• 한국터널지하공간학회 논문집
• /
• 제18권3호
• /
• pp.257-272
• /
• 2016

TBM으로 터널 시공 중 막장면에서 갑작스럽게 문제가 발생하는 경우 공간적인 제한 때문에 NATM공법으로 시공되는 터널에 비해서 적절한 대처를 하기가 어렵다. TBM으로 터널 시공 중에 막장전방의 지반상태를 예측하는 것은 매우 중요하기 때문에 탄성파, 전자기파 등을 이용하여 TBM 면판 전방의 지반상태를 예측하는 연구 및 기술개발이 이루어졌다. 대부분의 TBM 현장에서는 공사기간 및 비용을 고려하여 1개의 막장전방 예측기법을 적용한다. 그러나 막장전방 예측기법의 종류에 따라서 탐사심도, 적용 가능한 지질조건, 예측할 수 있는 대상, 예측 정확도 등이 다르다. 복합적인 지질조건에 위치한 TBM 터널 시공 시에는 여러 가지 막장전방 예측기법을 적용하는 것이 막장 전방의 지질 조건을 정확하게 예측할 수 있을 것으로 판단된다. 여러 가지 막장전방 예측기법을 동시에 적용하였을 경우 각각의 기법으로부터 얻어진 지반상태는 다른 결과를 나타낼 수 있다. 따라서 본 연구에서는 각각의 막장전방 예측기법으로부터 얻어진 막장전방의 지반상태를 종합적으로 평가하기 위한 방법을 제안하였다. 확률론적 분석과 계층분석기법을 이용하여 막장전방의 지반 상태를 종합적으로 평가할 수 있는 통합 모델을 제시하였다. 또한 본 연구에서 제안한 모델을 가상의 지반에 적용하여, 종합적으로 지반 상태를 평가할 수 있음을 확인하였다.

• 한국터널지하공간학회 논문집
• /
• 제26권1호
• /
• pp.1-17
• /
• 2024

터널 굴착으로 인한 지반의 거동 분석은 대변형 영역의 거동을 고려해야 한다. 따라서 본 논문에서는 TBM 터널 굴착으로 인한 주변 지반에 대한 영향을 실제 현장 조건과 동일 조건에서 분석하기 위하여 대변형 유한요소 해석을 수행하였다. 지반의 대변형 거동을 모사하고 예측함에 있어 가장 널리 활용되는 두 가지 해석 기법 - coupled Eulerian Lagrangian (CEL)과 auto-remeshing (AR) 기법 - 을 적용하여 TBM 굴착 과정을 모사하였고 그에 따른 주변 지반에 발생하는 손상영역의 범위를 예측하였다. 굴착손상영역의 범위는 두 기법을 통해 도출된 결과와 굴착손상영역을 정의하는 실험적인 기준을 종합하여 추정하였다. 해석 결과, 두 대변형 해석 기법을 이용하여 도출된 굴착손상영역은 서로 비슷한 크기로 수렴하였고, 기존 연구의 실험 및 계측을 통해 확인된 굴착손상영역 크기와 모양, 경향과도 일치하는 것으로 나타났다. 굴착 되는 지반의 RMR 등급이 좋을수록 굴착손상영역의 크기는 더 커지고, 터널의 직경과는 정비례하는 것으로 나타났다. 반면에, 터널의 심도가 깊을수록 지반의 구속압이 커져서 굴착손상영역은 상대적으로 작게 형성되는 것으로 확인되었다.

• Structural Engineering and Mechanics
• /
• 제45권3호
• /
• pp.337-354
• /
• 2013

For shield TBM (Tunnel Boring Machine) tunnel lining, the segment joint is the most critical component for determining the mechanical response of the complete lining ring. To investigate the mechanical behavior of the segment joint in a water conveyance tunnel, which is different from the vehicle tunnel because of the external loads and the high internal water pressure during the tunnel's service life, full-scale joint tests were conducted. The main advantage of the joint tests over previous ones was the definiteness of the loads applied to the joints using a unique testing facility and the acquisition of the mechanical behavior of actual joints. Furthermore, based on the test results and the theoretical analysis, a mechanical model of segment joints has been proposed, which consists of all important influencing factors, including the elastic-plastic behavior of concrete, the pre-tightening force of the bolts and the deformations of all joint components, i.e., concrete blocks, bolts and cast iron panels. Finally, the proposed mechanical model of segment joints has been verified by the aforementioned full-scale joint tests.

• 한국터널지하공간학회 논문집
• /
• 제25권4호
• /
• pp.285-303
• /
• 2023

도심지 인프라 조성과 효율적인 공간 활용을 위하여 지하 공간 구축에 대한 관심이 증가하고 있다. 지하공간의 대표적인 활용방법으로는 터널이 있으며, 도로 터널 외에도 전력구 및 공동구와 같은 유틸리티 터널에 대한 건설도 점차 증가하고 있는 실정이다. 현행의 기본적인 터널 공법은 NATM (New Austrian Tunnelling Method)과 TBM (Tunnel Boring Machine)으로 구분할 수 있다. NATM 방식은 신뢰성 있는 공법이긴 하나 발파작업에 따른 진동 및 소음이 수반된다. TBM 굴착공법의 경우 공사 기간과 공사비 부분에서 불리한 측면이 있지만, 적정한 보완 방법들을 도입하면 경제성의 제고가 가능하다. 본 연구에서는 방호쉴드 공법을 이용하여 TBM 선행 굴착 후 NATM 방식으로 발파를 수행하는 공법을 개발하였다. 이는 각 터널 공법의 단점들을 보완한 형태로 공기 및 공사비 절감, 발파 진동 및 소음 등의 저감이 기대되는 방법이다. 개발 공법의 성능을 검토하기 위하여 방호쉴드 축소 모형을 적용한 방호쉴드의 성능평가 실험을 수행하였으며, 방호쉴드 공법의 발파진동 영향 등을 분석하였다.

• 한국터널지하공간학회 논문집
• /
• 제25권6호
• /
• pp.403-421
• /
• 2023

도심지 내 지하구조물 개발의 필요성이 증가함에 따라, TBM 터널 시공 중 터널 굴진면 전방예측에 대한 연구가 꾸준하게 진행되고 있다. 본 연구에서는 TBM 터널 굴착 중 복합지반을 조우하는 상황을 모사한 유한요소(finite element) 수치해석 모델을 개발하였다. 개발된 수치해석 모델은 이론해와 실내실험으로부터 측정된 전기 비저항 결과값과의 비교를 통해 그 성능을 검증하였다. 이후 실제 터널의 형상과 지반조건, 측정전극의 배열 조건 등 전기 비저항 탐사에 대한 영향 변수를 설정하고 이에 따른 매개변수 해석을 수행하였다. 그 결과, 복합지반 내 경계면의 경사가 가파를수록, 복합지반을 구성하는 두 지반 사이의 전기 비저항 차이가 클수록, TBM 굴착 중 전기 비저항 측정값이 더 급격하게 변화함을 확인하였다. 또한, 보다 효율적이고 정확한 복합지반 예측을 위해 적절한 전극 간격 및 전극 배열 위치 선정의 중요성을 제고하였다. 결론적으로, 본 연구에서 개발된 수치해석 모델을 통한 터널 막장면 전방 복합지반 예측은 TBM 터널 시공 과제의 구조적 안정성과 경제적 효율성 증대에 이바지할 것으로 사료된다.

• 한국터널지하공간학회 논문집
• /
• 제23권1호
• /
• pp.13-24
• /
• 2021

암반 및 연약지반을 포함한 다양한 지반 조건에서 TBM (Tunnel Boring Machine) 터널링이 활용되고 있다. 굴착 성능을 높이기 위해서 지반 조건에 따라 최적으로 장비를 운영해야 하며, 이를 통해 공기단축을 통한 비용 절감 효과를 기대할 수 있다. 하지만 시추 조사를 통해 획득한 지반 정보는 시추공 사이 불확실성이 존재하므로, 실시간 최적 운전에 부족함이 있다. 본 연구에서는 지반의 불확실성 문제를 해결하고자 5초마다 기록된 TBM 데이터를 활용하여 굴착 지반 예측시스템을 구축하고자 한다. 싱가포르 현장에서 획득한 화강암의 풍화도를 고려하여 암반, 토사, 복합지반 세 가지로 지질로 재분류하였고, 실시간으로 도출되는 기계 데이터로 이를 예측하고자 한다. 현장에서 획득한 TBM 데이터에 대해 이상치 제거, 정규화, 특성 추출 등의 전처리 방법을 적용하였고, 지질을 분류하기 위해 6개의 은닉층을 가진 심층 신경망(Deep Neural Network, DNN)을 활용하였다. 10겹 교차검증을 통해 분류 시스템을 평가한 결과, 평균 75.4%의 정확도를 확인하였다(총 데이터 388,639개). 본 연구를 통해 지질 불확실성을 감소시키고, 지반 조건에 따른 실시간 최적 운전에 도움이 될 것으로 판단된다.

• Geomechanics and Engineering
• /
• 제14권5호
• /
• pp.479-489
• /
• 2018

In this paper, a comparative study of the effects of soil modelling on the interaction between tunnelling in soft soil and adjacent piled structure is presented. Several three-dimensional finite element analyses are performed to study the deformation of pile caps and piles as well as tunnel internal forces during the construction of an underground tunnel. The soil is modelled by two material models: the simple, yet approximate Mohr Coulomb (MC) yield criterion; and the complex, but reasonable hardening soil (HS) model with hyperbolic relation between stress and strain. For the former model, two different values of the soil stiffness modulus ($E_{50}$ or $E_{ur}$) as well as two profiles of stiffness variation with depth (constant and linearly increasing) were used in attempts to improve its prediction. As these four attempts did not succeed, a hybrid representation in which the hardening soil is used for soil located at the highly-strained zones while the Mohr Coulomb model is utilized elsewhere was investigated. This hybrid representation, which is a compromise between rigorous and simple solutions yielded results that compare well with those of the hardening soil model. The compared results include pile cap movements, pile deformation, and tunnel internal forces. Problem symmetry is utilized and, therefore, one symmetric half of the soil medium, the tunnel boring machine, the face pressure, the final tunnel lining, the pile caps, and the piles are modelled in several construction phases.

• Geomechanics and Engineering
• /
• 제29권3호
• /
• pp.249-258
• /
• 2022

A disc cutter is an excavation tool on a tunnel boring machine (TBM) cutterhead; it crushes and cuts rock mass while the machine excavates using the cutterhead's rotational movement. Disc cutter wear occurs naturally. Thus, along with the management of downtime and excavation efficiency, abrasioned disc cutters need to be replaced at the proper time; otherwise, the construction period could be delayed and the cost could increase. The most common prediction models for TBM performance and for the disc cutter lifetime have been proposed by the Colorado School of Mines and Norwegian University of Science and Technology. However, design parameters of existing models do not well correspond to the field values when a TBM encounters complex and difficult ground conditions in the field. Thus, this study proposes a series of machine learning models to predict the disc cutter lifetime of a shield TBM using the excavation (machine) data during operation which is response to the rock mass. This study utilizes five different machine learning techniques: four types of classification models (i.e., K-Nearest Neighbors (KNN), Support Vector Machine, Decision Tree, and Staking Ensemble Model) and one artificial neural network (ANN) model. The KNN model was found to be the best model among the four classification models, affording the highest recall of 81%. The ANN model also predicted the wear rate of disc cutters reasonably well.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2008년도 춘계 학술발표회 초청강연 및 논문집
• /
• pp.803-812
• /
• 2008

Along with the increasing demand for automatic and mechanical tunnel excavation methods in Korea, the Tunnel Boring Machine (TBM) method of tunnel excavation has become increasingly popular. However, in spite of this rising demand, few studies have been performed on the TBM method, in Korea. For this reason, this study focused on evaluation of the applicability of TBM performance prediction models based on field data in order to contribute to the basic and essential parts of TBM designation and the TBM method of tunnel excavation in Korea. These rock properties can be defined as the mechanical and physical factors of rock that have an influence on a disc cutter's ability to cut rock, and provide information for the evaluation of the applicability of field data. Based on outcomes from these tests, applicability of the prediction model was evaluated and the predicted performance of a TBM was compared with real field data obtained from four different TBM construction sites in Korea.

• 한국터널지하공간학회 논문집
• /
• 제26권1호
• /
• pp.39-58
• /
• 2024

TBM (Tunnel boring machine)은 터널 굴착 과정에서 여러 디스크 커터를 이용하여 암석을 절삭한다. 디스크 커터는 암석과의 지속적인 접촉과 마찰로 인해 마모된다. 디스크 커터의 표면이 마모되면 절삭 능력이 감소하고 굴착 효율이 떨어진다. 암석의 마모성은 디스크 커터 마모에 큰 영향을 미친다. 높은 마모도를 가진 암석은 커터에 더 큰 마모를 일으키며, 이는 디스크 커터의 수명을 단축시킨다. 세르샤 마모지수(Cerchar abrasivity index, CAI)는 암석의 마모성을 평가하는데 널리 사용되는 지표로 CAI는 암석의 마모특성을 나타내며, 디스크 커터의 수명과 성능 예측에 필수적인 요소로 인식되고 있다. 본 연구의 목적은 암석의 강도, 암석학적 특성과 선형회귀, 머신러닝 기법을 이용하여 CAI를 효과적으로 추정하는 새로운 방법을 개발하는 것이다. 문헌 조사를 통해 CAI, 일축압축강도, 압열인장강도, 등가석영함량이 포함된 데이터베이스를 구축하고 파생변수를 추가하였다. 통계적 유의성과 다중공선성을 고려하여 다중선형회귀분석을 위한 입력변수를 선정하였고, 머신러닝 모델의 입력변수는 변수중요도 분석을 통해 선정하였다. 머신러닝 예측모델 중 Gradient Boosting 모델의 예측 성능이 가장 높게 나타나 최적의 CAI 예측 모델로 선정되었다. 마지막으로 본 연구에서 도출한 다중선형회귀분석과 Gradient Boosting 모델의 예측 성능을 선행연구들의 CAI 예측모델과 비교하여 연구 결과의 타당성을 확인하였다.