• 터널과지하공간
• /
• 제22권2호
• /
• pp.144-156
• /
• 2012

본 논문에서는 TBM의 굴진성능 평가를 위한 실내시험 중 하나인 압입시험의 시험과 결과 분석방법에 대하여 연구하였다. 압입시험은 암석의 굴진저항 및 취성도를 나타내는 여러 지수들을 산정하고 이를 통해 TBM의 굴진율 및 추력을 직접적으로 추정할 수 있는 유용한 실험으로 알려져 있으나 국내에서는 아직 관련된 연구가 수행된 바 없으며 규격화된 시험방법이나 결과해석방법 역시 제시되지 못하고 있는 실정이다. 본 연구에서는 압입시험의 시험 장비를 재구성하여 제작하였고 다양한 조건에 대하여 시험을 수행하여 합리적인 시험방법과 시편의 크기에 대하여 고찰하였다. 또한 국내의 6개 암종에 대하여 압입시험을 수행하고 하중지수의 산정방법에 대하여 연구하였으며 하중지수로써 PLI와 MLI를 제안하였다. 본 연구에서 제안된 지수인 PLI와 MLI는 동일한 암종을 대상으로 수행된 선형절삭시험결과와 밀접한 상관관계를 보였으며 하중지수를 통해 개략적으로 예측된 단일 디스크커터의 수직하중은 실험값과 10% 오차를 보였다. 압입시험은 TBM의 성능예측을 위한 유용한 실험법임을 확인할 수 있었으며 본 연구는 이를 위한 기초연구로서 그 활용도가 높을 것으로 기대된다.

• 한국터널지하공간학회 논문집
• /
• 제22권5호
• /
• pp.501-513
• /
• 2020

TBM 터널굴착에서 실질적으로 지반을 굴착하는 역할을 하는 부분인 커터헤드 설계 시, 커터 관입깊이와 커터 간격을 달리하여 커터절삭 시험 시 최소 비에너지에서의 커터간격을 반영하고 있으나, 암반 조건에 따라서 동일한 커터 관입깊이에서의 최적 커터간격이 달라지기 때문에 최적 커터간격을 설정하는 연구가 활발히 진행되어야 한다. 이러한 비선형적인 커터 관입깊이와 커터 간격의 관계에서 커터 관입깊이에 따른 최적 커터간격을 예측하기 위해 머신러닝 기법인 의사결정나무 기반 랜덤 포레스트 회귀 모델과 SVM 회귀모델을 이용하여 커터 관입깊이에 따른 최적 커터 간격을 예측하였다. 랜덤 포레스트 분석기법은 SVM 분석기법보다 데이터 개수에 더 큰 영향을 받기 때문에 커터 관입깊이에 따른 최적 커터간격비의 예측에 SVM이 더 정확한 예측을 하였다. 데이터가 많이 축적되면 SVM 회귀모델이 보다 더 정확한 예측값으로 커터헤드 설계 시 커터간격을 설정하는데 효율적으로 사용될 수 있을 것으로 판단된다.