导语

  

内容提要

  

    黄宏伟、薛亚东、邵华、杜军著的《城市地铁盾构隧道病害快速检测与工程实践(精)》围绕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，以及相应病害的检测方法、原理、仪器设备、数据处理等内容。全书分为10章，首先介绍了现有的隧道人工巡检内容、方式、要求；随后重点论述了三维激光扫描、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应用案例。
    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。

第1章  绪论
  1.1  城市地铁发展现状
  1.2  地铁隧道结构病害现状
  1.3  地铁隧道结构病害检测技术
    1.3.1  基于摄像测量的自动检测技术
    1.3.2  基于激光扫描的自动检测技术
    1.3.3  探地雷达无损探测技术
  1.4  地铁隧道结构病害检测技术发展趋势
第2章  城市地铁隧道结构病害
  2.1  地铁隧道衬砌结构、施工方法和病害基本类型
    2.1.1  地铁隧道的结构形式
    2.1.2  地铁隧道的施工方法
    2.1.3  地铁隧道结构病害的基本类型
  2.2  上海地铁盾构隧道运营环境与结构病害
    2.2.1  上海地铁隧道运营环境
    2.2.2  上海地铁隧道病害调查
    2.2.3  隧道结构病害特征与规律总结与分析
  2.3  隧道结构检测项目及措施
    2.3.1  隧道结构检测项目
    2.3.2  隧道结构检测措施
第3章  盾构隧道结构病害常规人工检查
  3.1  检查类型及作用
  3.2  检查内容
    3.2.1  渗漏水
    3.2.2  管片损伤
    3.2.3  结构形变
    3.2.4  结构裂化老化
    3.2.5  其他病害
  3.3  资料成果要求
    3.3.1  记录表
    3.3.2  记录影像
    3.3.3  其他信息
第4章  盾构隧道三维激光扫描检测
  4.1  三维激光扫描检测原理
    4.1.1  脉冲飞行时间测距法
    4.1.2  调制波相位测距法
  4.2  三维激光扫描检测设备及其选用
    4.2.1  三维激光扫描检测设备
    4.2.2  三维激光扫描检测设备的选用
  4.3  三维激光扫描检测软件
    4.3.1  数据采集
    4.3.2  坐标系配准
    4.3.3  点云去噪
    4.3.4  数据压缩
    4.3.5  三维模型重建
    4.3.6  纹理映射
    4.3.7  工程与数据管理
  4.4  三维激光扫描检测数据处理方法
    4.4.1  隧道变形与轮廓限界
    4.4.2  病害图像处理  4.5  三维激光扫描检测发展趋势
第5章  盾构隧道摄影成像扫描检测
  5.1  摄影技术概述
    5.1.1  摄影发展简史
    5.1.2  摄影基本概念
  5.2  摄影测量介绍
    5.2.1  摄影测量概述
    5.2.2  摄影测量基本概念
    5.2.3  常用摄影测量解析方法
    5.2.4  摄影测量用于断面变形检测的研究
  5.3  摄影测量仪器与检测装备
    5.3.1  图像传感器
    5.3.2  图像采集卡
    5.3.3  照明光源
    5.3.4  旋转编码器
  5.4  移动式隧道病害检测系统
    5.4.1  检测系统组成
    5.4.2  模拟隧道试验
  5.5  摄影成像扫描检测
    5.5.1  检测计划
    5.5.2  检测过程
    5.5.3  检测装置与人员配置
    5.5.4  检测报告
  5.6  数字图像处理
    5.6.1  数字图像处理简介
    5.6.2  数字图像处理基本步骤
  5.7  图像数据库系统
    5.7.1  MySQL概述
    5.7.2  系统开发
第6章  盾构隧道壁后注浆探地雷达无损探测
  6.1  盾构隧道壁后注浆目的及施工中存在的问题
    6.1.1  壁后注浆的目的
    6.1.2  壁后注浆系统分类
    6.1.3  注浆材料的选择
    6.1.4  壁后注浆施工中的问题
  6.2  隧道壁后注浆探地雷达无损探测国内外研究现状
  6.3  盾构隧道壁后注浆探地雷达无损探测模拟试验研究
    6.3.1  探地雷达无损探测原理
    6.3.2  盾构隧道壁后注浆探测模拟试验
  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
    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
    6.4.2  盾构隧道壁后注浆纵向分布数值模拟
    6.4.3  盾构隧道壁后注浆环向分布数值模拟
    6.4.4  数值正演模拟结论
  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
    6.5.1  基于小波神经网络的图像识别技术
    6.5.2  基于小波神经网络的隧道壁后注浆探测识别结果
    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
第7章  基于深度学习的图像处理
  7.1  机器学习与深度学习    7.1.1  机器学习
    7.1.2  深度学习
  7.2  人工神经网络
    7.2.1  人工神经网络的构成
    7.2.2  人工神经网络的反向传播算法
    7.2.3  人工神经网络的相关参数
  7.3  深度学习方法
  7.4  基于深度学习的隧道病害识别实例
    7.4.1  渗漏水病害识别的全卷积网络模型
    7.4.2  基于R-FCN的隧道衬砌病害检测模型
第8章  盾构隧道结构检测的其他方法
  8.1  隧道结构渗漏水红外检测
    8.1.1  检测原理
    8.1.2  隧道实测
  8.2  隧道纵向沉降静态监测
    8.2.1  基于倾角传感器的纵向沉降静态监测方案
    8.2.2  基于倾角传感器的纵向沉降静态监测传感器研发
    8.2.3  无线纵向沉降传感器室内试验
    8.2.4  无线纵向沉降传感器现场试验
  8.3  隧道纵向沉降动态监测
    8.3.1  基于倾角传感器的纵向沉降动态监测方案
    8.3.2  机械设计思路
    8.3.3  数据处理及无线传输系统
    8.3.4  数据处理及无线传输系统单元电路设计
  8.4  隧道裂缝深度检测
    8.4.1  裂缝发展情况跟踪监测
    8.4.2  裂缝深度扩展情况监测
第9章  盾构隧道结构检测实例
  9.1  隧道结构三维激光扫描检测实例1
    9.1.1  工程概述
    9.1.2  检测仪器
    9.1.3  检测过程
    9.1.4  内业作业
  9.2  隧道结构三维激光扫描检测实例2
    9.2.1  工程概述
    9.2.2  检测仪器及流程
    9.2.3  外业作业
    9.2.4  内业作业
    9.2.5  成果质量检查
    9.2.6  测量成果
  9.3  隧道结构表面病害摄影成像扫描检测实例
    9.3.1  工程概述
    9.3.2  检测仪器
    9.3.3  检测流程
    9.3.4  外业作业
    9.3.5  内业作业
    9.3.6  检测结果统计
    9.3.7  摄像测量检测技术优势总结
  9.4  隧道壁后注浆层探地雷达探测实例
    9.4.1  工程概述    9.4.2  现场检测方案及数据分析
第10章  总结与展望
参考文献
附录
  附录1  隧道结构检查结果报告
  附录2  表单式记录
  附录3  展开图