第1章緒論1

1.1城市地鐵發展現狀/1

1.2地鐵隧道結構病害現狀/3

1.3地鐵隧道結構病害檢測技術/5

1.3.1基于攝像測量的自動檢測技術/6

1.3.2基于激光掃描的自動檢測技術/7

1.3.3探地雷達無損探測技術/8

1.4地鐵隧道結構病害檢測技術發展趨勢/9

第2章城市地鐵隧道結構病害11

2.1地鐵隧道襯砌結構、施工方法和病害基本類型/11

2.1.1地鐵隧道的結構形式/12

2.1.2地鐵隧道的施工方法/13

2.1.3地鐵隧道結構病害的基本類型/14

2.2上海地鐵盾構隧道運營環境與結構病害/26

2.2.1上海地鐵隧道運營環境/27

2.2.2上海地鐵隧道病害調查/34

2.2.3隧道結構病害特征與規律總結與分析/44

2.3隧道結構檢測項目及措施/48

2.3.1隧道結構檢測項目/49

2.3.2隧道結構檢測措施/51

第3章盾構隧道結構病害常規人工檢查53

3.1檢查類型及作用/53

3.2檢查內容/54

3.2.1滲漏水/55

3.2.2管片損傷/58

3.2.3結構形變/59

3.2.4結構裂化老化/59

3.2.5其他病害/61

3.3資料成果要求/62

3.3.1記錄表/62

3.3.2記錄影像/66

3.3.3其他信息/66

第4章盾構隧道三維激光掃描檢測68

4.1三維激光掃描檢測原理/68

4.1.1脈沖飛行時間測距法/69

4.1.2調制波相位測距法/69

4.2三維激光掃描檢測設備及其選用/70

4.2.1三維激光掃描檢測設備/70

4.2.2三維激光掃描檢測設備的選用/73

4.3三維激光掃描檢測軟件/74

4.3.1數據采集/74

4.3.2坐標系配準/76

4.3.3點云去噪/78

4.3.4數據壓縮/80

4.3.5三維模型重建/82

4.3.6紋理映射/85

4.3.7工程與數據管理/86

4.4三維激光掃描檢測數據處理方法/87

4.4.1隧道變形與輪廓限界/87

4.4.2病害圖像處理/90

4.5三維激光掃描檢測發展趨勢/91

第5章盾構隧道攝影成像掃描檢測94

5.1攝影技術概述/94

5.1.1攝影發展簡史/94

5.1.2攝影基本概念/95

5.2攝影測量介紹/97

5.2.1攝影測量概述/97

5.2.2攝影測量基本概念/98

5.2.3常用攝影測量解析方法/100

5.2.4攝影測量用于斷面變形檢測的研究/102

5.3攝影測量儀器與檢測裝備/103

5.3.1圖像傳感器/103

5.3.2圖像采集卡/107

5.3.3照明光源/109

5.3.4旋轉編碼器/111

5.4移動式隧道病害檢測系統/111

5.4.1檢測系統組成/111

5.4.2模擬隧道試驗/113

5.5攝影成像掃描檢測/116

5.5.1檢測計劃/116

5.5.2檢測過程/116

5.5.3檢測裝置與人員配置/117

5.5.4檢測報告/117

5.6數字圖像處理/117

5.6.1數字圖像處理簡介/117

5.6.2數字圖像處理基本步驟/118

5.7圖像數據庫系統/122

5.7.1MySQL概述/122

5.7.2系統開發/122

第6章盾構隧道壁后注漿探地雷達無損探測127

6.1盾構隧道壁后注漿目的及施工中存在的問題/127

6.1.1壁后注漿的目的/127

6.1.2壁后注漿系統分類/128

6.1.3注漿材料的選擇/129

6.1.4壁后注漿施工中的問題/129

6.2隧道壁后注漿探地雷達無損探測國內外研究

現狀/131

6.3盾構隧道壁后注漿探地雷達無損探測模擬試驗

研究/133

6.3.1探地雷達無損探測原理/133

6.3.2盾構隧道壁后注漿探測模擬試驗/135

6.4盾構隧道壁后注漿探地雷達無損探測正演數值

模擬分析/157

6.4.1盾構隧道壁后注漿探地雷達時域有限差分法數值

模擬框架/157

6.4.2盾構隧道壁后注漿縱向分布數值模擬/159

6.4.3盾構隧道壁后注漿環向分布數值模擬/170

6.4.4數值正演模擬結論/173

6.5盾構隧道壁后注漿探地雷達無損探測結果的圖像

識別技術/174

6.5.1基于小波神經網絡的圖像識別技術/175

6.5.2基于小波神經網絡的隧道壁后注漿探測識別結果/181

6.5.3盾構隧道壁后注漿探地雷達無損探測圖像識別案例/185

第7章基于深度學習的圖像處理194

7.1機器學習與深度學習/194

7.1.1機器學習/194

7.1.2深度學習/195

7.2人工神經網絡/195

7.2.1人工神經網絡的構成/196

7.2.2人工神經網絡的反向傳播算法/197

7.2.3人工神經網絡的相關參數/198

7.3深度學習方法/198

7.4基于深度學習的隧道病害識別實例/202

7.4.1滲漏水病害識別的全卷積網絡模型/202

7.4.2基于RFCN的隧道襯砌病害檢測模型/210

第8章盾構隧道結構檢測的其他方法221

8.1隧道結構滲漏水紅外檢測/221

8.1.1檢測原理/221

8.1.2隧道實測/222

8.2隧道縱向沉降靜態監測/224

8.2.1基于傾角傳感器的縱向沉降靜態監測方案/224

8.2.2基于傾角傳感器的縱向沉降靜態監測傳感器研發/227

8.2.3無線縱向沉降傳感器室內試驗/233

8.2.4無線縱向沉降傳感器現場試驗/236

8.3隧道縱向沉降動態監測/244

8.3.1基于傾角傳感器的縱向沉降動態監測方案/244

8.3.2機械設計思路/248

8.3.3數據處理及無線傳輸系統/251

8.3.4數據處理及無線傳輸系統單元電路設計/252

8.4隧道裂縫深度檢測/254

8.4.1裂縫發展情況跟蹤監測/254

8.4.2裂縫深度擴展情況監測/255

第9章盾構隧道結構檢測實例258

9.1隧道結構三維激光掃描檢測實例1/258

9.1.1工程概述/258

9.1.2檢測儀器/259

9.1.3檢測過程/260

9.1.4內業作業/262

9.2隧道結構三維激光掃描檢測實例2/269

9.2.1工程概述/269

9.2.2檢測儀器及流程/269

9.2.3外業作業/270

9.2.4內業作業/272

9.2.5成果質量檢查/276

9.2.6測量成果/278

9.3隧道結構表面病害攝影成像掃描檢測實例/283

9.3.1工程概述/284

9.3.2檢測儀器/284

9.3.3檢測流程/285

9.3.4外業作業/285

9.3.5內業作業/288

9.3.6檢測結果統計/299

9.3.7攝像測量檢測技術優勢總結/300

9.4隧道壁后注漿層探地雷達探測實例/301

9.4.1工程概述/301

9.4.2現場檢測方案及數據分析/302

第10章總結與展望306

參考文獻310

附錄321

附錄1隧道結構檢查結果報告/321

附錄2表單式記錄/326

附錄3展開圖/327