CN114483043A - 一种用于隧道掘进的探测控制***及其探测方法 - Google Patents
一种用于隧道掘进的探测控制***及其探测方法 Download PDFInfo
- Publication number
- CN114483043A CN114483043A CN202111639520.3A CN202111639520A CN114483043A CN 114483043 A CN114483043 A CN 114483043A CN 202111639520 A CN202111639520 A CN 202111639520A CN 114483043 A CN114483043 A CN 114483043A
- Authority
- CN
- China
- Prior art keywords
- tunneling
- surrounding rock
- tbm
- geological information
- drilling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005641 tunneling Effects 0.000 title claims abstract description 86
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 239000011435 rock Substances 0.000 claims abstract description 95
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 238000005553 drilling Methods 0.000 claims description 64
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 6
- 230000035515 penetration Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 239000000523 sample Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000011112 process operation Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 239000003245 coal Substances 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
- E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
- E21D9/003—Arrangement of measuring or indicating devices for use during driving of tunnels, e.g. for guiding machines
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请涉及隧道掘进领域,更具体地说,涉及一种用于隧道掘进的探测控制***及其探测方法。首先,公开了一种用于隧道掘进的探测控制***,其中包括掘进参数用的围岩状态初步识别子***和掘进过程运行参数的围岩评价子***以及TBM总控模块;本发明还公开了一种用于隧道掘进的探测方法,利用上述的探测控制***,对TBM掘进过程的运行参数对围岩地质条件进行初步识别,能够实时的感知掌子面附近围岩条件,从而对不良地质条件进行实时预警,有效的指导支护设计和评价支护效果,提高支护的可靠性,提高生产效率。
Description
技术领域
本发明属于隧道掘进技术领域,更具体地说,本发明涉及一种用于隧道掘进的探测控制***及其探测方法。
背景技术
全断面隧道掘进机(Tunneling Boring Machine,简称TBM)是广泛应用于隧道掘进工程的集成化装备。近十年,TBM逐渐被引入煤矿,用于掘进岩石巷道,由于其具有高效、快速、装备集成化程度高等优点,已成为未来煤矿岩巷掘进的主流使用装备。
煤矿中常使用敞开式TBM对岩巷进行掘进,由于缺少护盾的保护,通过有效的方法评价围岩岩层状态,动态调整TBM掘进参数和围岩支护设计,是保证围岩稳定性的前提,是保障安全高效掘进的基础。目前,TBM掘进领域的超前地质探测手段较为丰富,如有钻探法、测震法等。然而,对TBM掘进后的围岩状态评价手段,现有方法较少,并且已提出的专利操作过程较为复杂,如一种TBM法隧道围岩损伤综合测试***(申请号:CN202020830885.9)中,发明者利用两个探测孔,结合钻孔窥视法和声波探测法,确定围岩损伤区范围。这种方法需要布置专门的探查钻孔,占用TBM掘进资源,并且探测过程较为复杂,无法覆盖大范围的围岩地质探测。由此可见,现有专利很少涉及能够方便实现的TBM掘进后围岩状态快速感知方法。因此,本发明提出一种TBM掘进地层综合感知装置和方法。
发明内容
本发明所要解决的技术问题是提供一种用于隧道掘进的探测控制***及其探测方法。
为了实现上述目的,本发明采取的技术方案为:
一种用于隧道掘进的探测控制***,其中包括掘进参数用的围岩状态初步识别子***、掘进过程运行参数的围岩评价子***以及TBM总控模块;
掘进参数用的围岩状态初步识别子***包括参数采集模块和参数分析模块,参数采集模块与TBM总控模块和参数分析模块相连,参数分析模块同时与TBM总控模块相连接,通过建立的神经网络预测模型对参数采集模块输入的围岩地质信息进行实时分析,并将结果反馈给TBM总控模块,TBM总控模块通过参数分析模块反馈的地质信息对不良地质进行识别并预警,同时对TBM掘进参数实时调节;
掘进过程运行参数的围岩评价子***包括钻机运行参数采集终端和钻机参数分析模块,所述TBM总控模块通过钻机参数分析模块与钻机运行参数采集终端相连,且根据掘进参数用的围岩状态初步识别子***中参数分析模块反馈的地质信息对围岩状态进行精细评价。
较优的,所述参数采集模块设置为用于测量掘进钻机运行参数的多个传感器。
本发明公开的一种用于隧道掘进的探测方法,包括以下步骤:
S1:通过所述掘进过程运行参数的围岩评价子***获取TBM总控模块掘进掌子面前方的地质剖面图;
S2:通过所述掘进参数用的围岩状态初步识别子***获取TBM总控模块掘进过程中的运行参数,建立运行参数与地质信息间的神经网络预测模型,对围岩状态初步识别;
S3:获取锚杆孔施工时的钻机运行参数,并计算每个钻孔钻进过程的钻进比功e;
S4:分析每个钻孔的地质信息,将每个钻孔的地质信息整合,获得整个锚杆(索)钻孔覆盖范围内的围岩地质信息;
S5:将新的围岩地质信息导入所述步骤S2的神经网络模型中,通过不断地机器学习,优化地质初步识别结果。
较优的,所述步骤S2中TBM掘进过程中的运行参数包括TBM掘进总推力、TBM掘进总扭矩、TBM掘进速率、TBM刀盘转速、TBM滚刀贯入度。
较优的,所述步骤S2中通过使用已有的超前地质信息以及TBM运行参数进行机器学习,获得初步的神经网络预测模型;利用该模型对掘进过程中的围岩状态进行初步识别,对于揭露后的围岩,用实际的围岩地质信息替代原有神经网络模型中的地质信息,并且对神经网络预测模型进行不断地迭代优化。
较优的,所述步骤S3中的锚杆钻机运行参数包括钻进压力F、钻杆扭矩M、钻进速率v和钻杆转速ω,钻进比功e的计算方法为:
式中,A为锚杆钻头截面积。
较优的,所述步骤S4中每个钻孔的地质信息获得方法为:通过室内试验,标定钻进比功e与不同单轴抗压强度(S)岩石之间的预测曲线,即S=f(e)曲线;通过监测现场锚杆孔钻进过程中的钻机运行参数,可以获得钻进比功随钻孔深度L的变化曲线,即e=g(L)曲线;可进一步获得不同钻孔深度的岩体强度变化曲线,即S=m(L)曲线;进一步可获得单个钻孔长度内的岩体强度信息。
较优的,所述步骤S4中整个锚杆钻孔覆盖范围内的围岩地质信息获得方法为:根据每个钻孔反演的岩体强度分布规律获得单孔地质信息剖面,将一个支护断面内所有钻孔地质信息剖面通过线性插值法进行整合,可获得一个断面的地质信息,将不同支护断面的地质信息通过线性插值法再次进行整合,获得已掘巷道的围岩地质信息。
本案利用TBM掘进过程的运行参数对围岩地质条件进行初步识别,能够实时的感知掌子面附近围岩条件,从而对不良地质条件进行实时预警,通过锚杆(索)支护过程中的运行参数精细评价围岩状态,不需要施工专门的探查钻孔,在锚杆(索)施工的过程中即可实现对围岩地质条件的探查与评价,通过对围岩状态的初步探查加精细探查,可以有效的指导支护设计和评价支护效果,提高支护的可靠性,由于巷道支护需要施工大量的锚杆及锚索孔,因此能够较为完整地反演已掘巷道内围岩地质条件。
以下将结合附图和实施例,对本发明进行较为详细的说明。
附图说明
下面对本说明书各幅附图所表达的内容及图中的标记作简要说明:
图1一种用于隧道掘进的探测控制***构成框图;
图2为本发明一种用于隧道掘进的探测方法的流程图;
图3为本发明中的地层掘进示意图;
图4为本发明中的地层感知图。
具体实施方式
下面对照附图,通过对实施例的描述,对本发明的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及操作使用方法等,作进一步详细的说明,以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
本案公开的一种用于隧道掘进的探测控制***,如图1所示,其中包括掘进参数用的围岩状态初步识别子***、掘进过程运行参数的围岩评价子***以及TBM总控模块;
掘进参数用的围岩状态初步识别子***包括参数采集模块和参数分析模块,参数采集模块与TBM总控模块和参数分析模块相连,参数分析模块同时与TBM总控模块相连接,通过建立的神经网络预测模型对参数采集模块输入的围岩地质信息进行实时分析,并将结果反馈给TBM总控模块,TBM总控模块通过参数分析模块反馈的地质信息对不良地质进行识别并预警,同时对TBM掘进参数实时调节;
掘进过程运行参数的围岩评价子***包括钻机运行参数采集终端和钻机参数分析模块,所述TBM总控模块通过钻机参数分析模块与钻机运行参数采集终端相连,且根据掘进参数用的围岩状态初步识别子***中参数分析模块反馈的地质信息对围岩状态进行精细评价。
本案公开的参数采集模块设置为用于测量掘进钻机运行参数的多个传感器,包括但不限于压力传感器、位移传感器等。
图2为本发明一种用于隧道掘进的探测方法的流程图,包括以下步骤:
S1:通过所述掘进过程运行参数的围岩评价子***获取TBM总控模块掘进掌子面前方的地质剖面图;
S2:通过所述掘进参数用的围岩状态初步识别子***获取TBM总控模块掘进过程中的运行参数,建立运行参数与地质信息间的神经网络预测模型,对围岩状态初步识别;
S3:获取锚杆孔施工时的TBM钻机运行参数,并计算每个钻孔钻进过程的钻进比功e;
S4:分析每个钻孔的地质信息,将每个钻孔的地质信息整合,获得整个锚杆(索)钻孔覆盖范围内的围岩地质信息;
S5:将新的围岩地质信息导入所述S2步骤的神经网络模型中,通过不断地机器学习,优化地质初步识别结果。
上述S2步骤中TBM掘进过程中的运行参数包括TBM掘进总推力、TBM掘进总扭矩、TBM掘进速率、TBM刀盘转速、TBM滚刀贯入度。
上述的S2步骤中通过使用已有的超前地质信息以及TBM运行参数进行机器学习,获得初步的神经网络预测模型;利用该模型对掘进过程中的围岩状态进行初步识别,对于揭露后的围岩,用实际的围岩地质信息替代原有神经网络模型中的地质信息,并且对神经网络预测模型进行不断地迭代优化。
上述的S3步骤中的锚杆钻机运行参数包括钻进压力F、钻杆扭矩M、钻进速率v和钻杆转速ω,钻进比功e的计算方法为:
式中,A为锚杆钻头截面积。
上述的S4步骤中每个钻孔的地质信息获得方法为:通过室内试验,标定钻进比功e与不同单轴抗压强度(S)岩石之间的预测曲线,即S=f(e)曲线;通过监测现场锚杆孔钻进过程中的钻机运行参数,可以获得钻进比功随钻孔深度L的变化曲线,即e=g(L)曲线;可进一步获得不同钻孔深度的岩体强度变化曲线,即S=m(L)曲线;进一步可获得单个钻孔长度内的岩体强度信息,且S4步骤中整个锚杆钻孔覆盖范围内的围岩地质信息获得方法为:根据每个钻孔反演的岩体强度分布规律获得单孔地质信息剖面,将一个支护断面内所有钻孔地质信息剖面通过线性插值法进行整合,可获得一个断面的地质信息,将不同支护断面的地质信息通过线性插值法再次进行整合,获得已掘巷道的围岩地质信息。
具体实施的过程中,图3为本发明地层掘进示意图,图4为本发明中的地层感知图,如图3和图4所示,地层感知分为两个部分:
第一部分:掌子面地层条件初步识别,是根据TBM运行参数对掌子面附近围岩条件进行初步识别;
第二部分:巷道围岩状态精细评价,是在TBM已掘巷道的锚杆(索)支护过程中,通过钻机运行参数反演的地质信息对围岩进行精细评价。
在地层初步识别中,需要采集的TBM运行参数为:总推力、总扭矩、掘进速率、滚刀贯入度和刀盘转速。收集这些运行参数的传感器构成图2中的“A1.数据采集***”,包括接入推进油缸的压力传感器(测量并换算成总推力)、接入旋转油缸的压力传感器(测量并换算成总扭矩)、测量主推油缸行程的位移传感器(测量并换算成掘进速率和滚刀贯入度)以及霍尔传感器(测量并换算成刀盘转速)。“A1.数据采集***”将采集的实时运行参数传输至“A2.数据分析***”,该***由一些列计算机代码组成,包括地层识别神经网络预测模型优化模块和地质信息分析模块。“A2.数据分析***”将处理完成的地质信息传输至“总控***”,该***为TBM运行的总控制***,能够对地质信息进行可视化显示,对不良地质条件预警,以及将TBM合理运行参数实时反馈至机器操作人员。
在围岩精细评价中,需要采集的锚杆钻机运行参数为:钻机推力、钻杆扭矩、钻进速率和钻杆转速。收集这些运行参数的传感器构成图2中的“B1.数据采集***”,包括串联接入液压钻机给进油缸的压力传感器(测量并换算成钻机推力)、串联接入钻机旋转马达正转油路的压力传感器(测量并换算成钻杆扭矩)、拉线位移传感器(测量并换算成钻进速率)和霍尔传感器(测量并换算成钻杆转速)。“B1.数据采集***”将采集的钻机实时运行参数传输至“B2.数据分析***”,该***由一系列计算机代码组成,包括有效运行参数分析提取模块、钻进比功分析模块和地质信息分析模块,地质信息分析模块将各钻孔信息进行整合,获得支护断面内围岩精细地质信息。“B2.数据分析***”将处理完成的地质信息传输至“O.总控***”,该***将地质信息进行可视化显示。
采用本技术方案,本案利用TBM掘进过程的运行参数对围岩地质条件进行初步识别,能够实时的感知掌子面附近围岩条件,从而对不良地质条件进行实时预警,通过锚杆(索)支护过程中的运行参数精细评价围岩状态,不需要施工专门的探查钻孔,在锚杆(索)施工的过程中即可实现对围岩地质条件的探查与评价,通过对围岩状态的初步探查加精细探查,可以有效的指导支护设计和评价支护效果,提高支护的可靠性,由于巷道支护需要施工大量的锚杆及锚索孔,因此能够较为完整地反演已掘巷道内围岩地质条件。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (9)
1.一种用于隧道掘进的探测控制***,其中包括掘进参数用的围岩状态初步识别子***、掘进过程运行参数的围岩评价子***以及TBM总控模块;
掘进参数用的围岩状态初步识别子***包括参数采集模块和参数分析模块,参数采集模块与TBM总控模块和参数分析模块相连,参数分析模块同时与TBM总控模块相连接,通过建立的神经网络预测模型对参数采集模块输入的围岩地质信息进行实时分析,并将结果反馈给TBM总控模块,TBM总控模块通过参数分析模块反馈的地质信息对不良地质进行识别并预警,同时对TBM掘进参数实时调节;
掘进过程运行参数的围岩评价子***包括钻机运行参数采集终端和钻机参数分析模块,所述TBM总控模块通过钻机参数分析模块与钻机运行参数采集终端相连,且根据掘进参数用的围岩状态初步识别子***中参数分析模块反馈的地质信息对围岩状态进行精细评价。
2.按照权利要求1所述的一种用于隧道掘进的探测控制***,其特征在于,所述参数采集模块设置为用于测量掘进钻机运行参数的多个传感器。
3.按照权利要求2所述的一种用于隧道掘进的探测控制***,其特征在于,所述多个传感器包括接入推进油缸的压力传感器、接入旋转油缸的压力传感器、测量主推油缸行程的位移传感器以及霍尔传感器。
4.一种用于隧道掘进的探测方法,包括权利要求1、2或3所述的一种用于隧道掘进的探测控制***,其特征在于,包括以下步骤:
S1:通过所述掘进过程运行参数的围岩评价子***获取TBM总控模块掘进掌子面前方的地质剖面图;
S2:通过所述掘进参数用的围岩状态初步识别子***获取TBM总控模块掘进过程中的运行参数,建立运行参数与地质信息间的神经网络预测模型,对围岩状态初步识别;
S3:获取锚杆孔施工时的钻机运行参数,并计算每个钻孔钻进过程的钻进比功e;
S4:分析每个钻孔的地质信息,将每个钻孔的地质信息整合,获得整个锚杆钻孔覆盖范围内的围岩地质信息;
S5:将新的围岩地质信息导入所述S2步骤的神经网络模型中,通过不断地机器学习,优化地质初步识别结果。
5.按照权利要求4所述的一种用于隧道掘进的探测方法,其特征在于,所述步骤中S2TBM掘进过程中的运行参数包括TBM掘进总推力、TBM掘进总扭矩、TBM掘进速率、TBM刀盘转速、TBM滚刀贯入度。
6.按照权利要求4所述的一种用于隧道掘进的探测方法,其特征在于,所述步骤S2中通过使用已有的超前地质信息以及TBM运行参数进行机器学习,获得初步的神经网络预测模型;利用该模型对掘进过程中的围岩状态进行初步识别,对于揭露后的围岩,用实际的围岩地质信息替代原有神经网络模型中的地质信息,并且对神经网络预测模型进行不断地迭代优化。
8.按照权利要求4所述的一种用于隧道掘进的探测方法,其特征在于,所述步骤S4中每个钻孔的地质信息获得方法为:通过室内试验,标定钻进比功e与不同单轴抗压强度岩石之间的预测曲线;通过监测现场锚杆孔钻进过程中的钻机运行参数,可以获得钻进比功随钻孔深度L的变化曲线;可进一步获得不同钻孔深度的岩体强度变化曲线;进一步可获得单个钻孔长度内的岩体强度信息。
9.按照权利要求4所述的一种用于隧道掘进的探测方法,其特征在于,所述步骤S4中整个锚杆钻孔覆盖范围内的围岩地质信息获得方法为:根据每个钻孔反演的岩体强度分布规律获得单孔地质信息剖面,将一个支护断面内所有钻孔地质信息剖面通过线性插值法进行整合,可获得一个断面的地质信息;将不同支护断面的地质信息通过线性插值法再次进行整合,获得已掘巷道的围岩地质信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111639520.3A CN114483043A (zh) | 2021-12-29 | 2021-12-29 | 一种用于隧道掘进的探测控制***及其探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111639520.3A CN114483043A (zh) | 2021-12-29 | 2021-12-29 | 一种用于隧道掘进的探测控制***及其探测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114483043A true CN114483043A (zh) | 2022-05-13 |
Family
ID=81507512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111639520.3A Pending CN114483043A (zh) | 2021-12-29 | 2021-12-29 | 一种用于隧道掘进的探测控制***及其探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114483043A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115758515A (zh) * | 2022-10-31 | 2023-03-07 | 中铁隧道局集团有限公司 | Tbm隧道不良地质段智能支护决策方法 |
US20230167739A1 (en) * | 2020-12-09 | 2023-06-01 | Shandong University | Method and system for real-time prediction of jamming in tbm tunneling |
-
2021
- 2021-12-29 CN CN202111639520.3A patent/CN114483043A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230167739A1 (en) * | 2020-12-09 | 2023-06-01 | Shandong University | Method and system for real-time prediction of jamming in tbm tunneling |
CN115758515A (zh) * | 2022-10-31 | 2023-03-07 | 中铁隧道局集团有限公司 | Tbm隧道不良地质段智能支护决策方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110486007B (zh) | 煤矿随钻围岩力学参数原位测试装置及方法 | |
CN103018788B (zh) | 深长隧道不良地质和岩体力学性质超前探测装置及方法 | |
US20230144184A1 (en) | Advanced geological prediction method and system based on perception while drilling | |
CN101581234B (zh) | 煤层采动顶底板岩层变形与破坏井下综合测试方法 | |
CN114483043A (zh) | 一种用于隧道掘进的探测控制***及其探测方法 | |
CN103244101B (zh) | 随钻进的岩层质量评价方法 | |
CN103308946B (zh) | 一种基于炮孔钻进信息的隧道超前地质预报方法 | |
CN202975361U (zh) | 深长隧道不良地质和岩体力学性质超前探测装置 | |
CN105927211A (zh) | 一种深部地下工程的岩体力学特性原位钻进测试方法及装置 | |
CN110645040A (zh) | 一种基于定向钻机的突出煤层“五定”瓦斯治理方法 | |
CN103615236A (zh) | 一种远程录井信息实时监测地层压力的方法 | |
CN114135278A (zh) | 一种随钻感知不良地质智能识别与预报***及方法 | |
CN108375805A (zh) | 基于气动锚杆钻机钻进参数实时确定岩体地质状态的方法 | |
CN114352299B (zh) | 一种深埋长隧洞tbm施工条件下并行超前超深地质预报方法 | |
CN111077583B (zh) | 构造活化双参数监测***及监测方法 | |
CN209821195U (zh) | 一种可视化的盾构隧道施工注浆效果检测试验装置 | |
CN104727815A (zh) | 一种实时钻井地层修正预测方法及装置 | |
CN112819195B (zh) | 一种隧道超前钻探地质精细化预报方法 | |
CN106032750B (zh) | 一种基于钻探能谱的地质编录仪 | |
CN106761804A (zh) | 一种搭载于tbm上实时超前水压探测装置与方法 | |
CN110107274B (zh) | 基于液压***的tbm锚杆钻机实时在线监测***及监测方法 | |
CN115950947A (zh) | 一种tbm隧洞基于振动信号实时的地质参数预测方法 | |
Li et al. | Evaluating the structure and mechanical properties of deep rock masses based on drilling process monitoring and borehole televiewer | |
CN205400721U (zh) | 一种井口气远程测定装置 | |
CN106869904B (zh) | 一种利用钻机运行参数原位实时确定岩体损伤状态的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |