一种基于移动平台的公路隧道围岩分级方法

摘要

本发明涉及一种基于移动平台的公路隧道围岩分级方法。针对公路隧道施工现场围岩分级参数获取困难、测试周期长而导致现场实测围岩等级与勘察阶段围岩等级有所出入的情况，本发明开发一种基于移动平台的公路隧道围岩分级方法。该方法是在Android Studio平台上开发公路隧道围岩分级软件，通过调用手机自带的相机拍摄隧道掌子面照片，以数字图像处理技术识别掌子面特征从而分析出地下水状况、节理风化状况、地应力状态三个定性指标量化值，同时结合现场快速实验，以回弹值代替岩石坚硬程度、以岩体体积节理数表示岩体完整程度和以结构面走向与洞轴线的夹角值以及结构面倾角值确定结构面产状，得到三个定量指标量化值。将六个分级指标量化值输入Softmax回归多分类模型，经过自动演算得出最终围岩等级，实现对公路隧道掌子面围岩的快速、准确分级。

说明书

技术领域

本发明涉及一种基于移动平台的公路隧道围岩分级方法，属于岩土工程技术领域。

背景技术

隧道围岩分级结果影响着公路隧道设计和施工工作。传统的围岩分级方法主要有Q值法、RMR分类法和《工程岩石分类标准》中的BQ法。这些方法的分级参数需要复杂的设备以及大量的试验来获取，存在工程效率低下、测试周期较长等问题，导致在隧道设计及施工过程中易出现工程变更及安全隐患等现象。

计算机科学技术的发展为土木工程研究领域提供了新方向。基于移动平台的公路隧道围岩分级方法，可有效解决公路隧道围岩分级指标未能量化、参数获取困难及人为因素影响较大等问题，具有极其重要的研究意义和应用价值。

发明内容

本发明要解决的技术问题是改善传统围岩分级方法效率低、人为因素影响较大的现状，通过手机移动软件对隧道掌子面围岩进行自动化分级，从而提高工程质量。

本发明的技术方案如下：

一种基于移动平台的公路隧道围岩分级方法，步骤如下：

S1通过Android Studio平台开发手机端公路隧道围岩分级软件；

S2打开手机端公路隧道围岩分级软件，调用手机自带的相机拍摄隧道掌子面照片；

S3通过数字图像处理技术识别掌子面特征，分析出掌子面的地下水状况、节理风化状况、地应力状态三个定性指标的量化值；

S4根据掌子面的回弹值与岩石单轴抗压强度的拟合关系，通过现场回弹实验得出岩石坚硬程度定量指标量化值；

S5根据掌子面岩体体积节理数确定岩体完整程度定量指标量化值；

S6根据掌子面的结构面走向与洞轴线的夹角值以及结构面的倾角值确定结构面产状定量指标量化值；

S7在公路隧道围岩分级软件中，输入定量指标的量化值，经过软件模型自动演算得出围岩分级结果；

S7.1 公路隧道围岩分级软件由Android Studio平台开发，通过给定某一掌子面的六项围岩分级指标量化值便可直接得到围岩分级结果；

S7.2 利用数字图像处理技术确定三项定性指标值，通过现场试验确定三项定量指标值；

S7.3 公路隧道围岩分级软件内置模型采用Softmax 回归多分类模型进行围岩等级判定。

附图说明

图1为公路隧道围岩分级移动软件组成图。

图2为Softmax 回归多分类模型基本原理图。

图3为基于移动平台的公路隧道围岩分级方法流程图。

具体实施方案

下面参照附图，对本发明的具体实施方案做进一步说明。

图1 介绍了公路隧道围岩分级移动软件的组成部分，包括数据采集、逻辑计算和用户终端三个模块：

1.数据采集模块：

(1)通过拍摄隧道掌子面照片，经过软件数字图像处理技术得到地下水状况、节理风化状况、地应力状态三个定性指标量化值：

a.地下水状况根据掌子面围岩表面有无水分及出水状况分为干燥、潮湿、点滴状出水、淋雨状出水和涌流状出水五个等级；

b.节理风化状况根据掌子面围岩结构构造的破坏程度、岩质新鲜程度及矿物色泽分为未风化、微风化、弱风化、强风化和全风化五个等级；

c. 地应力状态根据掌子面围岩的变形程度及自稳性分为低地应力、中地应力、高地应力和极高地应力四个等级；

(2)通过现场快速实验，可得到岩石坚硬程度、岩体完整程度和结构面产状三个定量指标量化值：

a. 岩石坚硬程度根据掌子面围岩的平均回弹值Rm确定：

Rm>49.3MPa为坚硬岩；21.4MPa

b. 岩体完整程度根据掌子面围岩的岩体体积节理数Jv确定：

Jv<3条•m

c. 结构面产状根据掌子面围岩的结构面走向与洞轴线夹角θ值以及结构面倾角β值确定：

θ>60°,β>75°为极好；θ>60°,β<75°为较好；30°<θ<60°为一般；

θ<30°,β>75°为较差；θ<30°,30°<β<75°为极差；

2. 逻辑计算模块：输入端的量化值经过Softmax分类模型计算，得到Ⅰ-Ⅴ级围岩的概率；

3. 用户终端模块：在输出端可显示各个围岩等级的概率供用户查看，最大概率的级别即为该掌子面围岩最终等级。

图2介绍了Softmax 回归多分类模型的基本原理：

1.将分级指标量化值构成一个6 维列向量x=(x

2.将判别函数输入Softmax函数运算，得到各围岩等级的概率；

3.将五个围岩等级概率输入Argmax函数运算，找到最大概率值所对应的节点，即相应的围岩等级。

图3介绍了基于移动平台的公路隧道围岩分级方法的流程：

1.通过拍摄掌子面照片和现场快速实验得到分级指标量化值：

2.将分级指标量化值输入围岩分级软件，该软件在Android Studio平台开发，采用Python语言编译Softmax分类模型；

3.分级软件经过内置模型自动演算输出围岩等级。