-
公开(公告)号:CN105986832A
公开(公告)日:2016-10-05
申请号:CN201510042429.1
申请日:2015-01-28
申请人: 西南交通大学
IPC分类号: E21F1/00
摘要: 本发明提供了一种用于隧道自然风节能利用的风道设计方法,对于地下风机房,在风机房内由于安装有风机,在风机不开启的情况下风道是被风机阻隔的,因此需要在风机房风道位置处加设辅助风道,自然风可通过节能风道进入隧道,当隧道通风路径中的自然风风向与设计风向相同,即q>q0时,完全利用节能风道进行通风;当自然风风向与设计风向相同,即0<q<q0时,开启部分风机和节能风道协同进行通风;当自然风风向与设计风向相反,开启风机,调整到合适功率,进行通风。本发明可以使得节能风道有效的利用了长达隧道中的自然风资源,为隧道后期运营通风的节能减排做出了一定的贡献,减少了隧道机械通风的能耗。
-
公开(公告)号:CN103993890B
公开(公告)日:2016-03-02
申请号:CN201410227842.0
申请日:2014-05-27
IPC分类号: E21D9/14
摘要: 本发明公开了一种铁路隧道斜井式紧急出口设计方法。所述方法包括结构设置、数据获取、仿真模拟和结构设计计算步骤;疏散通道由斜井式结构构成,包括与主隧道连接入口处的防护门、斜井式结构的缓坡段和斜井段,缓坡段宽度不小于斜井段宽度;防护门的最小宽度D(P)=1.75e0.025P;缓坡段最小面积A(P)=34e0.1P;缓坡段最大坡度S(a)=e0.18a。本发明采用数值计算方法和模型,获得了满足不同数量人员安全疏散紧急通道结构设计参数,该参数也充分反映了紧急通道结构条件对隧道内人员紧急疏散的影响。本发明提供了目前斜井式紧急通道的结构设计方法,而且为斜井式紧急通道的结构设计提供了科学依据,加强了铁路隧道防灾救援疏散的安全可靠性,最大可能地实现了经济、合理、安全、高效、减少损失。
-
公开(公告)号:CN101235723A
公开(公告)日:2008-08-06
申请号:CN200810045351.9
申请日:2008-02-02
申请人: 西南交通大学
摘要: 一种高速公路路段多隧道集合式智能通风控制方法,利用高速公路交通流依次通过路段上多座隧道时的连续性特点,先行隧道根据实测的交通流、污染物浓度数据,预测出下一控制周期的交通流数据及污染物浓度;后行隧道根据先行隧道当前控制周期的交通流及本隧道实测的交通流、污染物浓度,对后行隧道下一控制周期的交通流、污染物浓度进行预测;各隧道再根据污染物预测值采用智能模糊推理的方式,对风机的开启数量进行控制。该方法能够更精确地提前预测隧道内交通流及烟雾、一氧化碳浓度变化,从而提前控制射流风机的开启数量;通风控制效果好,同时又减少能量消耗,提高风机的使用寿命。
-
公开(公告)号:CN117556291B
公开(公告)日:2024-10-25
申请号:CN202311250842.8
申请日:2023-09-25
申请人: 西南交通大学
IPC分类号: G06F18/24 , G06F18/214 , G06F18/25 , G06F30/13
摘要: 本发明涉及围岩级别判识技术领域,具体涉及一种基于随钻参数与波速信息融合的围岩级别判识方法及系统,包括:通过凿岩台车收集掌子面施工过程的随钻参数,根据掌子面地质素描收集随钻参数对应里程的围岩级别,通过超前地质预报信息读取对应里程的纵波速度及横波速度,融合随钻参数与纵波速度及横波速度作为机器学习分类算法模型的输入,训练基于随钻参数与纵波波速及横波速度融合的掌子面围岩级别判识分类模型。本发明结合了隧道施工过程中的两大主要数据,分别是勘察阶段的超前地质预报地震波反射法信息及隧道开挖过程中凿岩台车的随钻参数信息,将数据进行结合,可以更加充分的反映围岩等级信息,可以直接应用在施工阶段,减少了各种安全隐患。
-
公开(公告)号:CN117077027B
公开(公告)日:2024-03-15
申请号:CN202310911009.7
申请日:2023-07-24
申请人: 西南交通大学
IPC分类号: G06F18/2415 , G06F30/13 , G06F30/27 , G16C60/00 , G06N7/01
摘要: 本发明公开了一种基于智能分级模型分级概率的围岩亚级分级方法及装置,方法具体包括如下步骤:构建围岩级别智能分级模型,模型输入为地质信息、输出为分级概率和围岩级别;基于模型输出分级概率判定相邻次优围岩级别,确定输出围岩级别和相邻次优围岩级别组合工况;基于模型输出分级概率,计算对应组合工况下围岩BQ值;基于围岩BQ值,根据现行规范判定围岩亚级,完成隧道围岩亚级分级。本发明的隧道围岩亚级分级方法基于智能分级模型分级概率,实现了隧道围岩亚级智能分级,通过充分利用分级概率、BQ值、围岩亚级之间的良好对应关系,在保证原模型分级精度的基础上,提供了围岩亚级分级结果,从而更好地服务于现场设计、施工方案的制定。
-
公开(公告)号:CN116484457B
公开(公告)日:2024-02-23
申请号:CN202310252355.9
申请日:2023-03-15
申请人: 西南交通大学
摘要: 本发明公开了一种钻爆法隧道掌子面围岩三维精细化分级方法、装置及介质,包括如下步骤:基于现场采集的钻进参数样本,运用机器学习算法构建掌子面智能分级模型;利用凿岩台车定位系统及坐标系转换关系确定各炮孔钻进参数对应的三维坐标,利用插值技术构建钻进参数三维数据空间;结合隧道工程实际,将钻进参数三维数据空间纵向分段、横向分块‑分层‑分区;基于构建好的掌子面智能分级模型,实现不同层次各尺度三维精细化分级。本发明方法可实现各尺度三维精细化分级,并为围岩三维稳定性分析奠定基础以及为施工方案制定、动态调整提供建议。
-
公开(公告)号:CN116975623B
公开(公告)日:2024-01-30
申请号:CN202310491104.6
申请日:2023-05-04
申请人: 西南交通大学
IPC分类号: G06F18/214 , G06F18/241 , G06N3/08 , G06Q50/08
摘要: 本发明属于隧道工程领域,具体公开了一种钻爆法隧道施工阶段大变形等级预测方法、装置及介质,包括以下步骤:构建基础样本库;根据钻进参数代表值和能量法,计算全电脑三臂凿岩台车输出的推进比能、冲击比能、回转比能、机械比能等能量参数;根据能量参数计算结果,在基础样本库的基础上,构建拓展样本库;构建基于深度学习的大变形等级智能预测模型,将拓展样本库带入所述的大变形等级智能预测模型进行训练;根据构建的大变形等级智能预测模型,预测掌子面前方围岩大变形等级。本发明根据钻爆法隧道掌子面钻孔过程中产生的钻进参数预测掌子面前方围岩大变形等级,可有效减少施工人员(56)对比文件赵思光等.基于凿岩台车钻进速度的隧道围岩基本质量指标 计算方法《.中国铁道科学》.2023,论文第83-91页.王明年等.基于炮孔钻进参数的隧道掌子面围岩三维精细化分级方法《.铁道学报》.2023,论文第1-13页.
-
公开(公告)号:CN116611132A
公开(公告)日:2023-08-18
申请号:CN202310236498.0
申请日:2023-03-13
申请人: 西南交通大学
IPC分类号: G06F30/13 , G06F30/20 , G06F119/14
摘要: 本发明提供了基于地层变形的节段式衬砌纵向内力计算方法,包括如下步骤:S1.确定场地设计地震动参数、基岩面深度和隧道仰坡高度沿隧道轴向的变化函数;S2.采用洞口地层变形计算方法,确定设计区域在设防烈度下的洞口地层变形模型;S3.提取出每个隧道节段两端点和中心点处的地层水平向位移和竖向位移;S4.确定弯矩位移占总位移的比例系数;S5.基于地层水平向位移和竖向位移,以及弯矩位移占总位移的比例系数,根据节段式衬砌纵向内力计算公式计算出对应的纵向弯矩、剪力和轴力。本发明可以有效解决设置减震缝的节段式隧道洞口抗震设计计算中的难题,极大地提高其设计效率和降低其设计成本。
-
公开(公告)号:CN116484716A
公开(公告)日:2023-07-25
申请号:CN202310250545.7
申请日:2023-03-15
申请人: 西南交通大学
IPC分类号: G06F30/27 , E21F17/00 , G06N3/04 , G06N3/08 , G06F119/14
摘要: 本发明公开了一种基于钻进参数的掌子面围岩初始地应力解析方法及系统,属于隧道工程领域。其包括以下步骤:一、构建样本库,该样本库包括钻进参数以及对应掌子面的围岩初始地应力状态;二、基于深度学习构建掌子面围岩初始地应力状态判识模型,将样本库带入所述掌子面围岩初始地应力状态判识模型进行训练;三、基于能量法和掌子面围岩初始地应力状态判识模型,解析单个炮孔名义初始地应力;四、基于单个炮孔名义初始地应力解析结果,获得对应掌子面围岩初始地应力。本发明根据钻进过程中产生的钻进参数自动解析对应掌子面的初始地应力,可有效减少施工人员的投入,降低围岩初始地应力测试过程中潜在风险,指导了隧道智能建造。
-
公开(公告)号:CN112632852B
公开(公告)日:2023-05-23
申请号:CN202011476775.8
申请日:2020-12-14
申请人: 西南交通大学
IPC分类号: G06F30/27 , G06Q10/04 , G06Q50/08 , E21D9/06 , G06F119/14
摘要: 一种岩溶地区地铁隧道盾构掘进速度预测方法及装置,属于城市地下工程盾构隧道施工领域。该方法基于获取岩溶地区盾构的掘进相关参数数据,利用掘进体岩溶率对相关掘进参数进行修正,结合机器学习的方法对盾构推进速度进行预测。基于神经网络构建掘进速度预测模型,对现有数据代入所述掘进速度预测模型进行训练,向训练后的掘进速度预测模型输入掘进参数获得对应的掘进速度。可以较为准确的预测出岩溶地区盾构掘进速度,提高施工安全,降低施工成本。
-
-
-
-
-
-
-
-
-