上软下硬地层盾构管片渗漏水的判别及预防

张旭

摘要：盾构隧道成型管片质量，直接影响着隧道的耐久性和安全性，因此在施工时对其质量的控制要求很高。本文对上软下硬地层土压平衡盾构施工工程的管片渗漏水现象进行判别，分析造成渗漏的原因，并提出相应的预防措施和堵漏措施，以确保盾构隧道施工质量。

关键词：管片；渗漏水；预防措施；堵漏措施；注浆

0   引言

近年来，盾构隧道管片、开裂渗漏水的案例时有发生。管片产生裂缝，管片的钢筋就会暴露在空气和水的环境中，进而改变混凝土环境pH值，导致钢筋生锈膨胀，从而影响隧道使用寿命，甚至威胁日后行车安全。成型管片渗漏水，会影响隧道内的附属结构，增大隧道的维护成本，缩短隧道的使用年限[1-2]。

当前，渗漏水的判别方法主要为人工目测与测量。对于日益增加的隧道维护工作来说，该方式人工成本高，效率低下，不能满足要求。为了解决这一问题，通常需要采用图像设别技术，对管片渗漏水进行判别，然后根据别判别结果采取必要的处置措施[3]。本文以济南R3线一期工程为背景，针对土压平衡盾构在上软下硬地层条件下发生管片渗漏水原因进行分析，并提出相应的预防与堵漏措施。

1   工程概况

济南R3线一期工程盾构区间施工段包含两个区间，分别为孟家庄站-龙奥站区间（以下简称孟-龙区间）、龙奥站-奥体中心西站区间（以下简称龙-奥区间）。孟-龙区间为单洞单线隧道，区间单线长度为1816m。龙-奥区间为单洞单线隧道，区间长度968m，掘进间地层主要为中风化石灰岩，区间沿线地形为低山丘陵地貌，起伏较大，地势南高北低。济南R3线一期工程线路如图1所示。

该工程采用复合式土压平衡盾构机进行施工，隧道管片外径6.4m，内径5.8m，环宽1.2m、厚度30cm，线路最小转弯半径1000m，线路上方主要为市政道路及转山山体。本工程在里程SK2+500～SK2+540范围下穿大辛河，大辛河河道南北高差较大，呈台阶式，环境复杂。左线在里程XK2+280.199～XK2+394.123穿越上软下硬地层，右线在里程SK2+280.330～SK2+460.000穿越上软下硬地层，施工难度大。

2   基于机器视觉的管片渗漏水判别模型

2.1   灰度处理

为了对管片的渗漏水区域进行识别，首先要对图像进行灰度识别。1931年CIE（國际照明技委会）规定，使用红，绿，蓝三种单色光作为三基色光，即RGB颜色表色系统。在彩色图像中，图像是由RGB三种颜色的单色光亮度表示的。其中，一个像素需要3个量来表示[4]。

如果每个量是8bits，则表示一个像素值需要24bits。这样会占据较多的硬盘空间，同时对运算能力有更高的要求，为此需要对输入图像进行灰度处理。一般采用两种方法，即R、G、B三色等权和不等权，本文采用等权策略。

2.2   高斯滤波

为了降低背景的杂物影响，使特征图形更加明显和规则，需要对图像进行滤波处理。目前主流的滤波方法有均值滤波、高斯滤波、中值滤波、双边滤波。由于目标特征为管片上的深色区域，背景的杂物主要为电线、露出钢筋以及灯带条，需要抑制图像输入时随机引入的噪声，故使用高斯滤波最为合适[5]。

该滤波方法是一种线性的平滑滤波，广泛应用于图像的消去噪声过程，它利用一种加权模型对像素块进行平均化处理，处理效果为颜色过度更加柔和，图像中的物体边缘模糊化。

2.3   CNN机器视觉模型

CNN模型即卷积神经网络模型，本质上是通过示例，利用多层感知器学习构建映射，CNN机器视觉模型如图2所示。从数据输入层输入图像数据后，经由卷积计算层、激励层、池化层及全连接层进行分析，而后输出图像识别结果。将采集的图片统一分辨率后，再将标定渗漏水区域作为示例输入。

3   基于机器视觉的管片渗漏水判别

3.1   图片预处理

在管片拼装完成后，隧道内部通常采取条形灯带与立式射灯照明。该照明方式会使隧道内部呈现整体亮度低且不均匀的特点，为此需要对图片进行相应预处理。一般需对图片进行灰度处理及高斯滤波，以使得输入CNN模型的图片归一化。

3.2   管片渗漏水判断

本文使用基于CNN的机器视觉方法，对管片进行渗漏水检测，使用的图片采集于济南R3线一期工程盾构区间。首先将所有采集到的图片裁切为1024px×1024px格式，然后使用MakeSense.ai工具将渗漏水区域标定为“leakage”，得到数据集。

基于Pytorch与Keras开源深度学习框架，将数据集以6：2：2的比例划分为训练集，验证集和测试集，使用CNN模型对训练集示例进行学习。设置学习率为0.001，学习动量为0.85进行学习，并使用验证集进行验证结果[6-7]。管片渗漏水区域判别结果如图3所示。

从图3可以看出，渗漏水区域大部分被判别出来，但在接缝处两边，模型对渗漏水的连续识别容易中断。实际工程中，渗漏水区域通常分布在接缝的一侧，因此基于CNN的机器视觉方法对管片进行渗漏水检测是可行的。

4   隧道成型管片渗漏水的原因分析

4.1   管片自身原因分析

4.1.1   管片自身质量缺陷

管片在制造过程中会因为混凝土质量低，含有水珠，裂隙，气泡等，因此水从管片裂隙处绕开密封垫，通过缺陷处渗漏。管片裂隙处渗漏水如图4所示。

4.1.2   管片止水条未密封

管片在拼装环节发生碰撞，可能会导致止水条损坏或掉落，导致管片密封层未闭合。

4.2   施工因素分析

盾构在上软下硬地层掘进过程中，若出现推力大且不均、推进速度慢、碴岩温度高等现象，将对施工参数造成极大影响，导致管片渗漏水现象。具体如下：

管片注浆不饱满，导致管片密封条贴合不密实而积水，致使密封垫压实比较薄弱的地方发生渗漏水。盾构掘进姿态控制较差，造成管片拼装精度降低，管片间产生错位，不能提供密封所需的压紧力，从而导致渗漏水。上软下硬地层的掘进过程中推力不平均分布，造成盾构机作用于管片上的推力不平均，当掘进困难推力过大时，造成管片破裂，进而导致渗漏水[8-9]。相邻管片未压紧导致漏水如图5所示。

5   预防及堵漏措施

5.1   管片生产与拼装

为了避免管片缺陷造成的渗漏水，需要对生产过程与验收环节加强监管。生产厂家需要配置专人对管片生产过程的缺陷进行监管，在出厂时再次对缺陷进行检验，确保管片质量。在运输过程中，需要注意吊装与固定环节，防止破坏管片。

管片拼装前要清除杂物与积水。管片拼装时，要确保螺栓孔对齐，保证管片拼装压紧力。顶部管片安装时，先将止水条润滑后径向插入，然后纵向推到位，最后让顶部推进液压缸压紧管片。在管片离开盾尾区域后需及时对螺栓复紧。

在掘进路线确定后，应根据线路情况对盾构区间的管片形状进行设计，指导管片生产。对于曲线段的掘进段，根据管片内径与外径的差值选择合适的转弯环，为转弯处的止水带提供合适的压紧力。

5.2   注浆液配置与施工参数控制

选用适当的浆液，满足填充流动性、初凝时间和强度要求。对于注浆配比，需要根据地质与水文信息、隧道参数、地表沉降控制要求进行调整，从而保证隧道管片与围岩结合稳固。

选用适当的注浆量与注浆速度，合理匹配掘进速度等施工参数。确保管片注入口应保持0.3～0.6MPa的压力，同时参考覆盖厚度与地下水压进行调整。若压力过大则容易使管片破裂，造成浆液外溢。尽量在盾构掘进同时注浆，或在一环掘进作业后立即注浆。

5.3   掘进施工

若盾构路线转向曲度过大，引起盾尾与管片轨迹相交，将造成管片无法安装，同时会使管片迎水面被盾壳挤压，容易导致管片拼装错台与破裂。因此盾构施工时要控制盾构姿态，保证运动轨迹平滑[10-11]。

若盾构机掘进推力过大，会引起管片产生裂隙，导致管片渗漏水。为了避免此类情况发生，严禁纠偏量过大。在掘进困难段时，可使用超挖刀进行超挖作业。

6   结束语

成型管片渗漏水，会影响隧道内的附属结构，增大隧道的维护成本，缩短隧道的使用年限。本文以济南R3线一期工程为背景，使用基于机器视觉方法，对盾构管片的渗漏水情况进行了判别。然后针对上软下硬地层土压平衡盾构管片渗漏水情况进行分析，最终提出相应的预防与堵漏措施，可为提高管片拼装质量、减少渗漏水缺陷提供一定的参考经验。

参考文献

[1] 李岳.超大直径越江盾构隧道管片错台及渗漏影响研究[J].现代隧道技术，2018，55（4）：42-46.

[2] 胡光.土压平衡盾构管片在软土地层中的病害防控技术研究[J].广东建材，2018，34（7）：27-30.

[3] 罗星.下卧既有地铁隧道管片现状分析[J].山西建筑，2018，44（15）：165-166.

[4] 钱一鸣.地铁隧道渗漏水的整治探讨[J].工程技术研究，2018（3）：173-174.

[5] 冯宝军，马继山，高勇.盾构隧道管片拼裝质量问题分析及对策[J].市政技术，2018，36（2）：83-85.

[6] 胡珉，周胜臣，蒋华钦.大直径泥水平衡盾构施工参数对管片渗漏影响规律研究[J].现代隧道技术， 2016， 53（3）： 98-104+110.

[7] 刘印，张冬梅，黄宏伟.基于纵向不均匀沉降的盾构隧道渗漏水机理分析[J]. 铁道工程学报， 2011，152 （5）： 66-70.

[8] 张映根.地铁盾构管片破损原因分析及防治技术[J].山西建筑，2012，38（13）：219-220.

[9] 张强，杜守继，路明鉴.盾构隧道通缝拼装管片错台的监测研究[J].地下空间与工程学报， 2008，4 （1）： 138-142.

[10] 马昌盛.上软下硬地层中管片受力特征分析[J].中外建筑，2018，211（11）：132-133.

[11] 李俊良.地铁盾构隧道渗漏水病害点云自动识别研究[D].北京：北京交通大学，2021.