Xiaobin, Yuan, Linxuan, Huang, Weiran. Predicting Cutter Wear in Shield Tunneling Construction Using Machine Learning: A Case Study from Chunfeng Road Tunnel Project in China[M]. Information Technology in Geo-Engineering, 2025.
[72]Rastgoo, Abdollah, Jafari, Vahid, Hamidi, Jafar Khademi. Effects of Blade Speed on Microstructure and Wear Behavior in the Abrasion Value Cutter Steel (AVS) Test[J]. KSCE Journal of Civil Engineering, 2024, 28(12): 5963-5971.
[73]Karimi, Hajar, Khamehchiyan, Mashalah, Hassanpour, Jafar. Disc cutter wear/life analysis in a long tunnel excavated in strong to very strong, abrasive rocks[J]. Bulletin of Engineering Geology and the Environment, 2024, 83(10): 1-17.
[74]Ghorbani, Ebrahim, Yagiz, Saffet. Predicting disc cutter wear using two optimized machine learning techniques[J]. Archives of Civil and Mechanical Engineering, 2024, 24(2): 1-20.
[75]Yang, WenKun, Chen, ZuYu, Wu, GenSheng. Probabilistic model of disc-cutter wear in TBM construction: A case study of Chaoer to Xiliao water conveyance tunnel in China[J]. Science China Technological Sciences, 2023, 66(12): 3534-3548.
[76]Agrawal, Anil Kumar, Murthy, V. M. S. R., Chattopadhyaya, Somnath. Prediction of TBM Disc Cutter Wear and Penetration Rate in Tunneling Through Hard and Abrasive Rock Using Multi-layer Shallow Neural Network and Response Surface Methods[J]. Rock Mechanics and Rock Engineering, 2022, 55(6): 3489-3506.
[77]Gong, Qiuming, Wu, Fan, Wang, Dujuan. Development and Application of Cutterhead Working Status Monitoring System for Shield TBM Tunnelling[J]. Rock Mechanics and Rock Engineering, 2021, 54(4): 1731-1753.
[78]Macias, F. J., Dahl, F., Bruland, A.. New Rock Abrasivity Test Method for Tool Life Assessments on Hard Rock Tunnel Boring: The Rolling Indentation Abrasion Test (RIAT)[J]. Rock Mechanics and Rock Engineering, 2016, 49(5): 1679-1693.
[79]Shao, Zhenxin. Higher hard rock proportions accompany lower penetration and greater specific energy in an ultralarge slurry shield case study[J]. Scientific Reports, 2026: 1-27.
[80]Sabri, Mansour, Sharifi Teshnizi, Ebrahim, Goshtasbi, Kamran. Effect of TBM Disc-Cutter Wear on Granite Rock Fragmentation for Kani Sib Water-Conveyance Tunnel Project[J]. Transportation Infrastructure Geotechnology, 2026, 13(1): 1-26.
[81]Shang, Xiaonan, Zhou, Jian, Liu, Fushen. Three-dimensional peridynamics modeling of rock cutting considering disc cutter rolling motion[J]. Acta Geotechnica, 2025, 20(4): 1643-1660.
[82]Ding, Xiaobing, Zhao, Junxing. Predictive Analysis of TBM Cutter Wear Utilizing the Transformer Model: A Case Study of Shenzhen Metro[M]. Information Technology in Geo-Engineering, 2025.
[83]Sun, Zhenchuan, Yang, Yandong, Chen, Kui. Disc Cutter’s Rock Breaking Ability and Wear Resistance in Extremely Hard Rock: A Case Study in Qinling Tunnel of Han River to Wei River Water Diversion Project[J]. Geotechnical and Geological Engineering, 2019, 37(6): 4901-4910.
[84]Zhao, Yanru, Yang, Haiqing, Chen, Zhongkui. Effects of Jointed Rock Mass and Mixed Ground Conditions on the Cutting Efficiency and Cutter Wear of Tunnel Boring Machine[J]. Rock Mechanics and Rock Engineering, 2019, 52(5): 1303-1313.
[85]Yan, Tao, Shen, Shui-Long, Yin, Zhen-Yu. Identification of Soil–Rock Interfaces Using Multiscale Wavelet-Based Sparse Signal Peak Detection of Vibration During Shield Tunnelling[J]. Rock Mechanics and Rock Engineering, 2026: 1-19.
[86]Yang, Zhiyong, Liu, Zhe, Shao, Xiaokang. Impact of cutter layout on cutter wear during shield tunneling in sand-pebble strata: case study[J]. Bulletin of Engineering Geology and the Environment, 2026, 85(4): 1-16.
[87]Li, Ming, Huang, Qi, Jiang, Yuan. Present Status and Technology of the Shield Tunneling Method for Urban Railway System in Chengdu, China (2005–2024)[M]. Proceedings of the 3rd International Conference on Geosynthetics and Environmental Engineering, 2026.
[88]Oniskiv, V. D., Stolbov, V. Yu., Makarov, V. F.. The Influence of Radiation Modification on the Wear Resistance of Cutters Made of VK-8 Carbide Material[J]. Journal of Friction and Wear, 2025, 46(5): 345-350.
[89]Yu, Wujun, Zhan, Hongfei, Yu, Junhe. Semi-supervised prediction of milling cutter wear based on an empirical formula for cutting force and wear[J]. The International Journal of Advanced Manufacturing Technology, 2025, 137(9-10): 4761-4776.
[90]Li, Mao-yue, Lu, Xin-yuan, Liu, Ze-long. Research on wear state prediction of ball end milling cutter based on entropy measurement of tool mark texture images[J]. Journal of Central South University, 2025, 32(1): 174-188.
[91]Wang, Haoteng, He, Mingming, Yuan, Zhuoya. Determination of cutting force and failure surface using a blunt cutter under confining condition: analytical modelling[J]. Bulletin of Engineering Geology and the Environment, 2024, 83(4): 1-18.
[92]Abdul-Rani, A. M., Ibrahim, Khairiyah, Ab Adzis, A. H.. Investigation on the effect of changing rotary speed and weight bit on PCD cutter wear[J]. Journal of Petroleum Exploration and Production Technology, 2020, 10(3): 1063-1068.

BUILD // YOUR_DRAFT

这篇结构能用?生成你自己的

输入题目和技术方向,生成同类型论文初稿,技术链你定、数据自己跑。

← 返回分类:文献综述