城市地铁盾构隧道病害快速检测与工程实践PDF电子书下载

第1章 绪论 1

1.1城市地铁发展现状 1

1.2地铁隧道结构病害现状 3

1.3地铁隧道结构病害检测技术 5

1.3.1基于摄像测量的自动检测技术 6

1.3.2基于激光扫描的自动检测技术 7

1.3.3探地雷达无损探测技术 8

1.4地铁隧道结构病害检测技术发展趋势 9

第2章 城市地铁隧道结构病害 11

2.1地铁隧道衬砌结构、施工方法和病害基本类型 11

2.1.1地铁隧道的结构形式 12

2.1.2地铁隧道的施工方法 13

2.1.3地铁隧道结构病害的基本类型 14

2.2上海地铁盾构隧道运营环境与结构病害 26

2.2.1上海地铁隧道运营环境 27

2.2.2上海地铁隧道病害调查 34

2.2.3隧道结构病害特征与规律总结与分析 44

2.3隧道结构检测项目及措施 48

2.3.1隧道结构检测项目 49

2.3.2隧道结构检测措施 51

第3章 盾构隧道结构病害常规人工检查 53

3.1检查类型及作用 53

3.2检查内容 54

3.2.1渗漏水 55

3.2.2管片损伤 58

3.2.3结构形变 59

3.2.4结构裂化老化 59

3.2.5其他病害 61

3.3资料成果要求 62

3.3.1记录表 62

3.3.2记录影像 66

3.3.3其他信息 66

第4章 盾构隧道三维激光扫描检测 68

4.1三维激光扫描检测原理 68

4.1.1脉冲飞行时间测距法 69

4.1.2调制波相位测距法 69

4.2三维激光扫描检测设备及其选用 70

4.2.1三维激光扫描检测设备 70

4.2.2三维激光扫描检测设备的选用 73

4.3三维激光扫描检测软件 74

4.3.1数据采集 74

4.3.2坐标系配准 76

4.3.3点云去噪 78

4.3.4数据压缩 80

4.3.5三维模型重建 82

4.3.6纹理映射 85

4.3.7工程与数据管理 86

4.4三维激光扫描检测数据处理方法 87

4.4.1隧道变形与轮廓限界 87

4.4.2病害图像处理 90

4.5三维激光扫描检测发展趋势 91

第5章 盾构隧道摄影成像扫描检测 94

5.1摄影技术概述 94

5.1.1摄影发展简史 94

5.1.2摄影基本概念 95

5.2摄影测量介绍 97

5.2.1摄影测量概述 97

5.2.2摄影测量基本概念 98

5.2.3常用摄影测量解析方法 100

5.2.4摄影测量用于断面变形检测的研究 102

5.3摄影测量仪器与检测装备 103

5.3.1图像传感器 103

5.3.2图像采集卡 107

5.3.3照明光源 109

5.3.4旋转编码器 111

5.4移动式隧道病害检测系统 111

5.4.1检测系统组成 111

5.4.2模拟隧道试验 113

5.5摄影成像扫描检测 116

5.5.1检测计划 116

5.5.2检测过程 116

5.5.3检测装置与人员配置 117

5.5.4检测报告 117

5.6数字图像处理 117

5.6.1数字图像处理简介 117

5.6.2数字图像处理基本步骤 118

5.7图像数据库系统 122

5.7.1 MySQL概述 122

5.7.2系统开发 122

第6章 盾构隧道壁后注浆探地雷达无损探测 127

6.1盾构隧道壁后注浆目的及施工中存在的问题 127

6.1.1壁后注浆的目的 127

6.1.2壁后注浆系统分类 128

6.1.3注浆材料的选择 129

6.1.4壁后注浆施工中的问题 129

6.2隧道壁后注浆探地雷达无损探测国内外研究现状 131

6.3盾构隧道壁后注浆探地雷达无损探测模拟试验研究 133

6.3.1探地雷达无损探测原理 133

6.3.2盾构隧道壁后注浆探测模拟试验 135

6.4盾构隧道壁后注浆探地雷达无损探测正演数值模拟分析 157

6.4.1盾构隧道壁后注浆探地雷达时域有限差分法数值模拟框架 157

6.4.2盾构隧道壁后注浆纵向分布数值模拟 159

6.4.3盾构隧道壁后注浆环向分布数值模拟 170

6.4.4数值正演模拟结论 173

6.5盾构隧道壁后注浆探地雷达无损探测结果的图像识别技术 174

6.5.1基于小波神经网络的图像识别技术 175

6.5.2基于小波神经网络的隧道壁后注浆探测识别结果 181

6.5.3盾构隧道壁后注浆探地雷达无损探测图像识别案例 185

第7章 基于深度学习的图像处理 194

7.1机器学习与深度学习 194

7.1.1机器学习 194

7.1.2深度学习 195

7.2人工神经网络 195

7.2.1人工神经网络的构成 196

7.2.2人工神经网络的反向传播算法 197

7.2.3人工神经网络的相关参数 198

7.3深度学习方法 198

7.4基于深度学习的隧道病害识别实例 202

7.4.1渗漏水病害识别的全卷积网络模型 202

7.4.2基于R-FCN的隧道衬砌病害检测模型 210

第8章 盾构隧道结构检测的其他方法 221

8.1隧道结构渗漏水红外检测 221

8.1.1检测原理 221

8.1.2隧道实测 222

8.2隧道纵向沉降静态监测 224

8.2.1基于倾角传感器的纵向沉降静态监测方案 224

8.2.2基于倾角传感器的纵向沉降静态监测传感器研发 227

8.2.3无线纵向沉降传感器室内试验 233

8.2.4无线纵向沉降传感器现场试验 236

8.3隧道纵向沉降动态监测 244

8.3.1基于倾角传感器的纵向沉降动态监测方案 244

8.3.2机械设计思路 248

8.3.3数据处理及无线传输系统 251

8.3.4数据处理及无线传输系统单元电路设计 252

8.4隧道裂缝深度检测 254

8.4.1裂缝发展情况跟踪监测 254

8.4.2裂缝深度扩展情况监测 255

第9章 盾构隧道结构检测实例 258

9.1隧道结构三维激光扫描检测实例1 258

9.1.1工程概述 258

9.1.2检测仪器 259

9.1.3检测过程 260

9.1.4内业作业 262

9.2隧道结构三维激光扫描检测实例2 269

9.2.1工程概述 269

9.2.2检测仪器及流程 269

9.2.3外业作业 270

9.2.4内业作业 272

9.2.5成果质量检查 276

9.2.6测量成果 278

9.3隧道结构表面病害摄影成像扫描检测实例 283

9.3.1工程概述 284

9.3.2检测仪器 284

9.3.3检测流程 285

9.3.4外业作业 285

9.3.5内业作业 288

9.3.6检测结果统计 299

9.3.7摄像测量检测技术优势总结 300

9.4隧道壁后注浆层探地雷达探测实例 301

9.4.1工程概述 301

9.4.2现场检测方案及数据分析 302

第10章 总结与展望 306

参考文献 310

附录 321

附录1隧道结构检查结果报告 321

附录2表单式记录 326

附录3展开图 327