- 권한신청
- P-ISSN2233-8292
- E-ISSN2287-4747
- KCI
24권 5호
초록
쏘일 컨디셔닝(soil conditioning)은 굴착토의 전단강도를 감소시키고 작업성(workability)을 확보하여, EPB 쉴드 TBM의 굴진면 전방을 지지하며 TBM의 굴진 성능을 향상시키는 기술이다. 다양한 지반 조건에 대한 최적의 첨가제 주입 조건을 결정하기 위해서는 첨가제를 혼합한 굴착토의 역학적 유동학적 거동을 평가해야 한다. 따라서, 본 연구에서는 TBM 챔버 내 압력 상태를 모사하고 시료의 유동학적 특성을 평가할 수 있는 실내 가압 베인시험 장비를 개발하였다. 인공 사질토 시료에 대하여 폼(foam)과 폴리머(polymer)의 주입변수인 FIR (foam injection ratio)과 PIR (polymer injection ratio)을 변화시켜가며 일련의 실내 가압 베인시험을 수행하였다. 또한, 슬럼프 시험을 통해 컨디셔닝된 흙의 작업성을 평가하였다. 실내 가압 베인시험 장비를 통해 베인 전단시험을 수행함으로써 측정 된 토크 데이터로부터 컨디셔닝된 흙의 유동곡선(rheogram)을 도출하여 주입변수에 따른 첨두응력과 항복응력의 경향을 분석하였다. 시험 결과, FIR이 커지거나 PIR이 작아질수록 작업성이 증가하는 경향을 나타냈으며, 최대 토크, 첨두응력과 항복응력은 모두 감소하였다. 실내 가압 베인시험으로 측정된 시료의 첨두응력과 항복응력이 슬럼프 시험을 통해 측정된 작업성과 상응하는 결과는 제안된 시험이 굴착토 물성 평가에 활용될 수 있음을 보여준다.
Abstract
Soil conditioning improves the performance of EPB (earth pressure balance) shield TBMs (tunnel boring machines) by reducing shear strength, enhancing workability of the excavated soil, and supporting the tunnel face during EPB tunnelling. The mechanical and rheological behavior of the excavated muck mixed with additivesshould be properly evaluated to determine the optimal additive injection condition corresponding to each ground type. In this study, the laboratory pressurized vane test apparatus equipped with a vane-shaped rheometer was developed to reproduce the pressurized condition in the TBM chamber and quantitively evaluate rheological properties of the soil specimens. A series of the pressurized vane tests were performed for an artificial sand soil by changing foam injection ratio (FIR) and polymer injectionratio (PIR), which are the injection parameters of the foam and the polymer, respectively. In addition, the workability of the conditioned soil was evaluated through the slump test. The peak and yield stresses of the conditioned soil with respect to the injection parameters were evaluated through the rheogram, which was derived from the measured torque data in the pressurized vane test. As FIR increased or PIR decreased, the workability of the conditioned soil increased, and the maximum torque, peak stress, and yield stress decreased. The peak stress and yield stress of the specimen from the laboratory pressurized vane test correspond to the workability evaluated by the slump tests, which implies the applicability of the proposed test for evaluating the rheological properties of excavated soil.
초록
본 논문은 이수식 쉴드TBM의 이수분출 안정성 및 세그먼트라이닝 부력에 대한 안정성 평가법의 제안에 대한 내용을 다루고 있다. 토피가 얇은 하 ‧ 해저터널 건설을 위해 이수식 쉴드TBM 적용 시 이수분출 안정성 및 세그먼트라이닝 부력 안정성을 평가하여야 하는데 현재 적용되는 이론식은 다소 복잡함에 따라 실무적으로 계산이 불편한 문제점이 있다. 본 연구에서는 이수분출 안정성 및 세그먼트라이닝 부력 안정성 평가방법을 고찰하고 터널 계획단계에서 간편하게 이수분출 안정성과 부력 안정성을 평가하는 간편도표를 제안하였다. 또한, 강도감소법을 활용한 세그먼트라이닝에 작용하는 부력 안전율을 평가하고 이론식에 의한 부력 안전율과 비교 ‧ 분석을 수행하였다. 본 연구에서 제시된 이수분출 및 부력 안정성 평가를 위한 간편도표는 하 ‧ 해저터널 계획 및 설계 시 유용하게 활용될 수 있을 것으로 기대된다.
Abstract
This study was deal with blow-out and buoyancy stability evaluation method for slurry shield TBM. When applying a slurry shield TBM for the construction of a shallow tunnel under river or sea, the stability of slurry blow-out and segment lining buoyancy should be evaluated. However, there is a problem in that the currently applied theoreticalformula is somewhat complicated, making it inconvenient to calculate in practice. In this study, some simple charts were proposed to easily evaluate the stability of slurry blow-out and segment lining buoyancy. In addition, the buoyancy safety factor of segmentlining using the strength reduction method was evaluated and compared with the buoyancy safety factor based on the theoretical formula. The buoyancy safety factor by the theoretical formula was evaluated to be rather small, and it was confirmed that it was on the safe side. The simplified charts for the evaluation of slurry blow-out and buoyancy stability presented in this study are expected to be usefully utilized in the planning and design of undersea tunnels.
초록
기존 암반 굴착공법이 갖는 한계점을 극복하기 위해 최근 연마재 워터젯 공법을 활용하는 연구가 활발히 진행되고 있다.연마재 워터젯 암반굴착 공법은 암반에 연속적인 자유면을 형성하여 발파 시 발생하는 진동을 저감하고 굴착효율을 증진시키는 효과가 있다. 그러나 연마재 워터젯 절삭성능은 암반의 물리적 성질에 따라 변화한다. 따라서, 다양한 물리적 성질을 가진 암반이 혼재하는 굴착현장 특성상 효과적인 워터젯 활용을 위해서는 다양한 암종의 절삭성능을 분석하는 것이 필수적이다. 본 연구에서는 현무암과 화강암을 대상으로 수압, 이격거리, 이송속도를 변화시키며 절삭실험을 수행하고 결과를 분석하였다. 실험결과, 현무암은 화강암보다 평균적으로 약 41% 깊게 절삭되고, 절삭 폭은 약 18.5% 좁게 형성되었다. 본 연구결과는 향후 현무암과 같은 강도가 낮고 공극이 큰 암반 굴착현장에서 연마재 워터젯을 적용할 시 유용한 기초자료로 활용될 것으로 기대된다.
Abstract
To overcome the limitation of conventional rock excavation methods, the excavation with abrasive waterjet has been actively developed. The abrasive waterjet excavation method has the effect of reducing blasting vibration and enhancing the excavation efficiency by forming a continuous free surface on the rock. However, the waterjet cutting performance varies with rock fracturing characteristics. Thus, it is necessary to analyze the cutting performance for various rocks in order to effectively utilize the waterjet excavation. In this study, cutting experiments with the high pressure waterjet system were performed for basalt and granite specimens. Water pressure, standoffdistance, and traverse speed were determined as effective parameters for the abrasive waterjet cutting. The cutting depth and width of basalt specimens were analyzed to compare with granite results. The averaged cutting depth of basalt was shown in 41%deeper than granite; in addition, the averaged cutting width of basalt was formed by 18.5% narrower than granite. The results of this study are expected to be useful basic data for applying rock excavation site with low strength and high porosity such as basalt.
초록
NATM 터널에서 계측은 필수 불가결한 요소이나 계측기의 신뢰도를 검증할 방법, 절차, 규정 등에 대한 연구가 부족함으로 인해 터널에서 계측기가 성능검증 절차 없이 설치 및 적용되고 있다. 본 연구에서는 국내외 계측 검 ‧ 교정 관련 규정을 조사하고 공인 인정기준의 필요성을 제시하였다. 또한 터널계측기 중 록볼트 축력계와 지중변위계를 대상으로 계측기의 불량원인을 외관검사로 파악하였으며 성능검사를 위해 단계별 하중 재하가 가능한 검증 장치를 개발하여 국내 9개 계측제조업체의 정밀계측기 불량원인을 파악하였다. 개별센서 위주의 성능테스트도 중요하나 완제품 상태에서 검증 절차를 통과해야 함이 필수적이므로 이에 따른 성능검사 방법과 절차를 제시하였다. 본 연구를 통하여 향후 계측기 성능검증을 위한 관련 규정 마련과 현장에서 계측기를 선정하는 데 도움이 될 것으로 판단된다.
Abstract
Instrumentations are essential in NATM tunnels, however measuring instruments are installed and applied without performance verification procedures due to insufficient research on methods, procedures, regulations, etc. to verify the reliability of the measuring instruments. In this study, domestic and foreign regulations relating to the verification and calibration of instruments were investigated and necessities for accreditation standards were proposed. In order to identify the causes of the defects, an external inspection was performed on rock bolt stressmeter and rod extensometer, which are measuring instruments with relatively complex structures. For verifying the performance of these instruments, verification devices were developed that can load step-bystep and the causes of defects were identified in measuring instruments of nine domesticmanufacturers. Through the performance test, a number of measuring instruments were found to be defective. It was important to test the performance of the instruments in the state of a finished product and accordingly performance inspection methods and procedures were proposed. The results of this study are expected to help preparingrelated regulations for verifying instrument performance and selecting instruments in the field.
초록
지금까지 국내에서는 수 많은 터널들이 완공되어 오면서 시공에서뿐 아니라 설계에서도 다양한 경험과 기술이 지속적으로 축적되어 왔다. 따라서 이제는 매우 복잡한 지질조건 또는 특수한 터널구조가 아니라면 일반적인 터널설계작업은 설계 항목에 따라 기존 유사 설계사례를 수정 또는 보완하는 것만으로도 충분한 경우도 적지 않다. 특히 터널발파설계의 경우,실제 터널시공시 현장에서 시험발파를 통해 시공을 위한 발파설계를 추가로 수행하는 것이 일반적이라는 것을 감안할때, 설계단계에서 수행하는 발파설계는 예비설계 성격을 지니고 있어 기존의 유사 설계사례를 참고하는 것도 타당하다고 사료된다. 한편 최근 4차산업혁명시대에 들어서면서 전 산업분야에 걸쳐 그 활용도가 급증하고 있는 인공지능은 터널 및 발파분야에서도 다양하게 활용되고 있지만, 발파터널의 경우 발파진동 및 암반분류 등의 예측 분야에서 주로 활용되고 있을 뿐 터널발파패턴 설계에 활용된 사례는 많지 않다. 따라서 본 연구에서는 터널발파설계를 인공지능의 한 분야인 머신러닝 모델을 이용하여 자동화하기 위한 시도를 하였다. 이를 위하여 25개 학습용 터널설계 자료 및 2개의 시험용 설계자료에서 4가지의 입력데이터(지보패턴, 도로유형, 상반 및 하반 단면적) 및 16개의 출력데이터(심발공 종류, 비장 약량, 천공수, 각 발파공 그룹별 공간격과 저항선 등)를 발췌하였다. 이를 기반으로 3가지 머신러닝 모델, 즉, XGBoost,ANN, SVM 모델을 시험한 결과 XGBoost모델이 상대적으로 최상의 결과를 나타내었다. 또한 이를 이용하여 실제 발파 설계 상황을 가정하여 발파패턴을 제안하도록 한 결과 일부 항목에서 보완이 필요하긴 하지만 일반적 설계와 유사한 결과를 나타내었다. 본 연구가 기초연구 성격이어서 전체 발파설계를 완벽하게 수행하기는 아직 부족하지만, 향후 충분한 발파설계데이터를 확보하고 세부적인 처리과정을 보완하여 실용적인 활용이 가능하도록 추가 연구를 수행할 계획이다.
Abstract
As many tunnels generally have been constructed, various experiences and techniques have been accumulated for tunnel design as well as tunnel construction. Hence, there are not a few cases that, for some usual tunnel design works, it is sufficient to perform the design by only modifying or supplementing previous similar design cases unless a tunnel has a unique structure or in geological conditions. In particular, for a tunnelblast design, it is reasonable to refer to previous similar design cases because the blast design in the stage of design is a preliminary design, considering that it is general to perform additional blast design through test blasts prior to the start of tunnel excavation. Meanwhile, entering the industry 4.0 era, artificial intelligence (AI) of which availability is surging across whole industry sector is broadly utilized to tunnel and blasting. For a drill and blast tunnel, AI is mainly applied for the estimation of blast vibration and rock mass classification, etc. however, there are few cases where it is applied to blast pattern design. Thus, this study attempts to automate tunnel blast design by means of machine learning, a branch of artificial intelligence. For this, the data related to a blast design was collected from 25 tunnel design reports for learning as well as 2 additionalreports for the test, and from which 4 design parameters, i.e., rock mass class, road type and cross sectional area of upper section as well as bench section as input data as well as16 design elements, i.e., blast cut type, specific charge, the number of drill holes, and spacing and burden for each blast hole group, etc. as output. Based on this design data, three machine learning models, i.e., XGBoost, ANN, SVM, were tested and XGBoost was chosen as the best model and the results show a generally similar trend to an actual design when assumed design parameters were input. It is not enough yet to perform the whole blast design using the results from this study, however, it is planned that additional studies will be carried out to make it possible to put it to practical use after collecting more sufficient blast design data and supplementing detailed machine learning processes.