基于岩体分级系统(RMR)评估预测TBM利用率研究

资 源 简 介

基于岩体分级系统(RMR)评估预测TBM利用率研究

详 情 说 明

在隧道建设中，全断面隧道掘进机（TBM）的效率直接影响工程成本和工期。岩体质量分级系统（RMR）作为评估围岩稳定性的重要指标，与TBM的掘进效率存在显著关联。研究表明，RMR值较低时（如III类以下围岩），TBM易遭遇卡机、刀具磨损等问题，导致利用率下降；而RMR值较高时（如II类以上围岩），掘进速度与利用率通常呈正向关系。

当前研究主要通过建立RMR参数与TBM关键性能指标（如贯入度、掘进速率）的回归模型实现利用率预测。部分学者引入机器学习算法，将RMR的6个分级指标（单轴抗压强度、岩石质量指标等）作为输入特征，通过历史施工数据训练预测模型。实际应用中需注意地质条件的空间变异性，建议结合地质雷达探测数据对RMR进行动态修正，以提升预测准确性。

未来可探索的方向包括：耦合RMR与Q分级系统的多参数评价体系，以及考虑刀具配置、推力参数等机械因素的混合预测模型。这类研究对优化TBM选型与施工组织设计具有重要工程价值。