城市地铁盾构隧道病害快速检测与工程实践
作者： 黄宏伟，薛亚东，邵华等 著
出版时间： 2019年版
内容简介
　　本书针对城市地铁盾构隧道结构病害检测，介绍了隧道常见病害的机理，相应病害的检测方法、原理、仪器设备、数据处理等内容。具体包括现有的隧道人工巡检内容、方式、要求等；重点针对三维激光扫描、摄影成像扫描、地质雷达探测等新技术新方法在盾构隧道结构检测中的应用；特别对隧道检测获取的各类图像论述了基于人工智能深度学习方法的图像处理框架与模型；最后给出了三维激光扫描、摄影成像扫描、地质雷达探测等检测方法的实际工程案例。本书理论与实践相结合，可供地铁工程、隧道工程结构病害检测领域的科研人员、技术人员以及高等院校相关专业师生参考。
目录
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
5.7.1MySQL概述/122
5.7.2系统开发/122
第6章盾构隧道壁后注浆探达无损探测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隧道壁后注浆探达无损探测国内外研究
现状/131
6.3盾构隧道壁后注浆探达无损探测模拟试验
研究/133
6.3.1探达无损探测原理/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RFCN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