一种盾构隧道管片渗漏点识别方法与流程

1.本发明涉及盾构管片渗水识别技术领域，特别涉及一种盾构隧道管片渗漏点识别方法。


背景技术：

2.在所有城市下穿隧道中，水下大直径盾构隧道的施工难度最大。尤其是大直径盾构遇到渗漏水，处理起来极其不易，施工难度大，同一个漏水点渗漏水易反复发生。能否精确快速地识别渗漏水点将直接影响工程的施工成本。
3.一般而言，衬砌环环宽越大，在同等里程内的隧道环向接缝就越少，漏水概率越小。环衬砌的分块越少，纵缝就越少，漏水概率越小。盾构隧道内防水体系主要由管片自防水、接缝防水、螺栓孔防水三部分组成，由于混凝土管片自身有一定的抗水性，因此隧道内渗漏水主要发生在后面两部分。
4.目前超大直径盾构隧道管片常用的接缝防水技术为密封垫 止水条 填充料。传统的超大直径盾构隧道管片的接缝防水措施仅仅是起了防水的作用，而对于防水措施失效/部分失效导致隧道外部水流渗入并没有很好的预警识别功能。
5.同时，目前超大直径盾构隧道管片常采用预留螺栓孔(也称手孔)穿螺栓连接的方式，螺栓连接完成后，对螺栓孔用密封胶进行封堵防渗。由于预留螺栓孔是直接在管片上打孔，且施工中需要穿入螺栓，因此该处也是防水薄弱部位。螺栓与螺栓孔之间的孔隙容易产生渗流通道。目前针对螺栓孔防渗漏，常采用的方式是在穿入的螺栓与螺栓孔接触部位设置遇水膨胀橡胶圈，同时穿完螺栓后及时用密封胶封堵。其中密封胶封堵承担了很大一部分防水功效。与管片接缝处防水一致，传统的超大直径盾构隧道管片螺栓孔防水措施并未针对渗漏后如何识别出水点做出说明，由于管片上布置的螺栓孔较多，不进行渗漏点识别往往处理起来费时费力。
6.管片渗漏水是一个很复杂的物理化学共同作用结果，其在微观条件下形成的渗流通道也是难以预测的。但可以预见，水总是会集中突破防水薄弱部位。因此，大规模进行渗漏水识别是不经济的。
7.通过查询国内外相关文献，目前隧道内渗漏水识别技术主要使用物理方法，例如图像对比、电导率差异识别、温度差异识别等。常见的技术措施有如下几种：
8.(1)设置渗漏水监测断面
9.在井接头、应力集中、盾尾刷、螺栓孔、密封垫等重点部位布置监测断面。监测断面主要由裂缝计、浸水传感器等组成。当布置点处发生渗漏水时，传感器电位信号改变，报警器报警。其经常采用电导率差异识别、温度差异识别。
10.电导率差异识别技术通过在隧道内壁上布设电极阵列并施加电压，利用两级之间电压差分析回路中是否存在渗漏，通过密集布线，可以估计隧道墙壁渗漏区域的性状并做出警示。该技术得到的结果较为准确，但操作复杂，需要在管片内壁大规模布线。同时，需要在管片上施加电压，有一定的安全风险且对隧道内壁会产生一定的破坏。每次探测的面积
较小，限制了该方案的大规模使用。
11.温度差异识别技术通过在隧道内壁上布设温度传感器阵列，利用水与墙壁间的温度机及水的蒸发散热作用，来判断被测区域内是否存在渗漏。该技术对隧道运营影响较小，但应为使用的传感器为铂电阻，造价较高。同时，与前者一样，探测的面积较小。该方法受隧道内运营过程中温湿度影响较大，结果准确度有待考究。
12.(2)红外线监测
13.利用隧道检测车负载军用高精度多光谱双目探测仪，采用高灵敏多光谱测温技术，对隧道进行渗漏水图像采集识别。检测车车速控制在20～30km/h。提前在隧道拱顶布置石棉网。通过对隧道拱顶石棉网表面进行图像采集，识别石棉网内侧渗漏现象，并将检测数据存入计算机进行数据整理、统计分析，确定渗漏水点。
14.图像对比技术往往通过拍照或红外线扫描的方式获取隧道内壁点云信息，将图像输入计算机中通过分析点云位置和灰度值提取超出拟合残差外的点云，再根据渗漏水在隧道影像上体现出灰度值较低的特点，去除干扰，经过图像处理获得隧道内渗漏水病害点。该技术操作较为简单便捷，但由于过于依赖照片成像的光照明暗、位置远近，得到的结果存在一定的误差，需要不断校正。同时，该技术的实现需要隧道内渗漏水形成一定规模，如管片发生大面积湿渍，针对小规模渗漏的精准识别较为困难。


技术实现要素：

15.为了解决现有技术的问题，本发明提供了一种盾构隧道管片渗漏点识别方法，具体技术方案如下：
16.本发明提供的盾构隧道管片渗漏点识别方法包括以下步骤：
17.s1、在相邻管片的接缝部位处和/或用于连接相邻管片的螺栓孔处涂覆或填充指示剂；
18.s2、安装完成管片后，对其内壁附着或滴落的水进行采样；
19.s3、对水样含有的指示剂离子浓度进行分析，若样品中指示剂离子浓度超过预设值，则判断相应采样点所在的区域存在渗漏风险。
20.进一步地，在步骤s1中，所述管片的接缝部位由外侧到内侧分别设有遇水膨胀止水条、弹性密封垫和防水填充材料以进行封堵，所述管片之间采用螺栓孔穿螺栓方式进行连接；
21.所述指示剂包括第一指示剂、第二指示剂、第三指示剂和第四指示剂，所述第一指示剂涂覆或填充在所述遇水膨胀止水条表面，所述第二指示剂涂覆或填充在所述弹性密封垫表面，所述第三指示剂涂覆或填充在所述防水填充材料周围，所述第四指示剂涂覆或填充在所述螺栓孔周围。
22.进一步地，所述第一指示剂、第二指示剂、第三指示剂和第四指示剂分别为硫酸钠、硫酸镁、硫酸钾、硫酸铝。
23.进一步地，在步骤s3中，检测水样中的第一指示剂、第二指示剂、第三指示剂、第四指示剂对应的离子浓度，并与对应预设值进行比较，根据不同的比较结果对应到相应的渗漏情况。
24.进一步地，当检测出的水样中仅有al
3
浓度超出对应预设值时，对应的渗漏情况
为：渗漏只发生在相应螺栓孔之间；
25.当检测出的水样中na

、mg
2
、k

浓度均超出对应预设值时，对应的渗漏情况为：渗漏贯穿整个管片接缝，但螺栓孔完好；
26.当检测出的水样中na

、mg
2
、al
3
浓度均超出对应预设值时，对应的渗漏情况为：渗漏发生在管片环缝与相应螺栓孔连接处；
27.当检测出的水样中na

、mg
2
、k

浓度中的一种或两种超出对应预设值时，对应的渗漏情况为：相应管片混凝土内部发生开裂，存在渗流通道。
28.进一步地，所述预设值会随着盾构隧道所在地层的地下水的离子浓度进行调整。
29.进一步地，在步骤s3之后还包括：
30.s4、将不同区域内采集的水样中检测到的指示剂离子浓度和相应的采样位置输入至预设的sofm神经网络模型中进行训练判断，通过计算获胜神经元更新权值、更新学习速率及临域，以显示输出不同神经元对应的区域数值，所述区域数值与相应水样中的指示剂离子浓度正相关。
31.进一步地，在步骤s4中，若出现神经元对应的区域数值与其周围的区域数值呈中心向外递减趋势，则将该神经元对应的区域作为渗漏点区域，通知相应人员进行检修。
32.进一步地，若同时出现多个神经元对应的区域数值均与其周围的区域数值呈现中心向外递减趋势，则判断管片出现多点渗漏，所述多个神经元对应的区域均作为渗漏点区域，以实现同时检测出管片的多个渗漏点。
33.进一步地，在步骤s4中，若发现该渗漏点区域内管片上指示剂缺失量超出设定标准，则重新涂覆或填充指示剂；若发现该渗漏点区域内管片上指示剂未缺失或者缺失量低于安全标准，则重新采集该渗漏点区域的水样并将相应数据更新至所述sofm神经网络模型进行修正。
34.进一步地，建立所述sofm神经网络模型时，将盾构隧道内的管片分为不同的区域并根据相应的位置坐标进行模型的网格划分，根据归纳的渗漏情况创建竞争神经网路，并通过设置神经元临近距离、距离函数和训练次数，建立起神经网络判别模型。
35.本发明提供的技术方案带来的有益效果如下：
36.(1)检测速度快，仅需对采集的水样进行化验，识别出其中含有的指示剂离子含量即可初步推断发生渗漏的部位；
37.(2)能够根据采样得到的离子浓度差异判断发生渗漏的严重程度；
38.(3)使用的指示剂价格相对低廉，且不会对管片结构本身产生腐蚀，适合大规模应用。
附图说明
39.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
40.图1是本发明实施例提供的盾构隧道管片渗漏点识别方法中管片铺设横截面示意图；
41.图2是本发明实施例提供的盾构隧道管片渗漏点识别方法中盾构隧道管片接缝相对位置示意图；
42.图3是本发明实施例提供的盾构隧道管片渗漏点识别方法中遇水膨胀止水条结构安装位置示意图；
43.图4是本发明实施例提供的盾构隧道管片渗漏点识别方法中弹性密封垫结构安装位置示意图；
44.图5是本发明实施例提供的盾构隧道管片渗漏点识别方法中弹性密封垫结构示意图；
45.图6是本发明实施例提供的盾构隧道管片渗漏点识别方法中防水填充材料结构示意图；
46.图7是本发明实施例提供的盾构隧道管片渗漏点识别方法中管片横断面示意图；
47.图8是本发明实施例提供的盾构隧道管片渗漏点识别方法中管片螺栓孔防渗示意图；
48.图9是本发明实施例提供的盾构隧道管片渗漏点识别方法中螺栓孔细部构造示意图；
49.图10是本发明实施例提供的盾构隧道管片渗漏点识别方法中螺栓封堵橡胶圈示意图；
50.图11是本发明实施例提供的盾构隧道管片渗漏点识别方法中sofm神经网络结构示意图；
51.图12是本发明实施例提供的盾构隧道管片渗漏点识别方法中获胜神经元统计示意图。
52.其中，附图标记说明如下：1-管片，2-遇水膨胀止水条，3-弹性密封垫，31-三元乙丙橡胶条，32-遇水膨胀橡胶条，4-防水填充材料，5-螺栓孔，6-螺栓，7-封堵橡胶圈，8-微膨胀水泥，9-丁腈软木橡胶衬垫。
具体实施方式
53.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
54.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
55.在本发明的一个实施例中，参见图1，盾构隧道由多块管片拼接而成，管片与管片
之间通过卯榫结构由盾构千斤顶挤压拼接成环。每块管片上有若干螺栓孔，其用于管片环向、纵向连接，形成整体，共同受力。由于管片在拼装过程中环与环之间存在环缝、每块管片之间也有接缝、管片之间连接的螺栓孔也存在缝隙。环与环之间的接缝处设置的丁腈软木橡胶衬垫9，主要是防止管片在千斤顶压力作用下开裂，对防水的作用不大。这些缝隙在水压力的作用下可能会发生渗漏，针对深埋超大直径盾构隧道，管片内外水压差尤其大，因此在超大直径盾构隧道中防渗尤为重要。防渗的第一步是做好渗漏水的识别响应工作，因此本实施例提供了一种盾构隧道管片渗漏点识别方法。该方法主要针对管片接缝部位(包括环向缝、拼接缝)、管片螺栓孔等抗渗薄弱部位的渗漏水识别响应。
56.本实施例提供的盾构隧道管片渗漏点识别方法，包括以下步骤：
57.s1、在相邻管片的接缝部位处和用于连接相邻管片的螺栓孔处涂覆或填充指示剂；
58.s2、安装完成管片后，对其内壁附着或滴落的水进行采样；
59.s3、对水样含有的指示剂离子浓度进行分析，若样品中指示剂离子浓度超过预设值，则判断相应采样点所在的区域存在渗漏风险。
60.其中，参见图2至图6，所述管片1的接缝部位由外侧到内侧分别设有遇水膨胀止水条2、弹性密封垫3和防水填充材料4以进行封堵，所述管片之间采用螺栓孔穿螺栓方式进行连接。其中，弹性密封垫包括三元乙丙橡胶条31和遇水膨胀橡胶条32，防水填充材料主要是聚乙烯泡沫条和防水砂浆。在管片的三道防水线中，弹性密封垫对防水的贡献最大。
61.所述指示剂包括第一指示剂、第二指示剂、第三指示剂和第四指示剂，指示剂以对管片结构本身不产生破坏、结构本身不含该元素且易溶于水为准。所述第一指示剂、第二指示剂、第三指示剂和第四指示剂分别为硫酸钠na2so4、硫酸镁mgso4、硫酸钾k2so4、硫酸铝al2(so4)3。这几种指示剂都具有易溶于水，对周围结构无腐蚀，价格低廉的特点。同时，na

、mg
2
、k

、al
3
的水样浓度容易检测，具有明显的区分作用。所述第一指示剂涂覆或填充在所述遇水膨胀止水条表面，所述第二指示剂涂覆或填充在所述弹性密封垫表面，所述第三指示剂涂覆或填充在所述防水填充材料周围，所述第四指示剂涂覆或填充在所述螺栓孔5周围。其中，所述遇水膨胀止水条与位置所述弹性密封垫位置相距较近，所述弹性密封垫与防水填充材料相距较远。
62.具体地，在管片最外侧的遇水膨胀止水条外侧涂刷na2so4指示剂溶液，该溶液浓度30g/l，在三元乙丙橡胶条外侧涂刷mgso4指示剂溶液，该溶液浓度为30g/l。在防水填充材料外壁涂刷k2so4指示剂溶液，该溶液浓度为30g/l。在正式操作时，需先配制溶液，溶液配制时浓度不宜与要求差距过大。配好的溶液应在管片运输至管片盾构机拼装台后均匀涂抹在管片相应位置，确保每处防渗部位都应涂抹相应指示剂，涂抹后的管片应尽快进行拼装。相应地，参见图7至图8，在管片螺栓孔内侧涂刷al2(so4)3指示剂溶液，溶液浓度30g/l，配好的溶液应在管片穿螺栓孔前利用喷嘴在螺栓孔5内壁喷洒，喷洒完成后，尽快完成螺栓6穿孔并对螺栓孔进行封堵。参见图9至图10，螺栓穿孔时先穿过封堵橡胶圈7再进行固定连接，使其能够初步防水，安装好后并利用微膨胀水泥8进行再次封堵固定。
63.需要说明的是这几种指示剂设置的位置可以灵活的相互调换，调换后的方案仍属于本实施例的保护方案。
64.通过采样，检测水样中的第一指示剂、第二指示剂、第三指示剂、第四指示剂对应
的离子浓度，并与对应预设值进行比较，一一对应比较，根据不同的比较结果对应到相应的渗漏情况。所述预设值会随着盾构隧道所在地层的地下水的离子浓度进行调整，其不低于相应底层地下水相应元素的离子浓度。
65.根据上述四种指示剂浓度的特性，管片渗漏点识别可分为以下几种情况：
66.(1)在管片内壁上检测不到湿渍面积时，此时可判断管片未发生渗漏；
67.(2)在管片内壁上检测到湿渍面积，利用干燥纸巾吸取内壁上附着的水分进行化验，当检测不出na

、mg
2
、k

、al
3
四种元素，或该四种元素含量特别低时，例如低于预设的安全值，可认为湿渍不是由管片外渗水产生，其可能是隧道内水汽蒸发冷凝等；
68.(3)在管片内壁上检测到湿渍面积，利用干燥纸巾吸取内壁上附着的水分进行化验，当检测出na

、mg
2
、k

、al
3
四种元素中的一种或若干种，且四种元素含量接近/略低于配制溶液浓度时，可认为湿渍是由管片外渗水产生。此时需要进一步研究。
69.由于地下水原本所含以上相应离子的浓度很低，经过涂覆有指示剂位置的地下水所含上述相应离子的浓度会有大幅增加，两者会有数量级的差距，所以工作人员很容易检测出是否发生地下水从外部渗透。在已经判断发生渗水后，可以根据水样中不同离子浓度的情况，进一步判断渗水的原因和程度。
70.其中，本实施例具体分为以下四种渗水情况：
71.当检测出的水样中仅有al
3
浓度超出对应预设值时，对应的渗漏情况为：渗漏只发生在相应螺栓孔之间；
72.当检测出的水样中na

、mg
2
、k

浓度均超出对应预设值时，对应的渗漏情况为：渗漏贯穿整个管片接缝，但螺栓孔完好；
73.当检测出的水样中na

、mg
2
、al
3
浓度均超出对应预设值时，对应的渗漏情况为：渗漏发生在管片环缝与相应螺栓孔连接处；
74.当检测出的水样中na

、mg
2
、k

浓度中的一种或两种超出对应预设值时，对应的渗漏情况为：相应管片混凝土内部发生开裂，存在渗流通道。
75.为了进一步确定渗漏范围，本实施例还引入sofm神经网络模型，在步骤s3之后还包括：
76.s4、将不同区域内采集的水样中检测到的指示剂离子浓度和相应的采样位置输入至预设的sofm神经网络模型中进行训练判断，通过计算获胜神经元更新权值、更新学习速率及临域，以显示输出不同神经元对应的区域数值，所述区域数值与相应水样中的指示剂离子浓度正相关。
77.若出现神经元对应的区域数值与其周围的区域数值呈中心向外递减趋势，则将该神经元对应的区域作为渗漏点区域，通知相应人员进行检修。
78.若同时出现多个神经元对应的区域数值均与其周围的区域数值呈现中心向外递减趋势，则判断管片出现多点渗漏，所述多个神经元对应的区域均作为渗漏点区域，以实现同时检测出管片的多个渗漏点。一般地，这些满足条件的神经元对应的区域与多个渗漏点一一对应。本实施提供的方案能够同时实现地下管片多个渗漏点的识别，相比传统单次试验最多只能识别出一处渗漏点来说，本实施例大大提高了识别效率。
79.其中，为了提高识别率，利用人工进一步地进行核对，若发现该渗漏点区域内管片上指示剂缺失量超出设定标准，则重新涂覆或填充指示剂；若发现该渗漏点区域内管片上
指示剂未缺失或者缺失量低于安全标准，则重新采集该渗漏点区域的水样并将相应数据更新至所述sofm神经网络模型进行修正。
80.由于渗漏被发现时往往已形成一定规模，因此需要判定具体渗漏位置时，采用指示剂离子浓度差异的特性，利用sofm神经网络进行判别。可以认为越接近渗漏点的位置，检测的水样中离子浓度越高。将水样检测得到的离子浓度数据输入sofm神经网络算法中，通过计算获胜神经元更新权值、更新学习速率及临域，判断渗漏范围。
81.具体地，利用干燥纸巾采集渗漏水样，从不同区域取若干水样，记录取样坐标，其中部分作为测试集，剩下作为训练集；将盾构隧道内的管片分为不同的区域并根据相应的位置坐标进行模型的网格划分；创建竞争神经网路，竞争层神经元的数目与待分的类别数目相等，根据上述渗漏可能出现的四种情况，设置竞争层神经元的数目为4；利用matlab软件创建sofm神经网络判别模型，设置神经元临近距离、距离函数和训练次数；判别模型设置完成后，将采集到的水样样本对应的四种离子浓度及采集点坐标输入模型中，模型输出的则为最可能发生渗漏的坐标；现场检查渗漏点坐标是否准确，修正sofm网络；修正后的网络用于现场渗漏点检测中。
82.下面仅针对sofm神经网络识别渗漏水范围的原理进行进一步的说明。
83.本实施例中的sofm神经网路，即自组织特征映射神经网路，其主要思想是在学习过程中逐步缩小神经元之间的作用邻接，并依据相关的学习规则增强中心神经元的激活程度，从而去掉各神经元之间的侧向连接，以达到模拟真实大脑神经系统“近兴奋远抑制”的效果。参见图11，sofm神经网络的结构是一个由输入层和自组织特征映射层组成的两层网络。在竞争神经网络中，每次仅有一个神经元获胜，即只有一个神经元的权值和阈值得到调整，其临近范围内的其他神经元也有机会进行权值和阈值调整，在很大程度上改善了网络的学习能力和泛化能力。
84.本实施例的sofm神经网络经过以下步骤进行设置：
85.(1)网络初始化
86.sofm神经网络输入层由r个神经元构成，竞争层由s1个神经元构成。对竞争层各神经元赋以较小的随机数作为初始值同时，设置初始邻域为nc，初始学习速率为η，最大迭代次数为t，迭代次数初始值为n＝1。
87.(2)计算获胜神经元
88.随机抽取一个样本，利用下式计算获胜神经元k
[0089][0090]
其中，表示竞争层第i个神经元的输出；pj表示样本p第j个输入变量的值；表示竞争层第i个神经元与输入层第j个神经元的连接权值；b
i1
表示竞争层第i个神经元的阈值。
[0091]
设竞争层第k个神经元为获胜神经元，则应满足以下要求：
[0092][0093]
其中i＝1，2，...,s1。
[0094]
(3)权值更新
[0095]
根据对获胜神经元k及其邻域nc(t)内的所有神经元进行权值更新。
[0096]
(4)学习速率及邻域更新
[0097]
获胜神经元及其邻域内的神经元权值更新完成后，在进入下一次迭代前，需要更新学习速率及邻域，即
[0098][0099][0100]
其中，符号[]表示向上取整。
[0101]
(5)迭代结束判断
[0102]
若样本没有学习完，则再另外随机抽取一个样本，返回步骤(2)。否则，若n《t，令n＝n 1，返回步骤(2)计算获胜神经元；否则，迭代结束。
[0103]
(6)结果分析
[0104]
参见图12，其为获胜神经元统计图，由图12中显示可知，标记8、4、5的对应区域数值较大且与周围数值呈递减趋势，将其对应的区域作为渗漏点区域，并将其位置坐标给到相关人员进行检修。
[0105]
本发明提供的盾构隧道管片渗漏点识别方法通过化学手段提前在隧道应力集中或易发生渗漏的管片接缝、螺栓孔等位置涂抹化学指示剂。当发生渗漏水，或出现多条渗漏水通道时，通过采取渗漏水样，分析其中化学成分，通过sofm神经网络算法，能精准定位渗漏部位。本发明提供的方案操作简便，成本较低，识别精度较高，同时不会对运营期盾构隧道产生破坏。
[0106]
本发明提供的盾构隧道管片渗漏点识别方法具有以下优势：
[0107]
(1)检测速度快，仅需对采集的水样进行化验，识别出其中含有的识别离子含量即可初步推断发生渗漏的部位；
[0108]
(2)成本低廉，本发明使用的四种指示剂价格相对低廉，且不会对管片结构本身产生腐蚀；
[0109]
(3)识别精度高，本发明给出的方法不仅能通过检测出的离子类型初步判断发生渗漏的通道，还能根据采样得到的不同离子浓度差异判断发生渗漏部位，精度较高；
[0110]
(4)能对不同渗水通道在同一部位混合后的出水点进行定位，通过多次采样得到的不同样本离子的浓度数据，导入sofm神经网络算法中判断最可能发生渗漏的部位。
[0111]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。