随着高速公路、铁路运输、矿产开采、城市地铁、引水隧洞等一大批重大生命线工程相继开工建设，隧道与地下工程得到了前所未有的发展。鉴于岩石全断面隧道掘进机(Tunnel Boring Machine，简称TBM)具有施工速度快、安全性高、经济性好和有利于环境保护等诸多优点，成为长距离隧洞(道)施工的首选方法[1-3]。TBM破岩过程包括滚刀侵入岩石和相邻滚刀之间岩石破碎2个阶段[4]。滚刀破岩受力时，由于TBM掘进过程中岩石的不均匀性、地层的复杂性和岩体裂隙节理的多变性，导致刀具受力变化的动态性和刀具消耗形式的不确定性。经长时间切削岩石，滚刀发生非正常磨损或正常磨损到一定程度，就需要更换[5]，由此必然影响TBM掘进效率和施工成本。刀具消耗是评价TBM掘进性能和施工效益的重要参数，刀具消耗增加，则TBM换刀量和换刀时间增大，TBM施工经济效益和掘进效率必然会降低。因此，TBM刀具消耗评价是TBM施工性能评价预测研究亟待解决的重要课题，具有显著的工程实际意义。

鉴于施工过程的复杂性，TBM刀具消耗的影响因素多种多样[6]，既包括岩体地质条件，也包括滚刀材料与掘进参数等因素。如何在充分考虑上述影响因素的基础上，快速准确地评价TBM刀具消耗，为减少TBM刀具消耗提供科学的参考依据，是TBM刀具消耗评价研究的重点与难点问题之一。杨宏欣[7]对TBM滚刀失效形式进行分类并分析了TBM滚刀失效的影响因素;FRENZEL等[8]根据大量岩体磨耗性试验发现，围岩地质特性和TBM掘进参数是影响滚刀磨损的关键;YANG等[9]基于滚刀更换数据，分析了兰州水源地建设工程TBM1滚刀消耗规律，并提出了掘进参数控制以及滚刀检查与处理等应对措施;杨媛媛等[10]利用TBM工作条件分级数建立了刀具消耗预测模型;闫长斌等[11]对其进行了改进，对拟合函数进行优化，构建了同时考虑地质适宜性和滚刀直径的TBM刀具消耗预测方法。

岩渣作为岩机作用的直接产物，携带着极其丰富的间接信息，已经成为TBM施工地质与围岩质量辨识的重要手段。周振国[12]利用秦岭隧道探讨了岩渣观测对TBM施工的指导意义;A.RISPOLI[13]和L.BRINO等[14]基于图像分析方法确定了岩渣粒径分布规律与TBM掘进参数以及岩体性质的关系;H.Y.JEONG等[15]利用矩阵分析了岩渣粒径分布参数之间的关系，认为直接筛分试验是分析岩渣粒径分布规律的最佳方法;陈文莉等[16]和宋克志等[17]利用对数正态分布函数和Rosin-Rammler分布函数对岩渣粒径分布曲线进行比对分析，认为采用Rosin-Rammler分布函数描述TBM岩渣粒径分布规律最为理想。

实践表明，岩渣粒径分布规律及其形状尺寸可以间接反应复杂围岩条件与机械掘进性能，对于反馈指导TBM施工具有重要价值。许多专家学者基于现场岩渣尺寸量测和筛分试验分析了岩渣粒径分布规律，并在此基础上对TBM破岩效率进行了初步评价[18-19]。岩渣尺寸大小和粒径分布主要受贯入度和刀间距控制[20]，此外还受岩石坚硬程度、岩体完整性等地质条件影响。TBM刀具消耗也与上述TBM掘进参数、岩体条件密切相关，同时对掘进效率产生一定影响。因此，TBM刀具消耗与岩渣粒径分布规律之间必然存在某种联系。然而，如何基于岩渣粒径分布规律进行TBM刀具消耗评价预测，尚未见诸报道。

鉴于此，有必要结合TBM施工实例，探索基于岩渣粒径分布规律的TBM刀具消耗评价方法。对兰州水源地建设工程输水隧洞双护盾TBM施工岩渣进行现场量测和筛分试验，对岩渣粒径分布规律进行统计分析和理论函数拟合，建立岩渣粒径分布规律与TBM刀具消耗之间的经验关系，可为刀具消耗预测研究提供新的思路。

1 工程背景

1.1 工程概况

兰州水源地建设工程的总体布置是以刘家峡水库为水源，取水后经输水隧洞、输水支线、水厂、市政管线等工程向兰州市区供水。其中，输水隧洞全长31.57 km，是该工程的控制性关键节点项目，采用“TBM为主+钻爆法为辅”联合施工方案。输水隧洞为有压隧洞，设计开挖直径5.46 m，衬砌后为4.60 m[21]。输水隧洞TBM施工段全长约27 km，由两台双护盾TBM进行相向掘进。TBM1施工段全长约12.43 km，由长度3 544 m的5号施工支洞进洞，进洞后沿主洞向下游掘进，其中掘进段长10.93 km，滑行安装管片段1 496 m；TBM2施工段长约13.26 km，其中包含滑行段930 m，由6号施工支洞进洞并沿主洞向上游方向掘进。

输水隧洞沿线穿越地层较为复杂，从上游向下游依次穿越石英片岩、闪长岩、花岗岩、泥质砂岩和变质安山岩等各类软硬不同的岩性。输水隧洞纵向工程地质剖面图如图1所示。

1.2 TBM类型与设计参数

鉴于施工工期紧张，加上地质条件存在不确定性，考虑到施工效率和安全，兰州水源地输水隧洞工程选用双护盾TBM进行施工，2台双护盾TBM主要设计参数，见表1。

2 刀具消耗规律

TBM滚刀磨损分为正常磨损和非正常损坏2种情况，其中正常磨损是指刀圈均匀地磨损，在半径方向逐渐变小，当达到允许最大磨损量和相邻刀圈间的高度差要求时，必须进行滚刀更换;滚刀非正常损坏主要包括偏磨、轴承损坏、漏油、刀圈断裂、崩刃以及刀圈松动等。在刀具日常检查时，一旦发现滚刀发生非正常损坏，须立即停机更换。根据地质日报记录，得到不同起止桩号对应的地质条件信息和围岩分类情况;根据刀具检查与换刀记录，得到TBM刀具磨损与消耗情况。不同岩性和围岩类别条件下刀具消耗统计，见表2。以TBM1根据现场实测统计，TBM1在3个掘进段T0+558.3 m～K3+543.9 m,T5+860 m～T11+218.6 m和T12+715.3 m～T15+100 m，共计10 728.9 m的掘进过程中，更换滚刀708把。不同岩性和围岩类别条件下的滚刀消耗，如图2所示。

TBM1隧洞掘进段穿越岩性依次为:石英片岩、闪长岩、花岗岩和泥质砂岩，掘进长度分别为5 499.9，461.9，2 382.4和2 384.7 m。由图2(a)可见，闪长岩掘进段刀具消耗最高，其次是与闪长岩力学特性类似的石英片岩，再次是花岗岩，泥质砂岩段刀具消耗最低。这与岩石强度和硬度特性密切相关。根据试验结果可知，闪长岩饱和单轴抗压强度平均值107 MPa，其次是石英片岩，饱和单轴抗压强度平均值100 MPa，泥质砂岩强度最低，饱和单轴抗压强度平均值仅为65 MPa。此外，岩石Cerchar磨蚀试验表明，闪长岩耐磨性指标CAI最高，泥质砂岩最低。可见，岩石强度越高，硬度越大，耐磨性越强，刀具消耗也越大。

参考《水利水电工程地质勘察规范》(GB 50487—2008)[22]中的N围岩分类方法，对TBM1 完成的10 728.9 m掘进段进行分段围岩分类，结果表明该施工段围岩类别有Ⅱ类、Ⅲ类、Ⅳ类和Ⅴ类，长度分别为6 518.2，3 837.8，281.9和91.0 m。由图2(b)可知，Ⅱ类围岩掘进段刀具消耗最高，Ⅲ类围岩掘进段刀具消耗最低，Ⅳ类和Ⅴ类围岩刀具消耗介于中间。原因在于:Ⅱ类围岩贯入度较低，所需推力较高，造成滚刀在Ⅱ类围岩中摩擦距离长、摩擦力大。另外，在Ⅱ类围岩中掘进时，刀盘推力大，可能会引起滚刀过载，造成滚刀轴承损坏、刀圈崩刃、刀圈断裂等非正常损坏。

因此，在Ⅱ类围岩中掘进时TBM刀具消耗量最大。在Ⅲ类围岩中掘进时，岩石强度和岩体完整性相对Ⅱ类围岩较低，刀盘推力较小，因此刀具消耗相对较低。而对于Ⅳ类和Ⅴ类围岩掘进段，尽管岩石强度低，刀具正常磨损少，但由于岩体完整性低，围岩稳定性差，易出现塌方、 断层等现象，导致刀圈断裂、偏磨等非正常损坏比例大幅度增加。特别是，岩体越破碎，块状岩渣含量越高，刀具非正常磨损越严重。因此，在Ⅳ类和Ⅴ类围岩中掘进时，刀具消耗比在Ⅲ类围岩中掘进时略高。由于滚刀正常磨损所占的比例远大于非正常磨损，因此在Ⅳ类和Ⅴ类围岩中掘进时，刀具消耗总体以上低于Ⅱ类围岩。

TBM掘进时，刀具消耗与滚刀位置密切相关，其统计规律如图3所示。由图3可知，7～21号正滚刀消耗数量最低，其次是1～6号中心刀，对于22～37号正滚刀和边滚刀，则随着刀位号增加消耗数量逐渐增大。原因在于:相同的推力作用下，刀盘每转动一周，安装半径大的滚刀划过掘进工作面岩石的距离长、破岩量大，岩石对其摩擦做功多，磨损量大。此外，中心刀的规格为17 英寸，其容许磨损量小于 19 英寸刀圈，且采用的 17 英寸刀圈的刀刃也较 19 英寸滚刀的窄，磨损速率大于宽刃滚刀的刀圈。此外，中心刀安装半径小，在掘进过程中刀圈会在岩石面上发生较多的滑动，导致中心刀换刀数量较多。

将TBM1掘进段刀具消耗情况与国内几个典型的TBM隧道(洞)工程刀具消耗情况进行对比见表3。由表3可见，所列出的TBM工程中，除了兰州水源地工程穿越的泥质砂岩属于软岩外，其余均为硬岩。秦岭隧道出口、那邦水电站和引汉济渭工程的岩石强度较高，吉林引松工程和兰州水源地工程的岩石强度较低，因此吉林引松工程和兰州水源地工程TBM刀具消耗相对较低。同时，引汉济渭工程隧洞围岩中的石英含量高达43.7%～92.6%，岩石耐磨性指标4.65～5.71，属于极高磨蚀性岩石，导致TBM滚刀磨损严重，刀具消耗巨大。此外，秦岭隧道出口和那邦水电站采用的TBM滚刀直径均为17英寸，兰州水源地建设工程TBM1滚刀为17英寸和19英寸混装，引汉济渭工程TBM滚刀采用的是17英寸与20英寸混装，而吉林引松工程TBM采用的是20英寸大直径滚刀。由此可见，滚刀直径大小对刀具消耗具有一定影响，采用大直径滚刀可降低刀具消耗，提高刀具使用寿命和利用率。

3 岩渣粒径分布规律

3.1 TBM岩渣现场量测与筛分试验

研究表明[15,19,23-24]，TBM掘进岩渣信息是惟一与掘进机械和岩体都有关的因数，也是研究隧洞围岩条件和TBM破岩效率等不可多得的重要间接因素。由于地质条件的不确定性、滚刀破岩机理的复杂性以及刀具布置和掘进参数的差异性等因素的影响，TBM掘进过程中产生的岩渣和碎屑形状分布不同、大小不等，具有一定随机性。

现场筛分试验是分析岩渣粒径分布规律的直接、最有效的方法[15]。在TBM施工现场胶带运输机出渣口处采取混合粒径的岩渣试样，详细描述岩渣的形状特征，并对尺寸较大的片状岩渣采用游标卡尺详细量测其尺寸数据(包括长轴、短轴和厚度)，分析片状岩渣的尺寸分布规律;同时采用40.0,31.5,25.0,16.0,10.0,5.0和2.5 mm(共7级)孔径的标准方孔筛进行岩渣筛分试验，分别在石英片岩、花岗岩和泥质砂岩掘进段进行了岩渣筛分试验(图4)，得到7组筛分试验数据见表4。

3.2 岩渣粗糙度指数

文献[25]提出了岩渣粗糙度指数的概念，文献[26]基于线性切割试验计算了岩渣粗糙度指数，根据筛分试验数据对岩渣粒径分析，得到各个筛网的累计筛余率，再将各个筛网的累计筛余率相加得出计算方法，其具体表达形式为

(1)

IC=∑Xi

(2)

式中，Wi为现场筛分试验得到的大于某一粒径尺寸的岩渣总质量，kg;Wt为现场采取的TBM岩渣筛分的总质量，kg;Xi为大于某一粒径尺寸的累计筛余率，%;IC为岩渣粗糙度指数，%。

根据TBM岩渣现场量测与筛分试验所得数据，利用式(2)可计算得到TBM在不同围岩条件下掘进时的岩渣粗糙度指数，见表5。

3.3 岩渣颗粒级配曲线

根据筛分试验对岩渣粒径大小分布情况进行分析，通常可采用累计概率方法，得到不同岩性条件下岩渣的颗粒级配曲线，如图5所示。

与岩渣粒径分布规律相关的指标主要有粗糙度指数、不均匀系数、平均粒径(包括几何平均粒径和R-R函数平均粒径)以及曲率系数等。根据对应的刀具消耗(表5)，可进行刀具消耗与岩渣粒径分布规律相关性分析。

不均匀系数Cu与曲率系数Cc的公式为

(3)

(4)

式中，Cu为不均匀系数，反映粒径分布曲线上的颗粒分布范围，不均匀系数一般大于1，越接近于1，表明颗粒就越均匀;d10为有效粒径，表示在分布曲线上小于该粒径的试样质量占总质量的10%，mm;d60为限制粒径，表示在分布曲线上小于该粒径的试样质量占总质量的60%，mm;Cc为曲率系数，是反映粒径级配累计曲线的斜率是否连续的指标;d30为连续粒径，表示在分布曲线上小于该粒径的试样质量占总质量的30%，mm。

3.4 岩渣粒径分布函数拟合分析

对岩碴粒径分布进行分析，也可将实测岩碴筛分数据进行理论分布函数拟合，评价是否满足某种理论分布函数或模型。研究表明，无论是爆破开挖，还是TBM掘进，Rosin-Rammler 分布函数(简称R-R函数)均可以更好地描述岩碴粒径分布[21-22]。R-R函数表达式为

(5)

式中，R(Dp)为筛上残余质量百分比，%;De为特征粒径，即筛上累计筛余量为36.8%时对应的粒径，mm;参数n为均匀性系数，表示粒度分布范围宽窄程度，n值越小，粒度分布范围越宽。

通过线性回归分析[27]，可得到不同岩性的Rosin-Rammler分布函数拟合曲线，如图6所示。由图6可见，3种岩性条件下拟合相关系数均大于0.97，因此不同岩性条件下岩渣粒径分布均符合Rosin-Rammler函数，可采用Rosin-Rammler函数进行岩渣粒径分布参数计算。

A.Macias-Garcia[28]指出特征粒径为R-R函数平均粒径。可根据R-R函数拟合结果计算得到不同围岩条件下R-R函数平均粒径，见表6。

4 基于岩渣粒径分布参数的TBM刀具消耗规律分析

4.1 基于岩渣颗粒级配参数的刀具消耗分析

岩渣颗粒级配曲线反映了各个粒组的相对含量情况，是直观反映颗粒级配的表达形式，也是计算有关参数的重要依据。利用表5中列出的有关数据，可分析得到TBM刀具消耗与不均匀系数、曲率系数等岩渣粒径颗粒级配曲线参数之间的关系如图7，8所示。

由图7可见，① TBM刀具消耗与岩渣不均匀系数之间存在较好的二次函数关系；② 不均匀系数均大于5，表明岩渣颗粒的粒径分布不均匀，总体上属于级配良好;③ 当不均匀系数小于15时，不均匀系数越大，则岩渣粒径分布越广，岩粉、岩块、岩片等形状均存在，颗粒较细的岩粉很容易从滚刀两端滑动密封侵入，导致刀具出现偏磨;④ 然而，当不均匀系数大于15时，不均匀系数过大可能会缺失中间粒径，属于不连续级配，导致岩体切削程度不高，此时TBM刀具消耗降低。

由图8可见，TBM刀具消耗与岩渣曲率系数之间的拟合相关系数为0.565，说明2者之间总体上相关性不明显。根据前述分析可知，曲率系数可以反映颗粒级配曲线的连续性，曲率系数过大或者过小，表现为颗粒级配曲线出现台阶，即缺少某粒径颗粒。这一特性与TBM刀具消耗之间并无十分密切的联系。

4.2 基于岩渣粗糙度指数的刀具消耗分析

根据式(2)可知，粒径较大的片状岩渣含量越多而岩粉越少时，岩渣粗糙度指数就越大;相反，岩渣粗糙度指数就越小。利用表5中的有关数据，可分析得到TBM刀具消耗与岩渣粗糙度指数之间的关系，如图9所示。

由图9可见，TBM刀具消耗与岩渣粗糙度指数之间存在较好的二次函数关系，相关系数为0.870。当岩渣粗糙度指数小于450时，刀具消耗随粗糙度指数增大而增大，而岩渣粗糙度指数大于4.3时则相反。原因在于:① 由于软岩岩渣的小粒径岩渣和岩粉含量较高，导致粗糙度指数较小，且软岩的强度较低，相应的TBM刀具消耗较小;② 随着中等粒径的块状岩碴增多，粗糙度指数变大，TBM掘进时，块状岩渣容易引起刀圈断裂等非正常损坏，导致TBM刀具消耗增加;③ 随着大粒径片状岩渣增多，粗糙度指数增大，TBM掘进时所需能量消耗降低，破岩效率高，以正常磨损为主，刀具消耗随之降低。

4.3 基于平均粒径的刀具消耗分析

4.3.1 几何平均粒径

岩渣颗粒级配曲线反映了各个粒组的相对含量，利用筛分试验结果和颗粒级配曲线可得到岩渣几何平均粒径(表5)。利用表5中数据，可分析得到TBM刀具消耗与岩渣几何平均粒径之间的关系，如图10所示。

由图10可见，TBM刀具消耗与岩渣几何平均粒径之间存在较好的线性关系。TBM在坚硬围岩中掘进时，若节理裂隙或断层发育时，不规则的大块度或大直径岩渣较多，几何平均粒径相对较大。这些不规则形状的岩渣含量较高时，容易导致刀圈断裂等非正常损坏增加。因此，TBM在裂隙硬岩中掘进时，随几何平均粒径增大，刀具消耗增大。TBM在软岩中掘进时，岩粉等小粒径岩渣含量较高，几何平均粒径相对较小，TBM刀具消耗相对较低。

4.3.2 R-R函数平均粒径

在岩石破碎学研究领域，通常采用R-R函数分析机械破碎或爆破产生的岩渣粒径分布。R-R函数平均粒径也是可以反应岩渣粒径分布规律的重要参数。利用表6中的有关数据，可分析得到TBM刀具消耗与岩渣R-R函数平均粒径之间的关系，如图11所示。

由图11可见，与几何平均粒径类似，TBM刀具消耗与R-R函数平均粒径间呈较好的正相关性。R-R函数平均粒径越大，刀具消耗越严重。

4.4 基于不同形状岩渣含量的刀具消耗分析

TBM掘进过程中产生的岩渣，其形状既有片状的，也有块状和粉状的。片状岩渣一般尺寸较大，近似于椭圆形，而块状岩渣和粉状岩渣多呈立方体状或近似球形，岩渣尺寸相对较小。各类形状岩渣及其含量，是受TBM机械性能与岩体条件等因素综合影响的结果。兰州水源地工程选取的TBM1掘进段起止日期是2016年4月到2018年1月，根据地质日报记录，可对每天的出渣形状进行统计分析，得到不同掘进段岩渣不同形状的含量平均值，并对相应的刀具消耗进行统计见表7。

岩石坚硬程度是影响TBM掘进效率和岩渣形状的重要因素。根据《水利水电工程地质勘察规范》(GB 50487—2008)[22]，单轴饱和抗压强度≥60 MPa的围岩为硬岩，其他统称为软岩。表7列出了硬岩和软岩条件下不同形状岩渣含量对应的刀具消耗情况。由此，可以对硬岩和软岩条件下TBM刀具消耗与不同形状岩渣含量之间的关系进行分析，如图12,13所示。

由图12可见，硬岩条件下TBM刀具消耗与不同形状岩渣含量百分比之间均存在较好的相关性，相关系数均大于0.75。具体表现为:① 当片状岩渣含量大于40%时，随着片状岩渣含量增加，TBM刀具消耗迅速降低，说明在强度适中的硬岩(<150 MPa)中掘进时，TBM刀具破岩效率高，刀具以正常磨损为主;而当片状岩渣含量相对较低时，小粒径岩粉含量较多，容易从滚刀两端的滑动密封侵入导致偏磨等现象严重，此时TBM刀具消耗相对较高。② 随着块状岩渣含量的增加，岩块对挡圈不断进行摩擦和冲击，容易使挡圈断裂或脱落，造成滚刀的非正常损坏严重，从而使得TBM刀具消耗快速增加。③ 硬岩条件下TBM掘进产生的粉状岩渣含量总体上不高，一般不超过40%，这与硬岩的强度相对较高有关。然而，随着岩粉含量的增加，TBM破岩效率降低，TBM正常磨损严重，导致刀具消耗随之逐渐增大。

由图13可见，在软岩中掘进时，刀具消耗与片状、粉状岩渣含量之间的相关性较差，与块状岩渣含量之间的相关性相对较好，且随块状岩渣含量增加呈上升趋势。这与硬岩条件下TBM刀具消耗与块状岩渣含量之间的关系类似。

需要指出的是，在兰州水源地建设工程输水隧洞TBM施工过程中，泥质砂岩等软岩段围岩类别复杂，稳定性较差。TBM在穿越复杂地质条件时，滚刀切割剥落的部分岩渣未进入铲板，导致后续滚刀继续对其产生碰撞、磨蚀，造成岩渣重复破碎以及刀具二次磨损[29]。重复破碎导致片状岩渣减少，粉状岩渣数量增加，二次磨损导致刀具消耗增加。因此，对于软岩掘进段，岩渣重复破碎以及刀具二次磨损导致TBM刀具消耗规律与片状、粉状岩渣含量与不明显。

5 结 论

(1)TBM刀具消耗规律与岩体地质条件密切相关，Ⅱ类和Ⅳ类围岩中，TBM刀具消耗明显高于Ⅲ类围岩。

(2)TBM刀具消耗与岩渣曲率系数相关性较差，而与不均匀系数和粗糙度指数存在良好的二次函数拟合关系，相关性系数大于0.87。当岩渣粗糙度指数大于430时，TBM刀具消耗随粗糙度指数增大减小。

(3)岩渣粒径分布规律符合Rosin-Rammler 函数分布，且TBM刀具消耗与岩渣几何平均粒径以及R-R函数平均粒径之间呈正相关性，其相关系数均大于0.8。

(4)硬岩条件下，TBM刀具消耗总体上随片状岩渣含量增加而降低，当片状岩渣含量低于40%时，TBM刀具消耗减少速率慢;当块状岩渣含量低于40%时，TBM刀具消耗增长速率慢;软岩条件下，由于岩渣重复破碎以及刀具二次磨损等原因，导致TBM刀具消耗规律与不同形状岩渣含量之间的规律不明显。

参考文献(References):

[1] BRULAND A.Hard rock tunnel boring[D].Trondheim:Norwegian University of Science and Technology,1998.

[2] WANG Jinhua.Development and prospect on fully mechanized mining in Chinese coal mines[J].International Journal of Coal Science & Technology,2014,1(3):253-260.

[3] 龚秋明.掘进机隧道掘进概论[M].北京:科学出版社,2014.

[4] 杨宗金,薛亚东,张东梅.TBM掘进机性能预测模型研究[J].现代隧道技术,2016,53(S2):528-534.

YANG Zongjin,XUE Yadong,ZHANG Dongmei.TBM performance prediction model[J].Modern Tunneling Technology,2016,53(S2):528-534.

[5] 李凯磊.TBM刀具消耗分析研究[D].石家庄:石家庄铁道大学,2015.

LI Kailei.Research on TBM disc cutter consumption analysis[D].Shijiazhang:Shijiazhuang Tiedao University,2015.

[6] 杜立杰，纪珊珊，左立富，等.巨斑状花岗岩条件下TBM大直径盘形滚刀磨耗规律[J].煤炭学报,2015,40(12):2974-2978.

DU Lijie,JI Shanshan,ZUO Lifu,et al.Wear and consumption of large diameter disc cutters for hard rock TBM under giant porphyritic granite[J].Journal of China Coal Society,2015,40(12):2974-2978.

[7] 杨宏欣.浅谈隧道施工中TBM滚刀失效及刀具管理[J].建筑机械化,2007(12):60-62.

YANG Hongxin.Briefly talking about TBM cutter management in constructing tunnel[J].Construction Mechanization,2007(12):60-62.

[8] FRENZEL C,KASLING H,THURO K.Factors influencing disc cutter wear[J].Geomechanik and Tunnelbau,2008,1(1):55．

[9] YANG J H,ZHANG X P,JI P Q,et al.Analysis of disc cutter damage and consumption of TBM1 section on water[J].Tunnelling and Underground Space Technology,2019,85:67-75.

[10] 杨媛媛,黄宏伟.围岩分类TBM滚刀寿命预测中的应用[J].地下空间与工程学报,2005,1(5):721-724.

YANG Yuanyuan,HUANG Hongwei.Application of rock mass classification in cutter life prediction of TBM[J].Chinese Journal of Underground Space and Engineering,2005,1(5):721-724.

[11] 闫长斌,姜晓迪,杨继华,等.考虑地质适宜性和滚刀直径的TBM刀具消耗预测[J].隧道建设,2018,38(7):1243-1250.

YAN Changbin,JIANG Xiaodi,YANG Jihua,et al.Prediction of TBM cutter consumption considering geological suitability and disc cutter diameter[J].Tunnel Construction,2018,38(7):1243-1250.

[12] 周振国.岩渣观测对硬岩TBM施工的指导意义[J].现代隧道技术,2002,39(3):13-16.

ZHOU Zhenguo.Significance of ock debris observation to TBM construction in hard rock[J].Modern Tunneling Technology,2002,39(3):13-16.

[13] RISPOLI A,FERRERO A M,CARDU M,et al.Determining the particle size of debris from a tunnel boring machine through photographic analysis and comparison between excavation performance and rock mass properties[J].Rock Mechanics Rock Engineering,2017(50):2805-2816.

[14] RISPOLI A,FERRERO A M.Hard rock TBM performance:Preliminary study based on an exploratory tunnel in the Alps[A].Rock Mechanics and Rock Engineering:From the Past to the Future[C].London:Taylor & Francis Group,2016:469-474.

[15] HO Y J,SEOKWON J.Characteristic of size distribution rock chip produced by rock cutting with a pick cutter[J].Geomechanics and Engineering,2018,15(3):811-822.

[16] 陈文莉,福井胜则,大久保诚介.关于掘进机械破碎岩片的研究[J].岩石力学与工程学报,2003,22(6):1037-1043.

CHEN Wenli,FUKUI Katsunori,OKUBO Seisuke.Study on the detritus from different excavation machines and methods[J].Chinese Journal of Rock Mechanics and Engineering,2003,22(6):1037-1043.

[17] 宋克志,季立光,袁大军,等.盘形滚刀切割岩渣粒径分布规律研究[J].岩石力学与工程学报,2008,27(S1):3016-3022.

SONG Kezhi,JI Liguang,YUAN Dajun,et al.Research on distribution regularities of grain size of rock detritus from discoid cutters[J].Chinese Journal of Rock Mechanics and Engineering,2008,27(S1):3016-3022.

[18] AYDIN Shaterpour-Mamaghani,NUH Bilgin.Some contributions on the estimation of performance and operational parameters of raise borers-A case study in Kure Copper Mine,Turkey[J].Tunnelling and Underground Space Technology,2016,54:37-48.

[19] 闫长斌,姜晓迪,刘章恒,等.基于岩碴粒径分布规律的TBM破岩效率分析[J].岩土工程学报,2019,41(3):466-474.

YAN Changbin,JIANG Xiaodi,LIU Zhangheng,et al.Rock breaking efficiency of TBM based on particle-size distribution of rock detritus[J].Chinese Journal of Geotechnical Engineering,2019,41(3):466-474.

[20] GERTSCH L,FJELD A,NILSEN B,et al.Use of TBM muck as construction material[J].Tunnelling and Underground Space Technology,2000,15(4):379-402.

[21] 闫长斌,杜旭阳,戴晓亚,等.基于围岩力学参数的 TBM 净掘进速率多元回归预测模型[J].隧道建设,2019,39(1):48-53.

YAN Changbin,DU Xuyang,DAI Xiaoya,et al.Multiple regression prediction model for TBM net boring rate based on mechanical parameters of surrounding rock[J].Tunnel Construction,2019,39(1):48-53.

[22] 中华人民共和国国家标准编写组.水利水电工程地质勘察规范(GB50487—2008)[S].北京:中国计划出版社,2009.

[23] 孙金山,卢文波,苏利军,等.基于TBM掘进参数和渣料特征的岩体质量指标辨识[J].岩土工程学报,2008,30(12):1847-1854.

SUN Jinshan,LU Wenbo,SU Lijun,et al.Rock mass rating identification based on TBM performance parameters and muck characteristics[J].Chinese Journal of Geotechnical Engineering,2008,30(12):1847-1854.

[24] TUNCDEMIR H,BILGIN N,COPUR H.Control of rock cutting efficiency by muck size[J].International Journal of Rock Mechanics & Mining Sciences,2008,45(2):278-288.

[25] ROXBOROUGH F F,RISPIN A.The mechanical cutting characteristics of the lower chalk[J].Tunnels,1973,(5):45-67.

[26] 龚秋明,周小雄,殷丽君,等.基于线性切割试验渣片分析的滚刀破岩效率研究[J].隧道建设,2017,37(3):363-368.

GONG Qiuming,ZHOU Xiaoxiong,YIN Lijun,et al.Study of rock breaking efficiency of TBM disc cutter based on chips analysis of linear cutting test[J].Tunnel Construction,2017,37(3):363-368.

[27] IVAN B,FRIDRICH Z.Improving the effectivity of work with Rosin-Rammler diagram by using MATLAB GUI tool[J].Acta Montanistica Slovaca,2010,15(2):152-157.

[28] MACIAS A,CUERDA E M,DIAZ M A.Application of the Rosin-Rammler and Gates-Gaudin-Schuhmann models to the particle size distribution analysisi of agglomerated cork[J].Materials Characterization,2004 52(2):159-164.

[29] 张厚美.TBM 盘形滚刀重复破碎与二次磨损规律研究[J].隧道建设,2016,36(2):131-136.

ZHANG Houmei.Study on relationship between repeated cutting and secondary wear of TBM disc cutter[J].Tunnel Construction,2016,36(2):131-136.

Analysis on TBM cutter consumption based on the particle size distribution of rock debris

YAN Changbin1，FAN Minghui1，CHEN Kui2，YANG Yandong2,ZHANG Bing2，YANG Jihua3

(1.School of Civil Engineering，Zhengzhou University，Zhengzhou 450001，China; 2.State Key Laboratory of Shield Machine and Boring Technology，Zhengzhou 450001，China; 3.Yellow River Engineering Consulting Co.,Ltd.，Zhengzhou 450003，China)

Abstract:The rock debris is produced by rock-machine interaction during TBM excavation.The rock debris and its particle size distribution are crucial and effective indexes to evaluate TBM geological adaptability,tunneling efficiency and cutter consumption.In terms of the problem of cutter consumption evaluation of double shield TBM in water conveyance tunnel of Lanzhou water source construction project,the in-situ measurement and screening tests of TBM rock debris for different rock mass conditions were carried out.The measured data of rock debris particle size distribution were statistically analyzed and fitted with the theoretical distribution function.The characteristics of TBM cutter consumption was summarized.On above basis,the relationships between TBM cutter consumption under different rock mass conditions and some particle size distribution parameters of rock debris,i.e.coarse index (CI),particle gradation coefficient and category ratio were discussed.The results show that the cutter consumption is closely related to rock mass and geological conditions.The higher the rock strength and abrasiveness,the more the cutter consumption.TBM cutter consumption in the surrounding rocks of class II and IV is significantly higher than that in the surrounding rocks of class III.The cutter diameter has a certain influence on the cutter consumption,large diameter cutters can reduce the consumption under the same surrounding rock conditions.For different lithology conditions,the particle size distribution of rock debris is uneven,which is generally well graded.The particle size distribution of rock debris conforms to the Rosin-Rammler function,and the Rosin-Rammler function can be used to calculate the particle size distribution parameters of rock debris.The correlation between cutter consumption and rock debris curvature coefficient is not obvious,while there is a good quadratic function relationship between cutter consumption and rock debris inhomogeneity coefficient,and the correlation coefficient is 0.875.Meanwhile,there is a significant quadratic function relationship between cutter consumption and the coarse index of rock debris,and the correlation coefficient is 0.87.When the coarse index is higher than 430,the higher the coarse index of rock debris is,the higher the TBM tunneling efficiency is,and the smaller the cutter consumption is.The cutter consumption is positively proportional to the average particle size of rock debris including geometric average particle size and R-R function average particle size,and the correlation coefficients are 0.84.The cutter consumption is closely related to the proportion of debris shape and its content.The higher the rock chip content is,the smaller the cutter consumption is.When the content of flaky debris is more than 40%,the decrease rate of cutter consumption decreases faster.When the content of rock blocks and powder increase,the cutter consumption also increase.When the content of block debris is more than 40%,the increase rate of cutter consumption is faster.The research results establish an effective relationship between TBM tool consumption and rock slag particle size distribution.

Key words:TBM construction;cutter consumption;rock debris;particle size distribution;Rosin-Rammler function;coarse index;particle gradation

闫长斌，樊明辉，陈馈，等.基于岩渣粒径分布规律的TBM刀具消耗分析[J].煤炭学报,2020,45(12):4216-4227.

YAN Changbin，FAN Minghui，CHEN Kui,et al.Analysis on TBM cutter consumption based on the particle size distribution of rock debris[J].Journal of China Coal Society,2020,45(12):4216-4227.

中图分类号:U455.3

文献标志码:A

文章编号:0253-9993(2020)12-4216-12

收稿日期:2019-10-29

修回日期:2020-03-14

责任编辑:常 琛

DOI:10.13225/j.cnki.jccs.2019.1474

基金项目:国家自然科学基金资助项目(41972270);河南省重点研发与推广专项资助项目(182102210014);盾构及掘进技术国家重点实验室开放基金资助项目(SKLST-2019-K06)

作者简介:闫长斌(1979—)，男，河南濮阳人，教授，博士。Tel:0371-67781680，E-mail:yanchangbin_2001@163.com