随着经济的持续发展、综合国力的不断提升及高新技术的接连应用,我国隧道及地下工程事业得到了前所未有的迅猛发展。全断面隧道掘进机（Tunnel Boring Machine,TBM）法具有掘进速度快、施工扰动小、成洞质量高、综合经济社会效益高、安全环保等优势,越来越多隧道考虑选用TBM方法进行修建。在传统的TBM掘进中,通常根据人为经验定性判断围岩情况并调整掘进参数,掘进参数难以较好匹配围岩条件,导致掘进速度低下及刀具磨耗较大,甚至引发塌方等严重后果。因此,感知围岩条件及优化掘进参数对TBM安全、高效、经济施工具有重要的指导意义。针对以上热点问题,本文依托西北某供水工程,提出TBM隧道围岩动态感知及掘进参数辅助决策方法,并在实际工程中得到成功应用。主要研究工作、成果和主要创新点概括如下:（1）基于现场调研和室内试验,确定依托工程的地质条件和TBM设备的主要性能参数。分析掘进效能的变化规律,研究TBM的掘进状态。分别对比设计围岩类别与揭露围岩类别的分布和长度、分析掘进参数的分布规律及变化规律,确定影响掘进效能的主要因素。分组选取掘进样本点并对数据进行统计分析,初步得出人工经验控制下总推力和刀盘转速的相对合理范围。结果表明,由于TBM掘进过程中难以了解掌子面的围岩条件并及时调整掘进参数、相同地质条件下司机选择的总推力和刀盘转速等掘进参数不一致,导致同类围岩内掘进效能相差较大。（2）综合室内试验、现场试验、现场踏勘获取岩石单轴压缩强度、岩体完整性系数,采用图像识别、振动监测获取岩渣级配参数和刀盘振动参数,建立包含岩石单轴压缩强度、岩体完整性系数、岩渣级配参数和刀盘振动参数的数据集,分别研究围岩参数对岩渣级配参数和刀盘振动参数的影响规律。通过统筹考虑岩渣级配参数和刀盘振动参数,建立围岩动态感知模型,并对模型进行二次学习优化。结果表明,岩渣级配参数、刀盘振动参数与围岩参数有一定相关性。基于岩渣级配和刀盘振动的围岩动态感知模型可以较准确地预测岩石单轴压缩强度和岩体完整性系数,平均绝对百分比误差分别为0.046和0.082。（3）通过参数感知、室内试验、现场试验等手段建立包含围岩参数、掘进参数和掘进效能的数据集,依次分析各围岩参数和掘进参数对掘进速度和平均单刀破岩量的影响。在既有预测模型的基础上,开发基于围岩分类的掘进效能预测模型。最后以“高效、低耗”为目标,构建掘进参数辅助决策模型,并得到不同围岩类别下总推力和刀盘转速的建议取值范围。结果表明,围岩参数及掘进参数的变化均会对TBM掘进速度和平均单刀破岩量产生影响。基于围岩分类的掘进效能预测模型对掘进速度和平均单刀破岩量的预测平均绝对百分比误差小于0.1。以“高掘进速度、低刀具磨损”为目标,采用多目标粒子群算法,可得到掘进参数的Pareto最优解集。在实际掘进过程中应结合工程的进度和成本需要,通过调节掘进速度发挥系数选择适合的掘进策略。（4）建立围岩动态感知及掘进参数辅助决策方法,在XE隧道设置试验段对该方法开展工程应用。结果表明,该方法通过采集到的刀盘振动和岩渣图像获取刀盘振动参数和岩渣级配参数等指标,并将其输入围岩动态感知模型,输出围岩类别、岩石单轴压缩强度、岩体完整性系数等信息,接着将以上信息连同试验得到的岩石石英含量输入掘进参数辅助决策模型,得到掘进参数最优解集,通过设定掘进速度发挥系数,寻找掘进参数最优解集中的对应解,输出方法推荐的总推力和刀盘转速。采用该方法推荐的掘进参数进行掘进,掘进速度可提升15.6%,平均单刀破岩量可提升4.5%。在方法应用的区段内,未发生因掘进参数选择不当导致的TBM掘进停滞或设备异常损坏,证明围岩动态感知及掘进参数辅助决策方法具备可行性与有效性,可为类似工程掘进效能的提升提供一定参考。