李子琛 , 朱杰兵 , 张宜虎 , 汪斌 , 徐栋栋 . TBM隧道岩石可掘性评价指标及其应用研究综述[J]. 地下空间与工程学报, 2024 , 20(S1) : 508 -520 . DOI: 10.20174/j.JUSE.2024.S1.59

[1] 巩江峰,王伟,周俊超.截止2021年底中国铁路盾构及TBM隧道统计与分析[J].铁道标准设计,2022,66(3):1-5.
[2] O'Connell G J. Areview of the specific performance characteristics of hard rock tunnel boring machines[M]. South Africa: University of Johannesburg, 2015.
[3] 谷志孟,吕福庆.使用掘进机条件下岩石可掘性的试验研究[J].岩土力学,1983(1):47-58.
[4] 何发亮,谷明成,王石春.TBM施工隧道围岩分级方法研究[J].岩石力学与工程学报, 2002(9):1350-1354.
[5] 王旭,李晓,廖秋林.岩石可掘进性研究的试验方法述评[J].地下空间与工程学报, 2009,5(1):67-73.
[6] 杜立杰, 齐志冲, 韩小亮, 等. 基于现场数据的TBM可掘性和掘进性能预测方法[J].煤炭学报, 2015,40(6):1284-1289.
[7] 朱杰兵, 沈小轲, 王小伟, 等. TBM施工中岩石可掘性测试与评价技术综述[J].人民长江, 2019,50(8):143-150.
[8] Gong Q M, Zhao J, Jiang Y S. In situ TBM penetration tests and rock massboreability analysis in hard rock tunnels[J]. Tunnelling and Underground Space Technology, 2007, 22(3): 303-316.
[9] Bruland A. Hard rock tunnel boring[M].Fakultet for Ingeniørvitenskap Og Teknologi, 2000.
[10] Rostami J. Development of a force estimation model for rock fragmentation with disc cutters through theoretical modeling and physical measurement of crushed zone pressure[M]. Golden, CO, USA: Colorado School of Mines, 1997.
[11] Srivastava G K,Vemavarapu M S R M. Drillability prediction in some metamorphic rocks using composite penetration rate index (CPRI)—an approach[J]. International Journal of Mining Science and Technology, 2021, 31(4): 631-641.
[12] 王石春.隧道掘进机与地质因素关系综述[J].世界隧道, 1998(2):39-43.
[13] 王旭,李晓,李守定.关于用岩体分类预测TBM掘进速率AR的讨论[J].工程地质学报, 2008(4):470-475.
[14] 陈浩. TBM掘进效率与围岩相关性研究[D]. 成都: 西南交通大学, 2010.
[15] Cheema S N. Development of a rock massboreability index for the performance of tunnel boring machines[D]. Colorado School of Mines, 2001.
[16] 龚秋明, 佘祺锐, 侯哲生, 等.高地应力作用下大理岩岩体的TBM掘进试验研究[J].岩石力学与工程学报,2010,29(12):2522-2532.
[17] Dahl F, Bruland A, Jakobsen P D, et al. Classifications of properties influencing thedrillability of rocks, based on the NTNU/SINTEF test method[J]. Tunnelling and Underground Space Technology, 2012, 28: 150-158.
[18] 王攀,郭伟,朱殿华.基于模糊聚类理论的TBM施工围岩可掘进性分级预测模型[J].现代隧道技术, 2014,51(6):58-65.
[19] 齐志冲. 长大隧道开敞式TBM地质适应性与施工技术研究[D]. 石家庄: 石家庄铁道大学,2015.
[20] Ivaničová L, Labaš M, Lazarová E, et al. Assessment of rock drillability prediction in hard rock tunnel boring[A] //2016 17th International Carpathian Control Conference (ICCC) [C]. IEEE, 2016: 265-269.
[21] 熊帆. 基于PSO-SVR算法的TBM掘进效率预测及围岩分级研究[D]. 西安: 长安大学,2016.
[22] 相浩. 复合地层下TBM掘进的可掘性评价[D]. 重庆: 重庆大学,2016.
[23] 罗华. 基于线性回归和深度置信网络的TBM性能预测研究[D]. 杭州: 浙江大学,2018.
[24] 朱殿华,宋立玮,郭伟.硬岩掘进机可掘进性分级性能预测模型的建立及实施[J].机械设计,2018,35(1):22-28.
[25] Capik M, Yilmaz A O. Development models for the drill bit lifetime prediction and bit wear types[J]. International Journal of Rock Mechanics and Mining Sciences, 2021, 139: 104633.
[26] 董安然. 高黎贡山隧道TBM施工围岩分级及安全施工技术[D]. 石家庄: 石家庄铁道大学,2019.
[27] 崔久华. 基于岩机参数融合的TBM掘进效率评价及围岩分级研究[D]. 济南: 山东大学,2020.
[28] 单鹏飞. 基于TBM掘进特征参数的围岩实时识别方法研究[D]. 石家庄: 石家庄铁道大学, 2020.
[29] 段志伟. 基于非线性回归与神经网络的TBM掘进性能预测及刀具磨耗研究[D]. 石家庄: 石家庄铁道大学,2020.
[30] 田佳乐. 硬质花岗岩隧道TBM施工刀具磨耗及掘进性能评价研究[D]. 西安: 西安建筑科技大学,2020.
[31] 王胜乐. 引汉济渭TBM施工隧洞围岩分类方法研究及应用[D]. 西安: 西安理工大学,2021.
[32] 吕佳峻. 基于数字孪生的TBM虚拟掘进系统研究与实现[D]. 杭州: 浙江大学,2021.
[33] 陶宇帆. TBM岩-机交互机制及控制参数分类约束优化方法研究[D]. 济南: 山东大学,2021.
[34] 谢士平. 超特长隧洞TBM掘进性能分析与预测研究[D]. 石家庄: 石家庄铁道大学,2021.
[35] 李青蔚. 基于岩渣与参数信息融合的TBM掘进围岩识别预警方法研究[D]. 石家庄: 石家庄铁道大学,2021.
[36] 张沛然, 杨果林, 吕涛, 等.盾构施工地层可掘性及对机-岩状态识别案例分析[J].湖南大学学报(自然科学版),2021,48(7):99-110.
[37] 吴志军, 方立群, 翁磊, 等.基于TBM掘进性能的岩体分级及可掘性等级感知识别方法[J].岩石力学与工程学报,2022,41(增1):2684-2699.
[38] 杨晓达. 基于机器学习的土压盾构土仓压力智能预测及掘进参数优化研究[D]. 济南: 山东大学,2022.
[39] 陈雪峰, 杨延栋, 李治国, 等.基于复杂地质岩机作用的多维度隧道掘进机适应性评价方法[J].科学技术与工程,2022,22(20):8916-8920.
[40] 殷欣, 高峰, 刘泉声, 等.面向隧道掘进机可掘性评价的多算法融合优化模型及其工程应用[J].岩石力学与工程学报,2022,41(增1):2757-2771.
[41] 龚秋明,谢兴飞,黄流,兴海,吴根生.引绰济辽工程二标隧洞段TBM滚刀磨损规律[J].隧道与地下工程灾害防治,2022,4(4):1-10.
[42] 杨耀红, 刘德福, 张智晓, 等.小断面土石组合地质条件下TBM施工围岩可掘性分级识别研究[J].长江科学院院报,2024(3): 79-87.
[43] Nelson P P, Ingraffea A R, O'rourke T D. TBM performance prediction using rock fracture parameters[J]. International Journal of Rock Mechanics and Miring Sciences & Geomechanics Abstracts, 1985, 22(3): 189-192.
[44] Gong Q M, Lu J, Xu H, et al. A modified rock mass classification system for TBM tunnels and tunneling based on the HC method of China[J]. International Journal of Rock Mechanics and Mining Sciences, 2021, 137: 104551.
[45] Barton N, Lien R, Lunde J. Engineering classification of rock masses for the design of tunnel support[J]. Rock Mechanics, 1974, 6: 189-236.
[46] Aligholi S, Lashkaripour G R, Ghafoori M, et al. Evaluating the relationships between NTNU/SINTEF drillability indices with index properties and petrographic data of hard igneous rocks[J]. Rock Mechanics and Rock Engineering, 2017, 50: 2929-2953.
[47] Hassanpour J, Rostami J, Zhao J. A new hard rock TBM performance prediction model for project planning[J]. Tunnelling and Underground Space Technology, 2011, 26(5): 595-603.
[48] Howarth D F. Mechanical rock excavation—assessment of cuttability and boreability[J]. International Journal of Rock Mechanics and Mining Sciences & Geomechanics Abstracts, 1987, 1: 145-164.
[49] 刘晓丽, 孙欢, 董勤喜,等.深埋引水隧洞极硬岩TBM掘进及辅助破岩技术[J]. 清华大学学报(自然科学版), 2022, 62(8):1292-1301.
[50] 王玉杰, 曹瑞琅, 王胜乐,等. TBM施工超硬岩分类指标和确定方法研究[J].隧道建设(中英文), 2020,40(增2):38-44.
[51] 杨志勇, 江玉生, 冯吉利,等.狮子洋隧道围岩磨蚀性研究[J].解放军理工大学学报(自然科学版), 2012,13(3):311-315.
[52] Plinninger R, Ksling H, Thuro K, et al. Testing conditions and geomechanical properties influencing the CERCHAR abrasiveness index (CAI) value[J]. International Journal of Rock Mechanics and Mining Sciences, 2003, 40(2): 259-263.
[53] 薛亚东, 李兴, 刁振兴, 等.基于掘进性能的TBM施工围岩综合分级方法[J].岩石力学与工程学报, 2018,37(增1):3382-3391.
[54] 吴峰. TBM盘形滚刀贯入度与结构参数优化设计研究[D].长沙:中南大学,2012.
[55] Rostami J, Chang S H. A closer look at the design of cutterheads for hard rock tunnel-boring machines[J]. Engineering, 2017, 3(6): 892-904.
[56] Hamilton W H, Dollinger G L. Optimizing tunnel boring machine and cutter design for greaterboreability[J]. Glueckauf;(Germany, Federal Republic of), 1979, 116(17): 280-296.
[57] Wanner H, Aeberli U. Tunnelling machine performance in jointed rock[A] // Balkema A A, ed. Proc 4th Congress International Society for Rock Mechanics [C]. Rotterdam: Internal Journal of Rock Mechanics and Mining Science & Geomechanics Abstracts, 1980: 50.
[58] Sundin N O,Wnstedt S. A boreability model for TBM's[A] //1st North American Rock Mechanics Symposium [C]. OnePetro, 1994.
[59] 杨迎新, 高翔, 陈红, 等.PDC钻头岩石可掘性测定与分级新方法研究[J].地下空间与工程学报, 2019,15(3):811-819.
[60] 邵阳. 新疆顺北深层岩石可掘性分析及钻头优选方法研究[D]. 大庆: 东北石油大学,2021.
[61] 许梦国, 刘红阳, 王平, 等.基于RES理论的岩石可掘性综合预测研究[J].金属矿山, 2022(1):113-119.
[62] 吴煜宇,吴湘滨,尹俊涛.关于TBM施工隧洞围岩分类方法的研究[J].水文地质工程地质, 2006(5):120-122.
[63] Grima M A,Bruines P A, Verhoef P N W. Modeling tunnel boring machine performance by neuro-fuzzy methods[J]. Tunnelling and Underground Space Technology, 2000, 15(3): 259-269.
[64] Yagiz S. Utilizing rock mass properties for predicting TBM performance in hard rock condition[J]. Tunnelling and Underground Space Technology, 2008, 23(3): 326-339.
[65] 周小雄, 龚秋明, 殷丽君, 等.基于BLSTM-AM模型的TBM稳定段掘进参数预测[J].岩石力学与工程学报, 2020,39(增2):3505-3515.
[66] 曹晋镨,刘芳,申志福.基于长短期记忆网络的TBM掘进预测模型及围岩等级对预测精度的影响[J].土木工程学报, 2022,55(增2):92-102.
[67] 孙云, 张云旆, 刘立鹏,等. 基于滇中引水的TBM数据预处理与特征参数分析[J].地下空间与工程学报, 2023, 19(2):594-608.