پيش بيني عملكرد ماشين هاي حفاري تمام مقطع توسط سيستم طبقه بندي فازي در مسير تونل (مطالعه موردي تونل كويينز)

Tunnel boring machine performance prediction with fuzz classifica tion along tunnel alignment

امروزه تونل هاي طويل نقشي بي بديل در زندگي روزمره ما ايفا مي كند. تونل هاي انتقال آب، راه، مترو از جمله نيازهاي اساسي يك كشور در توسعه زيرساخت هاي آن مي باشد. اجراي چنين پروژه هايي با توجه به نياز به زمان در عصر جديد با چالش هاي زيادي رو به رو مي شود. حفر چنين تونل هايي با روش هاي سنتي قديمي زمان بر و بسيار پر هزينه است. در مقابل، اجراي اين پروژه ها بوسيله روش هاي تمام مكانيزه، سريع، ايمن و داراي صرفه اقتصادي بيشتر در مقايسه با روش هاي سنتي است. عملكرد چنين دستگاه هايي در شرايط مختلف ژئوتكنيكي از جمله مباحثي است كه مورد توجه بسياري از صاحب نظران در اين رشته مي باشد. در اين تحقيق پارامترهاي ژئروتكنيكي موثر بر عملكرد ماشين حفاري مورد مطالعه قرار گرفت و با بررسي ايرادهاي سيستم طبقه بندي كلاسيك، سيستم طبقه بندي فازي در 5 گروه خيلي خوب، خوب، متوسط، ضعيف، خيلي ضعيف ارائه شد. سپس با مقايسه نتايج حاصل از سيستم طبقه بندي جديد و مقايسه با عملكرد واقعي ماشين در پروژه، علاوه بر تطابق مناسب نتايج بين اين دو، مشاهده شد مسير تونل در دو گروه متوسط و ضعيف طبقه بندي مي شوند

Abstract Nowadays long tunnels plays an important role in our day to day life. Water tunnels transfer, road tunnels and subway’s tunnels are basic prerequisite to develop substructures of countries. These projects have many challenges by taking into account two parameters, time and cost. Using conventional tunnelling methods in these project, increase time and costs and maybe provide other problems for these. Mechanized tunnelling is more economic and safer instead of conventional tunnelling in long tunnel’s projects. One of the topics in mechanized tunnelling that researchers concentrate on it is TBM’s performance. In this paper fuzzy classification is given in 5 group very good, good, medium, poor, very poor, by consideration classic classification and studying on effective parameters on TBM’s performance. It was observed that geotechnical alignment of tunnel classified in 2 group poor and medium by comparing fuzzy classification’s result and real data from TBM’s performance.