钻爆法隧道智能建造技术研究综述与展望

摘要： 首先，概述智能建造的基本内涵，即采用新一代信息技术、人工智能技术和机器人技术，构建智能超前地质预报、智能围岩质量评价、智能设计、智能施工、工程智能管理的多系统协同控制的隧道建造新模式。其次，从智能超前地质预报、智能围岩质量评价(钻进参数、数字图像、三维激光扫描点云等)、智能设计（信息化和数字化支护参数设计、智能化生成式设计方法等）、智能施工（施工工法工艺、施工装备等)、智能建造协同管理平台5个方面总结钻爆法隧道智能建造技术的研究现状。最后，从以下方面对智能建造今后的发展前景和方向进行展望：需构建与钻爆法隧道智能建造相适应的智能算法和模型；探索智能建造条件下隧道围岩响应规律和支护力学特性；发展考虑时间效应的隧道围岩整体稳定性评价方法和支护体系一体化设计方法；研制自感知、自适应、自决策的谱系化、多功能智能装备；形成更为安全、高效、经济的隧道智能建造标准化工法工艺；开发覆盖面更广、功能更强大、智能化水平更高的协同管理平台。

关键词： 钻爆法隧道；智能建造；智能超前地质预报；智能围岩质量评价；智能设计；智能施工；智能装备

钻爆法隧道自从17世纪问世以来，已有近400年的发展历史，依据主要作业手段进行划分，可以分为“人工+简易工具”“人工+小型机械”“大型机械装备”3个阶段。随着21世纪初第4次工业革命强势来袭，大数据、云计算、物联网、5G、人工智能等新一代通讯和信息技术得到蓬勃发展，并积极向各行业、各领域渗透，钻爆法隧道开始进入“智能装备”阶段。

从世界范围来看，钻爆法隧道正朝着“超长、超大、超深、超难”的方向快速发展，高海拔、高寒、高盐、高热等恶劣的地理环境更为常见，高地应力、高地温、高烈度等严重的特殊地质问题更为突出，隧道建设面临全方位的新要求和高标准。诸如极端工况下的少人化或无人化施工，复杂围岩随机性、模糊性的深入判识，高效、经济、适应性广的支护体系等现实工程问题，使得发展智能建造技术比历史上任何阶段都要迫切。

近年来，在郑万、成兰、贵广等铁路工程建设中，钻爆法隧道大型机械化建造技术得到了长足发展和广泛应用。以郑万高铁为代表，系统研究了隧道机械化大断面法的工法工艺、支护设计方法、大型机械配套方案、数字化管理，并进一步探索了智能建造的体系架构、智能设计、智能施工、智能装备、智能协同管理等[1-3]，其主要成果表明，大型机械化建造技术的主要特点是“快挖、快支、主动支、快封闭”。全断面法为大型机械提供了足够的作业空间，可发挥大型机械快速施工的优势，并通过快速封闭提升初期支护的支护效果；围岩受开挖扰动影响显著减小，围岩压力主要为形变压力而非传统的松动压力。主动支护体系可为机械化快速施工提供及时有效的支护力，传统的支护设计方法更多基于分部开挖的隧道施工力学规律，支护参数可进一步优化；信息化管理需升级发展为数字化管理，以适应机械化快速高效施工。智能建造是在机械化、数字化基础之上，深度融合人工智能、大数据、物联网等新一代信息技术的产物。

总体而言，目前钻爆法隧道智能建造技术发展迅速，但还存在一系列关键问题亟待突破，整体尚处于起步阶段。本文总结国内外钻爆法隧道智能建造技术的研究现状和最新成果，提出其未来的技术发展方向和趋势。

由于处于起步阶段,隧道智能建造的内涵目前尚无统一表达。近年来，专家学者们[2-7]从新一代信息技术与隧道建造技术融合的角度出发，主要描述了融合的内容、方式、目标等。简言之，钻爆法隧道智能建造是采用新一代信息技术、人工智能技术和机器人技术，构建智能超前地质预报、智能围岩质量评价、智能设计、智能施工、工程智能管理的多系统协同控制的隧道建造新模式。

从架构上看，隧道智能建造体系可分为协同管理平台、智能围岩判识系统、智能设计系统、智能施工系统和工程智能管理系统，包含建设、勘察、设计、施工等单位[2-3]，具体关系如图1所示。

从层级上看，隧道智能化建造体系可分为机器人智能施工、信息数据传输、智能决策、智能管控共4个层级[2-3]。在建造过程中，围岩、机器、作业人员、支护结构的信息、数据可自动、实时地层层传递，层层反馈。具体如图2所示。

智能建造代表了比钻爆法更为高效、高质、经济、环保的发展方向，新一代信息技术、机器人技术不但改变了隧道施工作业模式、工程管理模式，还对围岩应力状态、支护结构力学行为产生了深远的影响,由此带来钻爆法隧道围岩判识精准度、支护体系适配性等新问题。因此，智能建造除了融合新一代信息技术、机器人技术和隧道建造技术之外，还需要更新钻爆法的认识和理解，进一步发展隧道基础理论。换言之，新的隧道基础理论和方法是钻爆法隧道智能建造不可或缺的组成部分。

依据钻爆法施工作业流程,智能建造技术包含智能超前地质预报、智能围岩质量评价、智能设计、智能施工、智能管理等内容。近年来，国内外学者广泛应用新技术、新装备、新材料，积极推进新一代信息技术与隧道修建技术的深度融合，取得如下研究进展。

为了更加有效地掌握隧道施工期间掌子面前方的地质情况，减少或杜绝施工期地质灾害，在隧道施工过程中开展超前地质预报是十分必要的[8]。传统的超前地质预报类别有地质调查法、超前导洞法、超前钻探法、物探法等。其中，物探法由于具备相对较低的时间和经济成本，获得了长足进步和广泛的工程应用。在新一代信息技术和机器人技术助力下，地球物理超前地质预报技术主要在自动化探测、智能化解译等领域进行了探索。例如：在地震发射类方面,宋翱[9]提出了一种新的基于隧道掌子面三维地震探测的隧道智能超前地质预报技术；在数据处理方面，提出了适用于地震数据处理的深度学习网络参数选取标准；在数据解释方面，提出了利用深度学习技术构建隧道不同施工阶段采集的地震数据之间关联性网络模型的思路(如图3所示)。任玉晓[10]基于物理规律驱动的无监督深度学习波速反演方法，提出了基于观测方式自适应的网络编码器改进方法，构建了隧道地震波速无监督深度学习反演网络ResIFNet-T，形成了适用于隧道地震超前探测的波速无监督深度学习反演方法。

超前地质预报主要对象为掌子面前方不良地质体，主要目的是确保隧道施工安全；而围岩质量评价主要对象为掌子面围岩，主要为隧道动态设计服务。近年来，围岩质量评价中引入了大量新技术，信息来源也更加多样化，如钻进参数、数字图像、三维激光扫描点云等。

2.2.1　钻进参数

钻进参数是钻机在钻进过程中产生的推力、转速、转矩、钻进液压力、震动、冲洗速率、钻进速率等数据[11]。钻孔过程监测技术是一种随钻测量技术，用于测量、监测和记录钻机的钻进参数。国内外学者开发了各种类型的钻孔过程监测设备，已有大量研究表明钻进参数可用于围岩质量评价，并且钻进参数及其响应与岩石力学性质具有显著相关性，国内外相关统计如表1所示。

1)在钻孔过程监测设备研制方面。 岳中琦[16]研制了钻孔过程监测仪，实现了对钻机动力与运动钻孔参数的全过程数字监测和记录(如图4所示)。

2)在钻进参数应用方面。 武九客专公司解析了钻杆推进速度、推进压力、冲击压力及回转压力等钻进参数与围岩级别的强相关性，并利用SVM、BP神经网络等多种机器学习算法，建立了掌子面围岩智能分级模型，准确率约87%(如图5所示)，并以此开发了高速铁路山岭隧道围岩智能分级系统[3](如图6所示)，应用于郑万高铁湖北段隧道示范工程中。

2.2.2　数字图像

采用现代计算机图像处理技术对岩石图像、钻孔取芯图像、薄片显微图像进行处理和分析，并引入最邻近算法、聚类分割算法、神经网络、深度学习等方法，开展岩石岩性识别。目前主要以岩石图像为主，算法以卷积神经网络为主，国内外相关统计如表2所示。

此外，广大学者还利用数字图像识别岩体结构面信息，国内外相关统计如表3所示。

基于数字图像的岩性识别在样本库、算法结构、运算速度等方面还不够成熟，而结构面识别的准确性对图像要求较高，多组结构面的后处理技术还有待进步，所以目前工程应用有限，今后需考虑工程实际条件，开发更多适用性强的新算法、新模型，同时兼顾图像识别的精度与效率。

2.2.3　三维激光扫描点云

三维激光扫描技术根据激光反射原理，采用三维激光自动扫描设备，直接获取岩体表面的三维点云信息，然后通过K-均值方法、生长算法、测线法等识别掌子面迹线及相关信息，进行掌子面围岩三维重构，从而为围岩分级与稳定性分析提供依据。基于三维激光扫描点云的掌子面重构如图7和图8所示。

国内学者在利用三维激光扫描技术重构岩体方面开展了较为丰富的研究，相关统计如表4所示。

现阶段利用三维激光扫描点云识别岩体结构面技术存在识别精度不足、运行速度较低、人工介入较多等问题，后续仍需进一步发展。