岩体是具有不同力学性质材料的组合，存在不连续面。岩石力学性质通常指强度(饱和单轴抗压强度)、变形(弹性模量和泊松比)及稳定性特征(黏聚力和内摩擦角)^[1-2]，通常由完整岩体岩芯样品的室内试验或原位试验获取这些特征。岩体的结构条件通常指节理程度(节理的密度和方向)和不连续特征(粗糙度、蚀变、成分等)^[3]，通常采用地质强度指数GSI^[4]、岩石质量标志RQD^[5]、岩体评级RMR^[6]或Q系统分类法^[7]等对结构特性进行评估。

矿山规划和设计、隧道开挖与支护都是建立在对岩体特性充分认识的基础上，并以昂贵的钻孔取芯为载体。为了降低成本，通常开展数量有限的大间距钻孔，并对它们之间的内部条件进行插值处理^[8-9]。该方法会导致对岩体的表征过于粗糙，对小规模(如待爆破的台阶或块体、隧道开挖面)的岩体特性认识不够准确，会显著影响作业结果，并可能增加生产成本，降低碎岩效率，从而降低挖掘和开采阶段效率。如果忽视条件较差的岩体，最终可能会给生产安全带来隐患。

钻机性能在钻探岩体过程中会产生实时且明确的响应^[10-11]，通过测量钻进参数、监测钻机性能，利用随钻测量技术能够以高分辨率评估岩体的变化^[12-14]。随钻测量(Measurement While Drilling，MWD)是一种以预定长度间隔记录钻进数据的技术，提供有关钻进作业参数的信息。该技术能够在生产过程中以最小干扰提供高分辨率数据，作为岩体表征和岩土识别的补充工具。

当钻遇非连续性的岩体结构时，钻进压力、旋转压力(扭矩)、钻进速度和转速等钻进参数会发生异常。研究结果表明^[15-16]，在大多数情况下，钻速和旋转压力的变化与岩石破碎程度成正比，钻进压力与岩石破碎程度成反比。此外，地应力较大的断裂会导致钻进速度和转速降低，同时扭矩增加，这种情况可以用卡钻来解释。当钻头穿过岩体大裂缝或空腔时，钻进速度和旋转压力增加，同时冲洗液压力会立即下降。当空腔被冲洗介质填满后，冲洗液压力逐渐回归，直到再次达到稳定水平。可见，冲洗介质压力在量化地质参数方面作用不大，但可用于探测大型节理、破碎带和孔洞。

目前，利用随钻测量参数对岩体结构状态的评估多停留在定性阶段，由于岩体类别的多样性及钻机性能的差异，不同学者的研究结果甚至出现相互矛盾的情况。谭卓英等^[17]建立了金刚石钻进比能的地层结构分级标准，根据比能值将岩体分为土层与散体、碎裂岩体和完整岩体，但该方法受限于特定的钻头和花岗岩岩体。田昊等^[18]根据凝灰岩地层中的钻进参数及钻进能量随钻头位移的变化曲线，提出了基于钻进比能的隧道凝灰岩地层界面识别及围岩分级方法，但只适用于凝灰岩中，缺乏推广价值。因此，本研究提出一种定量评估岩体结构状态的方法，该方法以大量的随钻测量数据与孔内摄像结果为基础，采用主成分分析方法，建立钻进参数的主成分与真实岩体结构状态之间的关系，实现利用随钻参数判别岩体结构状态的目的，为隧道开挖和支护设计提供参考依据。

MWD数据分析存在一个普遍问题，即记录的参数受到岩体条件、钻机控制系统和与外部因素的影响，如监测传感器的校准、钻孔长度或钻机性能等。所有这些因素都增加了数据的不确定性，必须对这些数据进行修正，以突出反映岩石性质的参数变化。本项目采用由意大利卡萨格兰德公司生产的C6xp钻机，具有根据钻孔长度自动校正钻进参数的功能。因此，开展数据分析之前，需要对不切实际的测量值进行过滤。

不切实际的钻机高性能值和低性能值，甚至负值可能导致MWD数据的错误解释。根据分析^[19-20]，每个MWD参数的经验概率分布是根据完整的数据集建立的，保留99%置信区间内的数值用于分析是合理的。本项目中，由于钻机的转速记录柱出现损坏，数据缺失严重，因此只选用了转进速率、钻进压力和旋转压力3个参数。图 1显示了3个钻进参数的累积分布函数，其中黑色水平虚线表示99%的覆盖率，垂直线虚线表示参数的最大值限制，各参数最终取值范围汇总于表 1中。

图 1 累积分布函数 Fig. 1 Cumulative distribution functions

图选项

钻进过程中记录的独立参数，如钻进压力和冲击压力(水压)，通常由操作员或控制系统控制；而相关参数，如钻进速率和旋转压力，是钻机系统对岩石的响应。钻进速率和旋转压力对岩体破碎很敏感，这些参数的变化可提供有关岩体结构形态的额外信息，从而提高对岩石特性预测的准确性。当岩体结构不连续或发生变化时，钻进速率和旋转压力参数表现出显著的异常，从而产生噪声信号。当钻遇破碎带时，钻进速率和旋转压力的波动显著增加。为了突出显示这些变化，将其可变性定义为沿钻孔间隔内的残差总和，表示如下：

(1)

(2)

式中，PRV_i为钻进速率变化率；RPV_i为旋转压力变化率；N为窗口大小，取N=4^[21]；i为记录的钻进速率或旋转压力的指数；PR_i为记录的钻进速率；RP_i为记录的旋转压力。

鉴于钻进速率变化率和旋转压力变化率都对岩体破碎或岩体的均质性比较敏感，因此通过组合2个参数来合成单一参数更稳定。在本研究中，该单一参数称为破碎指数。变化率参数有不同的幅值，因此需要对它们进行缩放以对破碎产生相同的影响。可以用皮尔逊残差FI_i表示^[22]：

(3)

式中，σ_PR²为所记录钻进速率的方差；σ_RP²为所记录旋转压力的方差。

破碎指数的大小是通过钻进速度变化率和旋转压力变化率计算的，然后将这些量级加在一起，每个量级都有50%的影响。最后，针对区间中的值数，对导出的单个参数进行归一化。

对于同一台液压钻机，监测到的钻进响应参数不是独立的，而是高度相关的。因此，单参数分析或交会分析可能无法捕捉到监测钻进数据的复杂性，尤其是它们与不同岩体特征的关系^[23]。基于这种相关性，本研究使用主成分分析(PCA)法分析所有测量参数，包括钻进速率、钻进压力和旋转压力，以及所有计算参数，包括钻进速率变化率、旋转压力变化率和破碎指数。

PCA是一种用于降低多变量数据集维数的方法，同时尽可能多地保留可变性(即统计信息)，即它会找到新的不相关变量(称为主成分)作为原始数据集中变量的线性函数或混合函数，最大化它们之间的方差，并将初始变量中的大部分信息压缩到第1个成分中^[24]。主成分分析的结果通常以载荷图的形式表示，该载荷图以向量的形式显示2个主成分中包含的变量信息，其中向量的方向和长度表示每个变量对图中2个主成分的贡献。载荷图显示了4个象限：在同一象限中相邻参数表示潜在的正相关；相反，绘制在相反象限中的参数与它们之间呈负相关。

公司承建的玉溪-磨憨铁路位于云南省南部地区，是中老铁路在我国境内的最后一段。正线长度14.7 km，隧道工程包含西双版纳隧道2号斜井及横洞、广塔隧道等。

隧道穿越地层主要为中风化花岗岩，灰白色，暗色矿物主要是黑云母。中粗粒结构，斑杂构造。节理、裂隙一般发育，岩质较硬，为较硬岩，岩芯主要呈较完整-较破碎状。

本次隧道超前水平地质钻探采用的是意大利卡萨格兰德生产的C6xp钻机，配备3个管棚专用钻头、30个水平超前钻头、5个取芯钻头和3个环形救援专用钻头。钻机能够完成气动冲击钻、水压冲击钻和取芯钻，一次性最大钻进深度为150 m。

隧道爆破前，钻机在开挖面上完成等边三角形布置的3个超前钻孔，单次钻进深度在20~30 m之间。钻进过程中，收集到的随钻参数包括钻进深度、时间、钻进速率、钻进压力、转动压力和转速。数据采集装置集成于动力头上，在钻进过程中能够自动对随钻参数进行校正。考虑隧道中粉尘排放问题，选择水压冲击钻进行超前勘探，每0.02 m采集1次数据。

达到预定钻孔深度后，利用高压水对钻孔进行充分清洗，随后利用特定的数码相机装置开展孔内摄像作业。数码相机由前透镜组成，由LED灯照明，摄像机前部增加了1个防护钢架，以防止岩石和摄像机玻璃之间可能发生的碰撞。数据采集系统通过绝缘电缆与摄像机相连。它在1个带有距离计数器的电缆轮中滚动，因此视频中的图像始终与深度相对应。

在现场钻孔中进行了大范围孔内摄像，记录了不同的岩体结构形态，归纳起来，可分为3种结构形态：

完整或块状岩体(图 2(a))。完整岩体内壁凹凸起伏较小，没有明显的裂缝或破碎。

图 2 从钻孔摄像记录划分岩体结构形态 Fig. 2 Division of rock mass structure from borehole camera records

图选项

破碎岩体(图 2(b))。破碎岩体内壁剥落现象明显，通常伴随小型/中型裂隙和小型空腔。

极破碎岩体(图 2(c))。极破碎岩体内壁凹凸起伏很大、侵蚀剥落现象严重，通常由中型/大型裂隙或中型/大型空腔组成。

在载荷图中，根据变量的变化(方差)计算每个变量的影响(权重)，采用非线性迭代偏最小二乘法计算由每个分量解释的变量的权重。本次钻进参数的主成分分析采用Matlab编程完成，图 3显示了由第1和第2主成分生成的载荷，由2个主成分生成的平面解释了所有参数之间总变化的89.1%。

图 3 第1、第2主成分载荷图 Fig. 3 Load diagram of the first and the second principal components

图选项

第1个分量主要由右侧的破碎参数(钻进速率变化率、旋转压力变化率和破碎指数)支配，左侧主要受钻进压力支配。在钻进系统中，钻进压力和旋转压力之间通常存在相关性，尽管这些参数是相互独立的并且由钻机控制系统控制。如果降低钻进压力，在一般情况下，旋转压力也会降低。破碎参数与钻进速率呈明显的正相关性，表明钻遇地层越破碎、钻进速度越快。图 3显示钻进压力与破碎系数之间呈负相关，当岩体状况从完整岩体逐渐破碎或破碎时，钻进压力以相反的方式反应。在破碎岩石或空腔中，可能没有足够的钻进压力来维持高水压，从而使水更容易流过液压锤。总体而言，第1主成分倾向于由钻机系统对钻进岩体的地质特性响应的支配。第2主成分主要由旋转压力控制，显示旋转压力与钻进压力、钻进速率及破碎参数之间的正相关关系。旋转压力和破碎参数之间的关系因岩体特性不同而变得复杂。总体而言，钻遇地层越破碎，钻头旋转压力增加，钻进速率加快；当钻遇地应力较高的破碎地层时，钻头旋转压力剧增，钻进速率停滞，出现卡钻现象。

第1主成分解释了数据的较大可变性，参数之间的关系解释了钻孔对岩石的响应。这不会发生在所有参数均为正相关的第2个主成分中，因为第2个主成分主要体现了钻进系统的影响。因此，选择第1主成分表示为钻进参数之间的函数，公式为：

(4)

式中，Y₁为第1主成分；V为钻进速率；F为钻进压力；T为旋转压力；V_i为钻进速率变化率；T_i为旋转压力变化率；FI_i为破裂指数。

分别绘制3种结构形态岩体的第1主成分概率密度函数，如图 4所示。3条概率密度曲线反映了3种结构形态岩体第1主成分的分布范围，反过来理解，只要计算出的第1主成分落在哪个区间范围内，就可大致推断出该钻遇岩体的结构形态。可以看出，3条概率密度曲线两两相交，交点即为不同结构状态岩体第1主成分的阈值。2个交点对应的第1主成分分别为-6和30，表明完整岩体第1主成分小于-6；破碎岩体第1主成分范围可取-6~30；极破碎岩体第1主成分大于30。尽管3条曲线包含的面积存在重叠的部分，但重叠部分对应曲线的概率密度高低之分非常明显，因此所划分的区间基本能反映钻遇岩体的结构形态。

图 4 第1主成分的概率密度函数 Fig. 4 Probability density function of the first principal component

图选项

选择隧道内典型花岗岩地层的随钻测量参数进行分析，如图 5所示，可知在钻进深度范围内，钻进参数整体变化较小(转速采集器出现问题，不予考虑)，岩体较为完整。根据钻进速率、钻进压力、旋转压力、钻进速率变化率、旋转压力变化率和破碎指数，利用上述主成分分析方法计算第1主成分，绘制第1主成分随深度变化散点，如图 5所示。图中散点被划分到3个区间内，分别是：第1区间：第1主成分 <-6；第2区间：-6 < 第1主成分 < 30；第3区间：第1主成分>30。第1区间对应钻孔深度处岩体为完整岩体，占比84.6%；第2区间对应钻孔深度处岩体为破碎岩体，占比8.2%；第3区间对应钻孔深度处岩体为极破碎岩体，占比7.2%。

图 5 随钻参数随钻进深度变化 Fig. 5 While drilling parameters varying with drilling depth

图选项

极破碎状态的岩体主要分布在0~0.6 m区间内及6.5，8.7，10.3，12，17.8，19.2 m附近，其钻进速率均有不同程度的提高或剧增。特别是0~0.6 m深度段，处于孔口位置的岩体承受的地应力低，岩体易于破碎，其钻进速率明显高于其他深度。钻进压力、旋转压力的变化规律与钻进速率正好相反，处于极破碎状态的岩体钻进压力与旋转压力明显降低，但又很快恢复正常，这很可能是构造运动引发脆性破碎，没有形成明显的断层或空腔。图 6显示钻进速率与岩体破碎程度呈正相关、与钻进压力和旋转压力呈负相关，这与公式1是完全吻合的，体现了主成分分析方法在岩体状态判别应用中的正确性。

图 6 第1主成分随钻进深度变化 Fig. 6 The first principal component varying with depth

图选项

极破碎状态岩体是破碎状态岩体的极限，其前后一般都分布范围不等的破碎状态岩体，相对容易判别。但是对于破碎状态或完整状态的岩体，其随钻参数变化很小，利用图 6很难直观判别其状态，但是利用本研究提出的主成分分析方法计算其第1主成分，将第1主成分与钻进深度联合起来，则很容易判别其分布范围，量化其占比，体现了主成分分析方法在岩体状态判别应用中的精确性。

本研究依托玉磨铁路隧道项目，利用主成分分析方法，建立了第1主成分与岩体结构形态之间的关系，提出了利用第1主成分划分结构形态的方法，得到如下结论：

(1) 对于同一台钻机，监测到的钻进参数不是独立的，而是高度相关的。提出的第1主成分分析方法可以正确解释各钻进参数对岩石的响应。

(2) 花岗岩地层中，钻遇破碎岩体时，钻进速率均有不同程度的提高或剧增，钻进压力、旋转压力则会出现短暂的降低。

(3) 利用第1主成分对岩体结构状态进行了定量划分，得到其分布范围及占比。其中完整岩体占比84.6%，破碎岩体占比8.2%，极破碎岩体占比7.2%。

根据《铁路隧道设计规范》，岩体被划分为完整、较完整、较破碎、破碎和极破碎5种结构形态，而本研究将钻遇岩体分为了完整、破碎与极破碎3种结构形态，较为粗略。主要是因为钻遇的岩体为花岗岩，较完整与较破碎状态的岩体很少，钻遇概率很低，在主成分分析图中概率密度极小，没有明显的区间，所以无法区分。后期随着采集样本的增多，钻遇岩体状态更急丰富，会使岩体形态划分更加全面。