Monitor-While-Drilling-based estimation of rock mass rating with computational intelligence: The case of tunnel excavation front

Galende, Marta; Menéndez, María del Carmen Rodríguez; Fuente, José Luis de la; Sainz-Palmero, G.I.

doi:10.1016/j.autcon.2018.05.019

Cited by 50 publications

(17 citation statements)

References 38 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Es gibt zahlreiche Untersuchungen des Potenzials von MWD-Daten zur Bewertung des Gebirges in der Literatur, z. B. zur Ableitung von Gebirgsparametern wie RQD und RMR [2][3][4][5] und zur Schätzung der Festigkeit des intakten Gesteins [6]. Von besonderer Bedeutung für die Injektionsoptimierung ist das Vorhandensein durchlässiger Strukturen, welche große Mengen von Injektionsmaterial aufnehmen und die Abbruchkriterien beeinflussen können.…”

Section: Measurement While Drillingunclassified

Die künstliche Intelligenz im Einsatz zur adaptiven Planung von Injektionsmaßnahmen im Tunnelbau (Forschungsprojekt AVANT)

Villeneuve

Wenighofer

Könemann³

et al. 2021

Berg Huettenmaenn Monatsh

View full text Add to dashboard Cite

ZusammenfassungFür Vortriebe können Injektionen zur Baugrundverbesserung sowie zur Abdichtung des Tunnelbauwerks erforderlich sein. Häufig schränken diese Maßnahmen die Vortriebsgeschwindigkeit gravierend ein, weswegen deren effiziente Vorausplanung bedeutsam ist. Injektionen eignen sich bei wechselhaften Bedingungen besonders, weil sie mit vergleichsweise einfachen Baugeräten flexibel durchgeführt werden können. Zusätzlich ermöglicht die Flexibilität ein fortwährendes Anpassen der Bohr- und Injektionsparameter während der Durchführung. Dies kann die regelmäßige Anpassung des Bohrschemas, der -länge sowie der Injektionsparameter, des Injektionsmaterials und Abbruchkriteriums bedeuten.Die Möglichkeit maschinenbasierter, datengetriebener Maßnahmen mittels künstlicher Intelligenz (KI) wird im Forschungsprojekt AVANT untersucht. Ein Forschungskonsortium, bestehend aus den deutschen Partnern STUVA e. V., geoteam Ingenieurges. m.b.H. und den österreichischen Partnern eguana GmbH, Montanuniversität Leoben und Züblin Spezialtiefbau Ges.m.b.H., nimmt sich dieser Aufgabe an.Digitale Systeme zur Datenaufzeichnung sind nun auch im Bereich der Bohr- und Injektionstechnologie vorzufinden. Diese Systeme werden derzeit vorwiegend in der Dokumentation im Rahmen des Qualitätsmanagements eingesetzt. Im Projekt AVANT werden diese Daten untersucht, um einen effizienteren und somit wirtschaftlicheren Vortrieb sowie deren begleitende Injektionsmaßnahmen zu ermöglichen. Die zentrale Idee ist die Prozessierung der Bohr- und Injektionsdaten auf der Baustelle untertage sowie deren Einbindung im nachfolgenden Bauprozess, anstatt sie wie üblich ausschließlich zu Dokumentationszwecken zu archivieren. Konkret sollen die einzelnen Prozessschritte in eine dynamische echtzeitfähige Verarbeitung eingebettet werden. Dazu werden Methoden der künstlichen Intelligenz auf Bohr- und Injektionsdaten angewandt.Im vorliegenden Beitrag wird das Konzept des Projekts AVANT erläutert, und es werden erste Ergebnisse aus den Aufbereitungen der Datenquelle entsprechend den Algorithmen der künstlichen Intelligenz und deren Einschränkungen dargelegt. Der Beitrag beleuchtet tiefer gehend die nötige Grundlagenarbeit, um die Daten für die Prozessierung aufzubereiten und sie in eine KI-Trainingsumgebung zu überführen.

show abstract

Section: Measurement While Drillingunclassified

Die künstliche Intelligenz im Einsatz zur adaptiven Planung von Injektionsmaßnahmen im Tunnelbau (Forschungsprojekt AVANT)

Villeneuve

Wenighofer

Könemann³

et al. 2021

Berg Huettenmaenn Monatsh

View full text Add to dashboard Cite

show abstract

“…For example, Wang et al [ 19 ] used the extreme gradient boosting (XGBoost) algorithm to establish a model for predicting the level of the rock around the TBM. Galende-Hernández et al [ 20 ] considered the rotation speed and penetration rate to perform the unsupervised clustering of geology and predict the rock mass rating (RMR). Culí et al [ 21 ] considered the cutting wheel torque, penetration rate, and other parameters to assess the surrounding hydrological characteristics.…”

Section: Introductionmentioning

confidence: 99%

Prediction of Geological Parameters during Tunneling by Time Series Analysis on In Situ Data

Liu

Yang

Cai

et al. 2021

Computational Intelligence and Neuroscience

View full text Add to dashboard Cite

A tunnel boring machine (TBM) is a type of heavy load equipment that is widely used in underground tunnel construction. The geological conditions in the tunneling process are decisive factors that directly affect the control of construction equipment. Because TBM tunneling always takes place underground, the acquisition of geological information has become a key issue in this field. This study focused on the internal relationships between the sequential nature of tunnel in situ data and the continuous interaction between equipment and geology and introduced the long short-term memory (LSTM) time series neural network method for processing in situ data. A method for predicting the geological parameters in advance based on TBM real-time state monitoring data is proposed. The proposed method was applied to a tunnel project in China, and the R2 of the prediction results for five geological parameters are all higher than 0.98. The performance of the LSTM was compared with that of an artificial neural network (ANN). The prediction accuracy of the LSTM was significantly higher compared with that of the ANN, and the generalization and robustness of LSTM are also better than those of ANN, which indicates that the proposed LSTM method could extract the sequence properties of the in situ data. The rule of equipment-geology interaction was reflected by increasing the memory structure of the model through the introduction of the “gate” concept, and the accurate prediction of geological parameters during tunneling was realized. Additionally, the influence of time window and distance of prediction on the model is discussed. The proposed method provides a new approach toward obtaining geological information during TBM construction and also provides a certain reference for the effective analysis of the in situ data with sequence properties.

show abstract

“…In recent decades, advanced measure-while-drilling (MWD) technology has been rapidly developed to create the opportunities to assess the geological conditions ahead of a tunnel face in broad tunneling projects [24][25][26][27]. The MWD technology can therefore be considered a robust technique for detailed characterization of large rock masses, provided that the raw data are treated properly and effective analysis is applied.…”

Section: Introductionmentioning

confidence: 99%

Application of Specific Energy in Evaluation of Geological Conditions Ahead of Tunnel Face

Liu

Sakaguchi²,

Ishizu

et al. 2020

Energies

View full text Add to dashboard Cite

In underground construction, especially tunnel building, a detailed knowledge of the geological conditions ahead of the tunnel face is essential for both safety and efficiency of work. Many tunnel collapses have been reported to occur because of a lack of accurate evaluation of the geological conditions. While conventional horizontal boring conducted from a tunnel face provides good accuracy, it is infrequently conducted due to its high cost and time-consuming nature. In addition, the tunnel seismic reflection method has limited practicality owing to the complexity of data processing. This paper presents a new approach based on the specific energy of the mechanical drilling rig to evaluate the geological conditions ahead of the tunnel face. In order to assess the geological conditions, rock mass quality index, buried depth of the tunnel and tunnel deformation investigation were undertaken, and the obtained data were compared to the specific energy. Results from the comparison reveal the evaluation criterion that if the distribution of specific energy in some areas deviates from the distribution of buried depth, it is considered that abnormal geological conditions exist in this area. This work can greatly contribute to the accurate and effective evaluation of the geological conditions ahead of the tunnel face.

show abstract

Monitor-While-Drilling-based estimation of rock mass rating with computational intelligence: The case of tunnel excavation front

Cited by 50 publications

References 38 publications

Die künstliche Intelligenz im Einsatz zur adaptiven Planung von Injektionsmaßnahmen im Tunnelbau (Forschungsprojekt AVANT)

Die künstliche Intelligenz im Einsatz zur adaptiven Planung von Injektionsmaßnahmen im Tunnelbau (Forschungsprojekt AVANT)

Prediction of Geological Parameters during Tunneling by Time Series Analysis on In Situ Data

Application of Specific Energy in Evaluation of Geological Conditions Ahead of Tunnel Face

Contact Info

Product

Resources

About