• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2002년도 봄 학술발표회 논문집
• /
• pp.157-164
• /
• 2002

Based on the results of prototype air-shaft construction, penetration capacity of RBM(Raise Boring Machine) was analyzed and compared with TBM(Tunnel Boring Machine) performance in this study. Utilization, down time, net penetration rate and advance rate were evaluated and compared. By conducting the laboratory tests for rock properties with the analysis of penetration capacity, relation of penetration capacity and geotechnical parameters was studied. The results showed that much more higher value of utilization, however lower value of net penetration rate for RBM was obtained compared to those of TBM. In addition, as the strength of rock penetrated increased, higher value of net penetration rate was obtained contrarily to the results of TBM performance. Finally, new relationship between total hardness and net penetration rate for weak and weathered rock was derived from these results.

• Computers and Concrete
• /
• 제22권2호
• /
• pp.239-248
• /
• 2018

TBM penetration rate is a function of intact rock properties, rock mass conditions and TBM operational parameters. Machine rate of penetrationcan be predicted by knowledge of the ground conditions and its effects on machine performance. The variation of TBM operational parameters such as penetration rate and thrust plays an important role in its performance. This study presents the results of the analysis on the TBM penetration rates in schistose rock types present along the alignment of Golab tunnel based on the analysis of a TBM performance database established for every stroke through different schistose rock types. The results of the analysis are compared to the results of some empirical and theoretical predictive models such as NTH and QTBM. Additional analysis was performed to find the optimum thrust and revolution per minute values for different schistose rock types.

• 한국터널지하공간학회 논문집
• /
• 제26권5호
• /
• pp.519-532
• /
• 2024

TBM (tunnel boring machine) 터널 프로젝트의 리스크 관리 측면에서 굴진율 예측은 중요하며, 이를 위한 머신러닝 기반 TBM 굴진율 예측 연구가 지속적으로 진행되어 왔다. 그러나, 기존 연구의 머신러닝 예측 모델은 정상 굴진율과 이상 굴진율 간의 불균형 데이터를 고려하는 데 한계가 있다. 본 연구에서는 데이터 증강 기법을 통해 불균형 데이터를 처리하여 머신러닝 기반 TBM 굴진율 이상탐지 성능을 개선하였다. 먼저, 상관관계 분석을 통해 유사 변수를 제거하여 6가지 입력특성을 선정하였다. 또한, 하위 10%와 상위 10%의 굴진율을 각각 이상 등급으로, 그 외 범위의 굴진율을 정상 등급으로 굴진율 등급을 구분하였다. 기존 학습 데이터와 SMOTE (synthetic minority oversampling technique)를 통해 증강된 학습 데이터를 각각 XGB (extreme gradient boosting)에 적용한 XGB 모델과 XGB-SMOTE 모델을 구축하였다. 굴진율 등급 예측 성능을 비교한 결과, XGB 모델은 정상 굴진율에 대한 예측 성능은 우수하나 이상 굴진율 예측 성능은 상대적으로 낮게 도출되었다. 반면, XGB-SMOTE 모델은 모든 굴진율 등급에서 일관되게 우수한 예측 성능을 보였다. 이는 SMOTE를 통한 이상 굴진율 데이터의 증강이 이상 굴진율을 유발하는 지반조건과 TBM 운영인자 간의 패턴 학습 수준을 향상시켰기 때문으로 판단된다. 결론적으로, 본 연구는 머신러닝 기반 TBM 굴진율 이상탐지 시 데이터 증강 기법을 활용한 불균형 데이터 처리가 효과적임을 보여준다.

• 한국암반공학회:학술대회논문집
• /
• 한국암반공학회 2001년도 추계공동학술발표회 논문집
• /
• pp.115-120
• /
• 2001

In No. 1 tunnel for Kwnagju urban subway construction, net penetration rate of the shield TBM was analyzed. This tunnel of 540 m length is located in soil layers at starting and in hard rocks such as amphibolite and granitic gneiss at ending with 84 m length. The net penetration rate was dropped down to 2∼11 cm/hr in rock while 50∼80 cm/hr in soil. Theoretical penetration rate is analyzed in conditions of machine and rock in order to compare the actual net penetration rate. The relationships between net penetration rate and thrust force is also investigated in this report.

• Geomechanics and Engineering
• /
• 제39권1호
• /
• pp.27-41
• /
• 2024

Accurately estimating the performance of tunnel boring machines (TBMs) is crucial for mitigating the substantial financial risks and complexities associated with tunnel construction. Machine learning (ML) techniques have emerged as powerful tools for predicting non-linear time series data. In this research, six advanced meta-heuristic optimization algorithms based on long short-term memory (LSTM) networks were developed to predict TBM penetration rate (TBM-PR). The study utilized 1125 datasets, partitioned into 20% for testing, 70% for training, and 10% for validation, incorporating six key input parameters influencing TBM-PR. The performances of these LSTM-based models were rigorously compared using a suite of statistical evaluation metrics. The results underscored the profound impact of optimization algorithms on prediction accuracy. Among the models tested, the LSTM optimized by the particle swarm optimization (PSO) algorithm emerged as the most robust predictor of TBM-PR. Sensitivity analysis further revealed that the orientation of discontinuities, specifically the alpha angle (α), exerted the greatest influence on the model's predictions. This research is significant in that it addresses critical concerns of TBM manufacturers and operators, offering a reliable predictive tool adaptable to varying geological conditions.

• 한국지구물리탐사학회:학술대회논문집
• /
• 한국지구물리탐사학회 2003년도 Proceedings of the international symposium on the fusion technology
• /
• pp.162-169
• /
• 2003

Excavation by TBM can be characterized by a rock-machine interaction during the cutting process on a small scale, but on a large scale the interaction between the rock mass and TBM becomes very significant. For the planning and evaluation of TBM tunnelling it needs to understand rock fracture mechanism by a cutter or cutters on a small scale, and to estimate penetration rate, advance rate and utilization on a large scale. In this study rock chipping mechanism due to cutter-penetration is analysed by numerical simulation, showing that rock chipping is mainly occurred by tensile failure. Also, through the analysis of factors that affect on TBM procedures in various assessment systems, it is determined that the key elements that should be considered in the planning and evaluation of TBM tunnelling are classified into rock properties, the geological structures and properties of rock mass, and the structural and functional specifications of the machine. The user-friendly assessment tool is developed, so that penetration rate, advance rate and TBM utilization are evaluated from various input data. The tool developed in this study can be applied to a practical TBM tunnelling by understanding TBM tunnelling procedures.

• 터널과지하공간
• /
• 제13권3호
• /
• pp.196-206
• /
• 2003

본 연구에서는 Raise Boring Machine(RBM의 가동율, 관입율, 굴진율과 같은 굴착능력을 조사하기 위하여 직경 3.05 m와 총 연장 98 m의 수직구를 RBM을 이용하여 시험시공 하였다. 이와 함께 국내 양수발전소, 도로터널, 석탄광업소 등에서 RBM으로 시공되었던 4개의 수직구 시공현장으로부터 시공자료를 수집하여 분석을 수행하였다. 연구결과, 주간 평균 굴진장은 약 19.3 m로 분석되었고, 평균 가동율은 약 54.3%011서 75.1 %사이에 분포하는 것으로 나타나, 이는 TBM 시공실적과 비교하여 볼 때 매우 높은 가동율을 보이고 있다. Bit force와 RPM은 (+)의 직선적인 상관관계로 나타났으며 이는 굴착효율에 따라 작업자의 판단에 기인한 결과로 추정된다. 순관입율과의 관계에서는 RBM작업의 bit force와 RPM 및 수직구 심도가 증가함에 따라 순관입율이 저하되는(-)의 상관관계를 나타내었다. 본 연구결과는 수직구 설계 및 RBM장비 선정에 필요한 정보를 줄 수 있을 것으로 사료된다.

• 터널과지하공간
• /
• 제12권2호
• /
• pp.115-119
• /
• 2002

광주도시철도 1호선 건설공사에서 4개의 도심터널은 대구경 쉴드 TBM에 의한 굴착이 계획되었으며, 그 중에 No.1 터널 구간은 13개월 동안 굴착되었다. 본 연구에서는 이 기간동안의 순굴착속도 및 이의 추력과의 관계를 분석하였다. 낮은 심도에 굴착된 536 m 길이의 이 터널은 시 작부에는 토사층이며, 종점부 84 m 구간은 암반층이다. 주간 평균 순굴착속도는 토사층에서 400∼800 mm/hr 였는데 암반층에서 20∼110 mm/hr로 급격히 낮아졌다. 이러한 순굴착속도의 크기는 장비 및 암반의 특성을 고려한 이론적 속도와 비슷한 크기이다. 그리고, 순굴착속도는 추력이 증가할수록 비례하는 것으로 분석된다.

• 지질공학
• /
• 제31권4호
• /
• pp.541-547
• /
• 2021

비탈면의 유실, 붕락사고 등 비탈면에 대한 안정성을 파악하기 위해서 지층의 구성상태, 역학적 특성 등의 지반정보 파악이 필요하다. 이러한 지반정보를 파악하기 위해서 일반적으로 표준관입시험(SPT) 및 콘 관입시험 등이 널리 이용되고 있다. 대부분이 급경사로 이루어지고 진입로가 없는 비탈면에 대한 접근성 문제로 표준관입시험이 널리 활용되지 못하고 있다. 이러한 단점을 보완할 수 있는 있는 휴대용 장비인 Drop Cone Penetrometer(DCP)를 이용한 조사도 여러 가지 문제로 제한적으로 사용되고 있다. 따라서 본 연구에서는 비탈면 현장접근이 용이한 휴대용 시추기와 동적콘관입시험 모듈을 개발하고, 개발된 동적콘관입시험기를 이용한 결과와 동일 현장에서 수행한 표준관입시험값과 상관성을 분석하였다. 에너지전단율로 보정된 동적콘관입시험과 표준관입시험간의 상관식은 N_d' = 3.13 N'으로 나타났다.

• Geomechanics and Engineering
• /
• 제30권1호
• /
• pp.75-91
• /
• 2022

This paper aims to show how to use several Machine Learning (ML) methods to estimate the TBM penetration rate systematically (TBM-PR). To this end, 1125 datasets including uniaxial compressive strength (UCS), Brazilian tensile strength (BTS), punch slope index (PSI), distance between the planes of weakness (DPW), orientation of discontinuities (alpha angle-α), rock fracture class (RFC), and actual/measured TBM-PRs were established. To evaluate the ML methods' ability to perform, the 5-fold cross-validation was taken into consideration. Eventually, comparing the ML outcomes and the TBM monitoring data indicated that the ML methods have a very good potential ability in the prediction of TBM-PR. However, the long short-term memory model with a correlation coefficient of 0.9932 and a route mean square error of 2.68E-6 outperformed the remaining six ML algorithms. The backward selection method showed that PSI and RFC were more and less significant parameters on the TBM-PR compared to the others.