复杂度控制

复杂度控制（共12篇）

复杂度控制 篇1

摘要：帧内预测在视频编码中是非常重要的模块。在视频实时编码与传输过程中,场景切换会经常出现。此时,一般会采用全I帧编码。研究发现,即使是全I帧编码,也往往会非常耗时。基于编码单元深度范围和帧内预测中候选预测方向个数研究了HEVC编码器的复杂度控制问题。针对不同的目标编码复杂度,算法自适应地选择不同的方法来优化编码过程。实验结果表明,该算法在保证视频质量的前提下实现了对不同复杂度目标的控制。

关键词：视频编码,HEVC,帧内预测,复杂度控制

1 HEVC视频标准编码

随着视频技术的发展,特别是高清(HD)、超高清(UHD)、3D和多视点(multi-view)视频技术的兴起,各种视频信息已普及和深入到人们生产和生活的各个方面。基于互联网的网络视频实时通信己经成为当前通信领域的热点,并在视频会议、视频监控、远程教育、视频点播等方面得到广泛的应用,视频压缩技术受到巨大的挑战。视频应用的多样化和高清化趋势对视频压缩性能提出了更高的要求。为此,2010年4月VCEG和MPEG再次组建视频编码联合组(Joint Collaborative Team On Video Coding,JCT-VC),联手制定新一代视频编码标准———HEVC(High Efficiency Video Coding)[1]。相比以往的视频编码标准,HEVC沿用了传统视频编码标准的混合视频编码基本框架,并在各个编码模块上进行了改进和革新。其核心模块包括:预测、变换和量化、熵编码、环内滤波等。与先前的H.264/AVC标准相比,在相同应用条件和视频质量的前提下HEVC的编码效率要提高一倍。随着HEVC的发展,基于HEVC的应用级编码器也随之出现,目前可以直接使用的有两个:x265,Div X265。类似于以往的国际标准,HEVC采用混合编码框架,如图1所示[2],主要包括变换、量化、熵编码、帧内预测、帧间预测以及环路滤波等模块[3]。

2 复杂度控制研究现状

目前HEVC快速帧内模式选择算法,一般都只考虑在尽量少损失客观质量的情况下对模式进行选择。一般的论文中,都只考虑3%以内的质量损失(采用BDBR或者BD-PSNR的指标)。在某些场合,仅仅采用这些保守的模式选择算法,是达不到实际应用需求的。由于HEVC的复杂程度很大,有时候需要通过相对比较大的质量损失,以达到实时性[4],在这方面,复杂度控制算法可以作为参考。针对H.264,已经有很多复杂度控制方面的研究[5,6,7]。然而,由于HEVC与H.264的编码结构大不相同,因此其复杂度控制算法也需要重新设计。比如,在文献[8]中,G.Correa通过同位区域中的纹理关系对编码单元的深度进行调整。如果纹理关系相近,那么当前编码CU也将采用这个深度。并且通过总的时间关系,对需要做算法的帧数进行提前计算,从而控制编码的复杂度。

文献[9]中,A.Ukhanova通过率失真和复杂度的关系来选择量化和深度参数,使用预测和博弈论作为基础,对于某一些帧的最大CU深度进行限制,从而控制编码复杂度。

文献[10]中,M.Grellert提出了负载管理的方案。该方案的基本思路就是估算每一帧的复杂度预算,动态地控制每一帧的复杂度。比如通过限制最大CU深度的预测和运动搜索范围等,并通过反馈的环路控制最大限度地减少RD损失。

文献[11]中,J.Leng对相邻和同位的编码深度进行分析,通过阈值来避免一些无必要的编码深度。控制需要进行优化的最大CU数量来调整编码的复杂度。

文献[12]中,X.Shen利用了贝叶斯的方法来对深度进行选择。这个算法是基于离线的机器学习方法,使用贝叶斯决策的规则,对编码单元是否需要划分进行判断。

综上所述,已经提出的方法一般针对编码单元的深度进行调控,或者对模式数量进行调控,没有把这两者结合起来分析考虑。并且以前的工作都是针对帧间预测进行的复杂度控制,而在帧内预测方面还没有相关工作。本文将针对帧内预测的复杂度控制进行研究。

3 帧内预测复杂度分析

帧内预测主要用于去除图像的空间相关性。通过编码后的重构块信息来预测当前像素块以去除空间冗余信息,提高图像的压缩效率。帧间预测模块主要用于去除图像时间相关性。HEVC采用了编码单元、预测单元、变换单元代替H.264宏块的概念[13]。由于最大编码单元比宏块要大很多,而且编码单元和变换单元都可以采用树形分块,预测单元采用了更多的分割模式,因此,HEVC复杂度比H.264要高很多。另外,对帧内预测,HEVC的预测方向要比H.264多好几倍[14,15],如图2所示。

虽然一般来说帧间预测的复杂度高于帧内预测,但是在实际视频编码中,帧间预测经常会采用Merge甚至Skip模式[16],可以大大节省计算量。而HEVC帧内编码可选择编码单元大小和预测方向都比较多,因此计算复杂度高,在实时性要求较高的场合(比如视频聊天、直播)可能会引起卡帧现象[17,18]。本文主要对帧内模式进行分析,找出最优的编码单元大小和预测方向组合,为具体应用提供参考。

3.1 编码单元深度的复杂度分析

在HEVC中,视频编码时采用树型结构编码单元(Coding Unit,CU),对于亮度像素CU,其尺寸可以从64×64一直递归划分至8×8,CU的递归划分过程如图3所示。较大块的CU可以被划分成较小的CU,例如对于depth=n的CU,若划分标志位(splitflag)为1,则继续划分为depth=n+1的4个小CU,每个较小CU的尺寸是上一深度CU的1/2。

从图3中可以得到,编码单元CU的深度一共可分为0,1,2,3,分别对应编码单元的大小为64×64,32×32,16×16,8×8。在递归划分的过程中需要进行大量的RDO计算,LCU的递归划分过程也占到了编码时间的90%,因此通过提前终止CU的划分,减少CU深度大小能够有效减少视频编码复杂度,达到缩短视频编码时间的目的[19]。

HEVC帧内预测复杂度可以通过不同的编码参数对其进行评估,比如说编码的总时间。在本文中,在不需要考虑操作系统的其他性能时,可以通过软件分析器来获得编码时间,统计3个1 280×720分辨率的视频测试序列(Four People,Johnny和Kristen and Sara)的每个CU深度的编码时间。其中每个序列的帧数均为150帧,因此总的编码时间基本上也都很相似。

图3显示了每一个CU深度层的平均编码时间比。CDN代表不同深度的时间比,N从0到3。从图中可以看出,深度越大,计算所占的时间比重越大。因此,对复杂度的控制可以转化为对深度进行优化,从而大大减少编码时间。

3.2 帧内预测中候选预测方向个数复杂度分析

帧内预测是视频编码过程中的一个重要组成部分,它充分利用图像的空间相关性,来提高压缩效率。然而帧内预测具有极高的算法复杂度,实时性要求高的场合使用起来效果往往不是很好,特别是在出现场景切换时,编码器会进行大量的帧内预测。因此在实际应用中需要加快帧内预测过程,使得编码过程更加流畅,减少卡帧现象。

对于不同尺度大小PU,最佳的候选预测方向个数也不同,大小为16×16,32×32,64×64的PU只有3个预测方向,大小为4×4和8×8的PU有8个预测方向。因此在保证图像损失很小的情况下,可以减少候选预测方向个数来减少编码时间。本文对不同大小的PU的候选预测方向个数进行调整,通过实验定义了4种不同的候选预测方向个数组合CP1,CP2,CP3,CP4,如表1所示。

测试在定义的4种不同的候选预测方向个数组合下,记录对应的视频编码过程中的时间减少(ΔTime/%)和峰值性噪比的减少(ΔY-PSNR/d B),变化趋势如图4所示。其中参与测试的视频序列有Basketball Pass,BQSquare,Basketball Drill,BQMall和FourPeople,编码帧数为150帧。由图4分析可得,随着候选预测方向的减少,编码时间会随之减少,CP1组合有将近10%的时间减少,Y-PSNR的损失在0.01 d B以内,而CP4组合有将近20%的时间减少,但是图像质量损失较大,已经超过了0.1 d B。

综合分析这4种组合的ΔTime和ΔY-PSNR可得:本文选择CP1组合作为候选预测方向的最佳组合,此时时间下降明显,同时视频质量没有损失太多。此时,对复杂度的控制可以解释为:先设定一个需要减少的目标时间,把候选预测方向的个数组合设定为CP1来达到复杂度控制的目的。

4 算法描述

为了更好地适应视频播放时出现场景切换的情况,并加快帧内预测编码时间来减少复杂度,本文提出了两种解决方案:

1)对帧内预测中编码单元CU深度大小范围进行调整,节省编码时间;

2)对帧内预测中的最佳候选模式数量进行调整。根据不同的情况,结合以上两种方案,对编码复杂度进行联合控制。

在整个视频序列中,分为需要做优化算法的编码帧Scn和不需要做优化正常编码的普通帧Su。如图5所示,通常第一帧是不需要做优化的普通帧,然而接下来的帧需要对其进行时间上的预测和控制,如果需要对其进行复杂度控制,则加入优化算法,否则依然不需要进行优化。

为了控制编码复杂度,在CU深度方面对当前编码帧的每一个64×64的CU块进行统计,对其中的深度大小进行范围统计,得到当前CU的深度范围区间[Min Depth,Max Depth]和深度范围大小Num Depth,可以用来限制下一帧的同位CU的编码深度的选择。当需要进行优化算法的编码帧Scn进行编码时,可以使用前一帧的深度信息去限制当前编码块的最大和最小深度,这样就不需要做所有的RDO计算,从而节省了编码时间。由于视频存在时间相关性,前一帧与当前编码帧存在一定的相似性,所以同位的CU区域也会拥有一个相似的深度范围,在不影响编码效率的情况下,可以对当前同位的CU使用前一帧的编码深度范围。

而在候选预测方向个数方面,通过前文分析可以得到,在使用CP1的候选预测组合时,时间减少了近10%,而图片的质量损失可以忽略不计。在本文中,主要考虑时间复杂度,定义视频的编码总时间复杂度为Tt,目标时间复杂度为Td,已编码帧的时间复杂度为Tp。对当前帧进行编码时,若已编码的平均时间复杂度TYave比未编码的平均时间复杂度TNave大,则加入优化算法;若已编码的平均复杂度TYave比未编码的平均时间复杂度TNave小,则不加入优化算法,正常编码。TYave和TNave的计算公式如式(1)和式(2)所示

式中:n代表已经编码的帧数;N代表总编码帧数。

总体的算法流程框图如图6所示。

具体的复杂度控制度算法如下:

1)第一帧正常编码,记录每个CU块中的深度范围[Min Depth,Max Depth]和深度的范围大小Num Depth。

2)通过式(1)和(2)得到TYave与TNave,如果TYave大于等于TNave的1.1倍,转向步骤3);若小于TNave的1.1倍并且大于等于TNave,则转向步骤4),其他情况转向步骤5)。同时记录当前帧的编码深度信息。

3)当TYave大于等于TNave的1.1倍,表示当前需要减少的编码时间较多,则直接利用深度优化算法。如果前一帧同位CU的Num Depth大于0时,则表示前一帧同位CU中有不同的深度,那么当前编码CU只需要遍历[Min Depth,Max Depth]。否则,表示前一帧同位CU深度都一样,那么当前编码CU需要编码[0,MaxDepth]。同时记录下当前帧的序号,如果连续超过4帧图像使用深度优化算法,为了保证视频图像的质量,则从第5帧开始,对每个当前编码块的同位CU的MaxDepth减1。

4)当TYave小于TNave的1.1倍并且大于等于TNave,表示当前需要减少的编码时间较少,为了保证视频图像质量,则不使用深度优化,直接调整模式候选个数,将候选模式预测组合切换到CP1。

5)当TYave小于TNave时,表示前面已编码帧数的平均时间已经小于目标时间下的剩余编码平均时间,如果标记为优化帧Scn,那么编码总时间会达不到目标时间,所以直接标记为Su即可。

6)重复到步骤2),直到编码结束为止。

5 实验分析

为了验证本文算法的有效性,本文在HEVC参考软件HM-15.0上进行仿真实验。实验平台的硬件配置为Iter(R)-Core(TM)i7-4790CPU,主频为3.60 GHz,内存为8 Gbyte,操作系统为64位Windows7,开发工具为VS2013。实验中,配置文件是“encoder_intra_main.cfg”。全I帧,原始的深度范围是0~3(即[0,1,2,3]),其他参数均采用HM默认配置。

设定不同的目标复杂度,记为TC(%)={90,80,70,60},在不同的目标复杂度的情况下,使用本文提出的复杂度控制算法。使用比特率的变化幅度百分比ΔBR、峰值性噪比(PSNR)的差值ΔPSNR和编码时间减少TS来衡量编码性能,TS计算方法如下[16]

实验结果如表2所示,其中在不同的目标时间复杂度下,对表中19组不同的视频测试序列使用不同量化参数QP进行测试,计算了QP分别为22,27,32,37时的ΔBR,ΔPSNR和TS的平均值。根据表2数据,分析3个视频序列(Basketball Pass,Party Scene,Four People)的目标复杂度和实际复杂度的对比图如图7所示,可以明显得出实际测得的复杂度和目标复杂度相差不多。从所有视频序列的平均情况来看,目标时间复杂度TS从90%到60%,ΔPSNR平均值从0.01 d B到0.08 d B,其中效果最差的是序列BQSquare,在目标时间复杂度是60%的时候,PSNR下降了0.31 d B,总体上来说图像的质量损失不大,可以忽略不计。ΔBR平均值从0.02到2.32,其中效果最差的是序列BQSquare和Basketball Drill。除此之外,总体上比特率的变化不大。图8给出了序列Johnny在不同QP下达到不同的目标复杂度时的PSNR和比特率,可以看出视频图像的质量损失可以忽略不计。

为了能更好地看到每一帧时间复杂度的变化,图9统计了目标复杂度为70%时,编码100帧的时间折线图。从图中可以看到,实际每一帧的编码时间在平均每一帧的编码时间线的上下波动。更加明显地体现了复杂度控制的作用性。综上所述:本文提出的算法基本能达到目标的时间,从而对编码过程进行复杂度的控制,同时编码性能基本不变,保证了视频图像的质量。

6 结论

本文研究了基于HEVC帧内预测的复杂度控制方法。提出了改变CU深度范围和减少RDO候选模式个数的方法来联合控制编码复杂度。算法针对不同复杂度目标来自适应地选择不同的复杂度方法。当目标复杂度调整幅度比较大的时候采取CU深度范围调整,而目标复杂度调整幅度较小的时候将选取减少RDO候选模式个数的方法。实验结果表明,以上算法的效果比较明显,能够把复杂度控制做给定目标附近。

复杂度控制 篇2

针对某高速公路一段复杂地质环境路堑的特点,通过采用多种爆破参数和周密的安全措施,成功地控制了爆破地震波和飞石,完成了该段路堑工程的控制爆破,以期为复杂环境下路堑爆破开挖施工积累经验.

作 者：戴雨 张宏洲 祁洪 DAI Yu ZHANG Hong-zhou QI Hong 作者单位：戴雨,祁洪,DAI Yu,QI Hong(中交隧道局工程有限公司第五工程公司,天津,300143)

张宏洲,ZHANG Hong-zhou(廊坊师范学院建筑工程学院,河北,廊坊,065000)

复杂岩层地质冲击成孔质量控制 篇3

【摘要】本文主要介绍琅岐闽江大桥桩基冲击成孔施工的特点及经验，总结了一套复杂岩层地质冲击钻孔施工组织方法，对高强度、复杂岩层地质冲击钻孔施工工艺及其事故处理等进行了分析总结，以供参考。

【关键词】复杂岩层；冲击；钻孔桩；施工

1、概述

1.1工程概况

琅岐闽江大桥及接线工程Ⅰ合同段主桥边辅墩及引桥桩基桩径为180cm；钻孔桩均按柱桩设计，要求桩底进入微风化岩不小于1.5倍桩径，且沉渣厚度不得大于5cm。

通过方案比选，主桥边辅墩及引桥φ1.8m桩基采用成本较低、破碎高强度岩层效果较好的冲击钻机冲击成孔施工工艺。

1.2水文、气象条件

1.2.1水文条件

场地地下水类型主要为浅部填土中的上层滞水，中部中砂层中的孔隙承压水，以及基底不同风化程度岩层中的孔隙-裂隙承压水。

地下水埋深0.50～3.10米，赋存于基地不同风化程度花岗岩构造系中的岩层空隙-裂隙承压水，各含水层存在直接水力联系，由于风化程度不同，风化孔隙裂隙率和连通性差异较大，总体透水性较弱，富水性也较弱。

1.3地质条件

1.3.1地层地质情况

本区段位于大桥亭江侧陆域，地势较平坦，主要为道路和农田，，地面高程4.66～6.17m。土体层厚度11.3～55.7m，岩体为花岗岩。

土体层主要为：表层为厚1.7～3.1m松散素填土、杂填土，其下主要为流塑状淤泥②2（局部夹薄层卵石②6），淤泥②2层厚9.6～43.3m，N3～N1墩下部为可塑性为主的粉质黏土（③1）厚度为7.4～17.1m、局部有中密的中砂透镜体（③4），厚度为2.2～2.5m。

岩体整体上埋藏较浅，岩面起伏大，风化厚度相差较大。强风化层厚薄不均，厚0.5～8.6m，多为密实砂砾状，底部夹少量碎块状；中风化层整体较薄，一般不超过一米，有些部位缺失；部分强风化岩中夹有1.5～2.0m微风化残余体，微风化面起伏很大，埋深11.8～66.6m，高程-6.51～-60.63m。

由于本段强风化层、中风化层整体厚度薄且不连续，微风化岩埋藏浅，采用端承桩基础，桩端置于微风化基岩中。

1.3.2岩土体设计参数建议值

根据钻探、原位测试和室内土工试验结果，并结合钻进情况和现场野外鉴定，综合确定场地岩土体设计参数建议值如下表所示。

岩土设计参数建议值表

1.3.3不良地质作用

不良地质现象主要为沙土液化。桥址地震设防裂度为7度区，工程场地在埋深20米以内分布有饱和的粉砂、细砂层，为可液化土，场地液化等级为严重。

特殊岩土主要为软土（淤泥、淤泥质土）和风化岩，其中软土分布十分普遍，厚度达50m，水平层理明显，局部呈千层饼状，局部层理面附粉砂，具有高灵敏度和触变性。桩基施工时须特别注意淤泥塑性变形的问题。

2、钻孔施工

2.1钻机选型

根据钻孔桩桩径、桩长及地质条件，选用CK2000型及CK2200型两种冲击钻机配备泥浆净化器等配套机具进行成孔作业。该机为大口径冲击钻机，适用于各种地层，特别是卵、砾石层和坚硬岩层，比其他类型钻机有较高的钻进效率和成孔质量。钻机性能参数见下表。

冲击钻机性能表

2.2冲击成孔

采用冲锤冲击成孔，泥浆沉淀除渣，正循环钻进、清孔施工工艺。开钻前向孔内注入泥浆，以冲击锥小冲程反复冲击造浆。在通过护筒底口及底口以下2～4米时，采用浓泥浆、低冲程，高频率反复冲砸，使孔壁坚实不塌不漏。

①开孔及整个钻进过程中，孔内水位要求保持1.5m～2.0m水头高度，并低于护筒顶面0.3m以防溢出泥浆，掏渣后及时补水。每钻进2m和在地层变化处及时捞取渣样，以便与勘察设计时的地质剖面图进行核对，同时也为泥浆、钻锤及钻进速度的选择提供更为直接的资料。

②在钻孔施工过程中，冲程要根据土层情况而异：在通过坚硬密实岩层或漂石之类的土层中采用中冲程，冲程过高，对孔底振动大，易引起塌孔。在通过高液限黏土、低塑形淤泥土层时，采用高冲程。在易坍塌或流砂地段用小冲程，并提高泥浆的粘度和相对密度。

钻进成孔过程中各类地层中的冲程及泥浆比重选用值见下表。

各类地层钻进中的冲程及泥浆比重选用表

③在通过岩石或漂石，如孔内岩层表面不平整或倾斜，先投入粘土、片石，将表面垫平，再进行冲击钻进，防止发生斜孔、卡钻或掉钻事故。

④钢丝绳的长度要均匀地松放，一般在松软土层每次松绳5cm～8cm，在密实坚硬土层每次松绳3cm～5cm。为正确提升钻锤的冲程，在钢丝绳上采用油漆做出长度标志，防止松绳过少，形成“打空锤”；松绳过多，则会减少冲程，降低钻进速度，严重时使钢丝绳纠缠发生事故。

⑤采取泵吸正循环沉淀除渣，通过粘土造浆悬浮岩屑，再将钻渣循环至孔口，采用筛网将泥浆中的岩屑除去。

⑥在掏渣后或因其它原因停钻，再次开钻时先由低冲程逐渐加大到正常冲程，以免卡钻。

2.3冲击成孔注意事项

1）防渗漏技术措施

若遇岩石破碎，裂隙发育地层，泥浆渗漏的可能性极大，必须采取预防措施，防止孔内水头突然下降导致孔口护筒被水压压坏或引起局部破碎岩塌孔。始终保持护筒内泥浆面高出护筒外水面1.5m以上，一旦发生渗漏，及时采取增大泥浆比重和粘度、回填粘土等措施进行处理。

2）在钻进过程中，发生故障或突然停电，设法尽快将钻头提起，以免埋钻。

3）在钻进过程中，定时检查钻头直径，当冲锤磨损到比原尺寸小2～3cm或刃口磨钝时，及时补焊。

4）冲击钻一般采用正循环清渣，清孔速度慢，清孔效果差，很難达到柱桩沉渣指标要求，需采用泵吸反循环清孔工艺，确保清孔质量。

5）复杂岩层地质冲击钻孔常见事故预防和处理见下表。

复杂岩层地质冲击成孔常见问题、原因和处理方法

3、总结

复杂度控制 篇4

然而在H. 264编码过程中量化参数QP同时用于率失真优化和码率控制,导致“蛋鸡悖论”而不能直接套用以往编码标准的算法,如MPEG-2中的TM5[3]、H. 263中的TMN8[4]以及MPEG -4中采用的VM8[5,6]。为解决此 问题,现有的H. 264编码标准采用了由Ma等人提出的JVT - H017提案[7]中的算法,但该算法在视频序列存在快速运动或场景变换时,由于各帧的复杂度相差过大以及线性MAD预测模型的不准确,导致最终编码输出的码率波动性较大,图像质量不高。

因此,针对H017算法在基本单元层码率控制上的不足,学者们提出了多种码率控制算法进行改进。JVT-W042提案[8]沿用了H017的基本算法流程,着重于代码的优化重写,并支持全I帧和分级B帧的码率控制。另外,文献[9]通过一种简单的帧差法来衡量图像复杂度,进而改进帧层码率控制。文献[10]针对视频中的大量场景切换,提出一种基于非连接点的场景切换检测算法,结合自适应Go P分组技术提高码率控制性能。文献[11]在ρ域模型基础上提出平方根模型,用于改进基本单元层的码率控制。文献[12]提出一种结合人眼视觉特性的码率控制算法,在基本单元层引入视觉敏感因子进行目标比特分配。文献[13]利用视频信源的时空相关性提出一种新颖的编码特性预测机制,并利用Lagrangian优化技术推导出两种高效的位率失真优化分配算法。文献[14]采用两个率失真模型进行码率预测,即给出一种基于双模预测的自适应码率控制方法来提高码率控制精度。

本文将MAD值作为图像复杂性的度量参数来调整目标比特的分配。在MAD值的预测方面,充分利用视频序列中的空间信息来改进MAD预测模型,同时利用运动矢量的大小作为判断依据来决定所采用的MAD预测模型。实验结果表明,与JVT-H017以及较新的文献算法相比,本文算法可获得更好的图像质量,并且具有更高的码率控制性能。

1 JVT-H017 码率控制算法

JVT-H017码率控制方案由两层组成: Go P( Group of Picture) 层码率控制和帧层码率控制,若编码中基本单元不是一帧,则再增加额外的基本单元层码率控制。

H017提案中的基本单元层码率控制算法主要包括3个步骤: 1) 目标比特数的分配; 2) 预测当前基本单元的MAD值; 3) 基本单元量化参数QP值的计算。

1. 1 目标比特数的分配

假设P帧中未编码的基本单元数为Nbu,用frb表示分配给当前帧中未编码基本单元的剩余比特数,则对于当前编码基本单元所分配的目标比特数为frb/ Nbu,即平均分配剩余比特数。

1. 2 预测当前基本单元的 MAD 值

在H017提案中使用线性预测模型来预测当前基本单元的MAD值

式中: MADcur为当前基本单元的预测值; MADpre表示前一帧相同位置处基本单元的实际值; a1和a2为预测模型系数,初始值分别为1和0,之后通过线性回归技术进行更新。

1. 3 基本单元量化参数 QP 值的计算

完成MAD值的线性预测后,使用二次率失真模型[15]来计算当前基本单元的QP值。二次率失真模型如下

式中: Ri( j) 是编码第i帧第j个基本单元所需要的比特数; X1和X2为该模型的一、二阶系数,在每个基本单元编码结束后进行更新; MAD为上一步所得到的预测值,由此可计算量化参数QP。

2 本文的改进算法

通过对H017算法中的基本单元层码率控制方案的描述可知,该算法的MAD预测模型只考虑了基本单元间的时间相关性,没有利用其空间相关性。

另外,在对未编码基本单元的目标比特分配方面,H017中的算法同样没有考虑图像的复杂度因素,只是平均分配剩余比特。

这两方面的不足将导致该算法在处理高速运动或频繁发生场景切换的视频序列时出现较大误差,重新更新的模型参数也会同样因为缺少复杂度因子而造成误差传播,从而影响视频的码率稳定性以及图像编码质量。因此本文分别从MAD预测模型和分配剩余比特数两个方面来对原算法进行改进。

2. 1 改进的基本单元 MAD 预测模型

由于在一般的视频序列中,MAD值的大小在时间和空间两方面均有很强的相关性。因此本文利用基本单元间的空间相关性来改进MAD预测模型,并且引入运动矢量作为衡量图像复杂度的标准,根据图像的复杂程度来决定选用的预测模型。

如图1所示,编码过程中利用当前编码基本单元Cur和前一帧相同位置基本单元Pre的邻域对原算法进行改进。

具体的MAD时空加权预测模型为

式中:表示当前编码基本单元Cur的相邻基本单元D,E,B,G的MAD平均值;是参考帧中相同位置处基本单元Pre的相邻4个基本单元AP,BP,CP,DP的MAD平均值; b1,b2和b3为加权系数,且b1+ b2+ b3= 1;︱MVx︱和︱MVy︱表示基本单元中宏块的水平和垂直运动矢量大小,Th为运动矢量阈值,用来反映图像的运动剧烈程度,从而实现MAD值的分级预测。

由于自然界中视频序列运动类型的多样性,只根据一种模型来预测MAD值是不够精确的。例如常见的视频图像是水平方向的运动大于垂直方向的运动,可同时还有不少垂直方向的运动远比水平方向剧烈的运动情况,此时如果不加区分地采用同一模型必定会在很大程度上影响预测的精度。因此,本文在︱MVx︱+ ︱MVy︱> Th时可根据︱MVx︱与︱MVy︱的大小关系分3种情况调整模型参数。

2. 1. 1 水平运动矢量较大的情况

当,即图像序列在水平方向上远比垂直方向运动 剧烈的情 况时,将替换为,即6个基本单元 ( D,E,B,G,X1,X2) 的MAD平均值,此时预测模型为

式中: X1和X2为当前帧水平方向上的扩展参考基本单元,如图2所示。

2. 1. 2 垂直运动矢量较大的情况

当,即图像序列在垂直方向上远比水平方向运动 剧烈的情 况时,将替换为,即7个基本单元( D,E,B,G,X3,X4,X5)的MAD平均值,此时预测模型为

式中: X3,X4,X5为当前帧垂直方向上的扩展参考基本单元,如图3所示。

2. 1. 3 其他情况

在不符合前两种情况时仍然采用式( 3) 来计算当前基本单元的MAD值。

在上述4种预测模型中,加权系数为常数,算法复杂度低,并且考虑了基本单元MAD值之间的时间和空间相关性。在图像运动剧烈的情况下,不仅在原算法基础上加入了相邻基本单元的平均MAD值,还对加权系数分别赋予不同的权值来进行调整。

改进算法还通过设置4个预测模型来针对不同复杂度的编码图像,再结合运动矢量作为图像复杂度的判断依据来对加权预测进行分级处理。这也是利用了运动矢量的性质,由于运动矢量本身就部分体现了图像的复杂度,其绝对值越大,图像变换速度越快,运动也就越剧烈,以此作为衡量图像复杂度的标准可以使MAD的预测更为合理。改进的预测模型在引入运动矢量作为图像复杂度阈值判断的同时,也将其水平、垂直分量进行比较来判断图像的复杂类型,针对不同类型的视频序列在预测模型中分别添加水平或垂直预测基本单元,从而更精确地预测当前基本单元的MAD值。

通过大量实验,并且考虑到实时低码率下的应用,采用宏块作为基本单元,取b1= 0. 35,b2= 0. 45,b3= 0. 2,Th = 16( 在下文实验中均按此参数进行测试) 可提高预测精度。

2. 2 基于图像复杂度的目标比特分配优化

H017提案在基本单元层中采用将剩余比特数平均分配给所有未编码基本单元的码率控制方案,这样的平均分配方案并没有考虑到图像中不同基本单元之间复杂度的差异性,在场景快速变化时分配过少的目标比特,导致量化参数QP过大,影响码率控制的精度和图像编码质量。

文献[16]中用MADradio来代替MAD,其中MADradio是线性预测的MAD值与已编码帧的平均MAD的比值,即用已编码帧的平均MAD值来表征图像序列的复杂度,并指出MADradio能很好地反映当前帧相对于整个序列的运动剧烈程度。

为了更合理地给未编码基本单元分配目标比特,本文在MAD时空加权预 测模型的 基础之上,将式 ( 3 ) 所得到的MADcur引入到目标比特的分配计算中。

本文利用当前基本单元的预测值MADcur与之前已编码基本单元的MAD平均值MADave的比值作为复杂度衡量因子λMAD,用来调整剩余比特数的分配。具体算法如下

式中:为分配给待编码基本单元的目标比特数; 自适应参数λ是通过大量实验后的经验值来选取。由式( 6 ) ~ 式( 8 ) 可以看出,该算法能够根据MAD的比值自适应地调整剩余比特数分配。若当前编码基本单元的复杂度比之前的基本单元复杂度低时( λMAD< 0. 8) ,只需要分配较少的目标比特; 如果相差不大或略有增加时( 0. 8≤λMAD< 1. 8) ,可以根据情况增加分配的目标比特数; 若图像中当前基本单元的复杂度较高( 1. 8≤λMAD) ,则应该分配更多的目标比特。此外,由于算法中的MAD值计算在运动估计时是必须进行的一个步骤,采用此算法代替原提案中的平均分配算法,几乎没有给编码器增加额外的运算复杂度,同时也能保证算法的性能。

3 实验结果与分析

为了验证本文算法的有效性,所有的实验都是在JVT的开源模型JM10. 1上进行,并且与JVT-H017算法以及文献[9]的相关算法进行了比较。选用的测试序列为akiyo,si-lent,mother-daughter,foreman,carphone,highway的QCIF格式视频以及waterfall的CIF格式视频,其中waterfall视频代表了垂直方向运动大于水平方向运动的非常规运动序列。

在测试条件 上将目标 码率分别 设置为48 kbit/s和64 kbit / s,编码帧数为200帧,帧率为30 f / s( 帧 / 秒) ,参考帧数为1,采用Hadamard编码,熵编码类型采用CAVLC,初始量化参数为28,Go P结构为IPPP,即编码时第一帧为I帧,其余为P帧。

实验结果见表1与表2,两份表格分别记录和比较了各序列的峰值信噪比以及码率控制情况,其中码率偏差是实际码率与目标码率的差值与目标码率的百分比,比值越小说明算法码率控制得越精确。图4是foreman视频序列在目标码率为48 kbit/s时各帧PSNR的比较曲线,比较算法为JVTH017以及本文算法。图5是foreman视频序列在目标码率为48 kbit / s时的主观质量比较情况,左、右分别为JVT-H017和本文算法所得到的图像。

由表1及表2的实验数据可以看出,在低码率条件下,相比于其他算法,本文算法不仅得到了更高的PSNR,还使实际码率更接近于目标码率。同时本文算法对waterfall这一非常规类型的视频序列也能有较好的表现,在48 kbit/s的目标码率下能够使码率偏差由JVT-H017的0. 40% 降低到0. 17% ,这是由于本文算法考虑了垂直运动矢量较大这一情况后所得到的结果。

由图4和图5可以从客观和主观两个方面发现本文算法得到的视频质量更好,在视频主观质量上,本文算法更好地还原了人物的面部特征,这也是改进了JVT-H017算法中平均分配剩余比特方案后所带来的优势。

4 结论

本文分析了H. 264中的JVT-H017码率控制算法,指出该算法的不足并进行了相应改进。改进后的算法充分利用了编码过程中的运动矢量信息来预测MAD值,在此基础上根据MAD值的变化情况来反映图像序列的复杂度,从而更精确地分配目标比特。实验结果表明,与JVT-H017算法以及较新的算法相比,本文算法在码率控制方面更加精确,图像质量也有一定提高,从而改善了H. 264视频编码的性能。

复杂度控制 篇5

通常，对于一个给定的算法，我们要做两项分析。第一是从数学上证明算法的正确性，这一步主要用到形式化证明的方法及相关推理模式，如循环不变式、数学归纳法等。而在证明算法是正确的基础上，第二部就是分析算法的时间复杂度。算法的时间复杂度反映了程序执行时间随输入规模增长而增长的量级，在很大程度上能很好反映出算法的优劣与否。因此，作为程序员，掌握基本的算法时间复杂度分析方法是很有必要的。

算法执行时间需通过依据该算法编制的程序在计算机上运行时所消耗的时间来度量。而度量一个程序的执行时间通常有两种方法。

一、事后统计的方法

这种方法可行，但不是一个好的方法。该方法有两个缺陷：一是要想对设计的算法的运行性能进行评测，必须先依据算法编制相应的程序并实际运行；二是所得时间的统计量依赖于计算机的硬件、软件等环境因素，有时容易掩盖算法本身的优势。

二、事前分析估算的方法

因事后统计方法更多的依赖于计算机的硬件、软件等环境因素，有时容易掩盖算法本身的优劣。因此人们常常采用事前分析估算的方法。

在编写程序前，依据统计方法对算法进行估算。一个用高级语言编写的程序在计算机上运行时所消耗的时间取决于下列因素：

(1).算法采用的策略、方法；(2).编译产生的代码质量；(3).问题的输入规模；(4).机器执行指令的速度。

一个算法是由控制结构（顺序、分支和循环3种）和原操作（指固有数据类型的操作）构成的，则算法时间取决于两者的综合效果。为了便于比较同一个问题的不同算法，通常的做法是，从算法中选取一种对于所研究的问题（或算法类型）来说是基本操作的原操作，以该基本操作的重复执行的次数作为算法的时间量度。

1、时间复杂度

（1）时间频度 一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。

（2）时间复杂度 在刚才提到的时间频度中，n称为问题的规模，当n不断变化时，时间频度T(n)也会不断变化。但有时我们想知道它变化时呈现什么规律。为此，我们引入时间复杂度概念。一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n),使得当n趋近于无穷大时，T(n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=Ｏ(f(n)),称Ｏ(f(n))为算法的渐进时间复杂度，简称时间复杂度。另外，上面公式中用到的 Landau符号其实是由德国数论学家保罗·巴赫曼（Paul Bachmann）在其1892年的著作《解析数论》首先引入，由另一位德国数论学家艾德蒙·朗道（Edmund Landau）推广。Landau符号的作用在于用简单的函数来描述复杂函数行为，给出一个上或下（确）界。在计算算法复杂度时一般只用到大O符号，Landau符号体系中的小o符号、Θ符号等等比较不常用。这里的O，最初是用大写希腊字母，但现在都用大写英语字母O；小o符号也是用小写英语字母o，Θ符号则维持大写希腊字母Θ。

T(n)= Ο(f(n))表示存在一个常数C，使得在当n趋于正无穷时总有 T(n)≤ C * f(n)。简单来说，就是T(n)在n趋于正无穷时最大也就跟f(n)差不多大。也就是说当n趋于正无穷时T(n)的上界是C * f(n)。其虽然对f(n)没有规定，但是一般都是取尽可能简单的函数。例如，O(2n2+n +1)= O(3n2+n+3)= O(7n2 + n)= O(n2)，一般都只用O(n2)表示就可以了。注意到大O符号里隐藏着一个常数C，所以f(n)里一般不加系数。如果把T(n)当做一棵树，那么O(f(n))所表达的就是树干，只关心其中的主干，其他的细枝末节全都抛弃不管。在各种不同算法中，若算法中语句执行次数为一个常数，则时间复杂度为O(1),另外，在时间频度不相同时，时间复杂度有可能相同，如T(n)=n2+3n+4与T(n)=4n2+2n+1它们的频度不同，但时间复杂度相同，都为O(n2)。按数量级递增排列，常见的时间复杂度有：常数阶O(1),对数阶O(log2n),线性阶O(n), 线性对数阶O(nlog2n),平方阶O(n2)，立方阶O(n3),...，k次方阶O(nk),指数阶O(2n)。随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。

从图中可见，我们应该尽可能选用多项式阶O(n)的算法，而不希望用指数阶的算法。常见的算法时间复杂度由小到大依次为：Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n2)＜Ο(n3)＜…＜Ο(2n)＜Ο(n!)

一般情况下，对一个问题（或一类算法）只需选择一种基本操作来讨论算法的时间复杂度即可，有时也需要同时考虑几种基本操作，甚至可以对不同的操作赋予不同的权值，以反映执行不同操作所需的相对时间，这种做法便于综合比较解决同一问题的两种完全不同的算法。

（3）求解算法的时间复杂度的具体步骤是：

k

⑴ 找出算法中的基本语句；

算法中执行次数最多的那条语句就是基本语句，通常是最内层循环的循环体。

⑵ 计算基本语句的执行次数的数量级；

只需计算基本语句执行次数的数量级，这就意味着只要保证基本语句执行次数的函数中的最高次幂正确即可，可以忽略所有低次幂和最高次幂的系数。这样能够简化算法分析，并且使注意力集中在最重要的一点上：增长率。

⑶ 用大Ο记号表示算法的时间性能。

将基本语句执行次数的数量级放入大Ο记号中。

如果算法中包含嵌套的循环，则基本语句通常是最内层的循环体，如果算法中包含并列的循环，则将并列循环的时间复杂度相加。例如：

[java] view plaincopy 1.for(i=1;i<=n;i++)2.x++;3.for(i=1;i<=n;i++)4.for(j=1;j<=n;j++)5.x++;

第一个for循环的时间复杂度为Ο(n)，第二个for循环的时间复杂度为Ο(n2)，则整个算法的时间复杂度为Ο(n+n2)=Ο(n2)。

Ο(1)表示基本语句的执行次数是一个常数，一般来说，只要算法中不存在循环语句，其时间复杂度就是Ο(1)。其中Ο(log2n)、Ο(n)、Ο(nlog2n)、Ο(n2)和Ο(n3)称为多项式时间，而Ο(2n)和Ο(n!)称为指数时间。计算机科学家普遍认为前者（即多项式时间复杂度的算法）是有效算法，把这类问题称为P（Polynomial,多项式）类问题，而把后者（即指数时间复杂度的算法）称为NP（Non-Deterministic Polynomial, 非确定多项式）问题。

一般来说多项式级的复杂度是可以接受的，很多问题都有多项式级的解——也就是说，这样的问题，对于一个规模是n的输入，在n^k的时间内得到结果，称为P问题。有些问题要复杂些，没有多项式时间的解，但是可以在多项式时间里验证某个猜测是不是正确。比如问4294967297是不是质数？如果要直接入手的话，那么要把小于4294967297的平方根的所有素数都拿出来，看看能不能整除。还好欧拉告诉我们，这个数等于641和6700417的乘积，不是素数，很好验证的，顺便麻烦转告费马他的猜想不成立。大数分解、Hamilton回路之类的问题，都是可以多项式时间内验证一个“解”是否正确，这类问题叫做NP问题。

（4）在计算算法时间复杂度时有以下几个简单的程序分析法则:

(1).对于一些简单的输入输出语句或赋值语句,近似认为需要O(1)时间

(2).对于顺序结构,需要依次执行一系列语句所用的时间可采用大O下“求和法则” 求和法则:是指若算法的2个部分时间复杂度分别为 T1(n)=O(f(n))和 T2(n)=O(g(n)),则 T1(n)+T2(n)=O(max(f(n), g(n)))特别地,若T1(m)=O(f(m)), T2(n)=O(g(n)),则 T1(m)+T2(n)=O(f(m)+ g(n))(3).对于选择结构,如if语句,它的主要时间耗费是在执行then字句或else字句所用的时间,需注意的是检验条件也需要O(1)时间

(4).对于循环结构,循环语句的运行时间主要体现在多次迭代中执行循环体以及检验循环条件的时间耗费,一般可用大O下“乘法法则” 乘法法则: 是指若算法的2个部分时间复杂度分别为 T1(n)=O(f(n))和 T2(n)=O(g(n)),则 T1*T2=O(f(n)*g(n))(5).对于复杂的算法,可以将它分成几个容易估算的部分,然后利用求和法则和乘法法则技术整个算法的时间复杂度

另外还有以下2个运算法则:(1)若g(n)=O(f(n)),则O(f(n))+ O(g(n))= O(f(n))；(2)O(Cf(n))= O(f(n)),其中C是一个正常数

（5）下面分别对几个常见的时间复杂度进行示例说明：(1)、O(1)

Temp=i;i=j;j=temp;以上三条单个语句的频度均为1，该程序段的执行时间是一个与问题规模n无关的常数。算法的时间复杂度为常数阶，记作T(n)=O(1)。注意：如果算法的执行时间不随着问题规模n的增加而增长，即使算法中有上千条语句，其执行时间也不过是一个较大的常数。此类算法的时间复杂度是O(1)。

(2)、O(n2)

2.1.交换i和j的内容

[java] view plaincopy 1.sum=0；（一次）2.for(i=1;i<=n;i++)（n+1次）3.for(j=1;j<=n;j++)（n2次）4.sum++；（n2次）

解：因为Θ(2n2+n+1)=n2（Θ即：去低阶项，去掉常数项，去掉高阶项的常参得到），所以T(n)= =O(n2)； 2.2.[java] view plaincopy 1.for(i=1;i

该程序的时间复杂度T(n)=O(n2).一般情况下，对步进循环语句只需考虑循环体中语句的执行次数，忽略该语句中步长加

1、终值判别、控制转移等成分，当有若干个循环语句时，算法的时间复杂度是由嵌套层数最多的循环语句中最内层语句的频度f(n)决定的。

(3)、O(n)

[java] view plaincopy 1.a=0;2.b=1;① 3.for(i=1;i<=n;i++)② 4.{ 5.s=a+b;

③ 6.b=a;

④ 7.a=s;

⑤ 8.} 解： 语句1的频度：2, 语句2的频度： n, 语句3的频度： n-1, 语句4的频度：n-1, 语句5的频度：n-1, T(n)=2+n+3(n-1)=4n-1=O(n).(4)、O(log2n)

[java] view plaincopy 1.i=1;① 2.while(i<=n)3.i=i*2;②

解： 语句1的频度是1, 设语句2的频度是f(n), 则：2^f(n)<=n;f(n)<=log2n

取最大值f(n)=log2n, T(n)=O(log2n)(5)、O(n3)

[java] view plaincopy 1.for(i=0;i

一个经验规则：其中c是一个常量，如果一个算法的复杂度为c、log2n、n、n*log2n ,那么这个算法时间效率比较高，如果是2n ,3n ,n!，那么稍微大一些的n就会令这个算法不能动了，居于中间的几个则差强人意。

算法时间复杂度分析是一个很重要的问题，任何一个程序员都应该熟练掌握其概念和基本方法，而且要善于从数学层面上探寻其本质，才能准确理解其内涵。

2、算法的空间复杂度

类似于时间复杂度的讨论，一个算法的空间复杂度(Space Complexity)S(n)定义为该算法所耗费的存储空间，它也是问题规模n的函数。渐近空间复杂度也常常简称为空间复杂度。

空间复杂度(Space Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度。一个算法在计算机存储器上所占用的存储空间，包括存储算法本身所占用的存储空间，算法的输入输出数据所占用的存储空间和算法在运行过程中临时占用的存储空间这三个方面。算法的输入输出数据所占用的存储空间是由要解决的问题决定的，是通过参数表由调用函数传递而来的，它不随本算法的不同而改变。存储算法本身所占用的存储空间与算法书写的长短成正比，要压缩这方面的存储空间，就必须编写出较短的算法。算法在运行过程中临时占用的存储空间随算法的不同而异，有的算法只需要占用少量的临时工作单元，而且不随问题规模的大小而改变，我们称这种算法是“就地"进行的，是节省存储的算法，如这一节介绍过的几个算法都是如此；有的算法需要占用的临时工作单元数与解决问题的规模n有关，它随着n的增大而增大，当n较大时，将占用较多的存储单元，例如将在第九章介绍的快速排序和归并排序算法就属于这种情况。

红外图像复杂度评估方法综述 篇6

关键词：红外图像；复杂度；自动目标识别

中图分类号：TJ760.1 文献标识码：A 文章编号：1673-5048（2014）03-0051-04

ReviewofInfraredImageComplexityEvaluationMethod

LIUYi

（MilitaryRepresentativeOfficeinChinaAirborneMissileAcademy，Luoyang471009，China）

Abstract：Infraredimagecomplexityisanimportantindexintheevaluationofinfraredguidedweap on.Withinthetremendouscomplicatedcombatenvironment，automatictargetrecognition（ATR）faces bigchallenges.Therefore，accurateandobjectiveevaluationofimagecomplexityhasgreatvaluefor ATRsimprovement.Inthispaper，imagecomplexitysconceptisfirstlydiscussed，andthencurrente valuationmethodsofthecomplexityareoverviewed.Finally，usefulevaluationindexesareintroducedfor ATRapplication.

Keywords：infraredimage；complexity；automatictargetrecognition

0 引 言

现实情况下，目标场景所包含的空中与地面 背景的红外辐射特性变化极大、分布也可能极不 均匀，易在图像上“淹没”目标并使目标与背景无 法区分，而辐射传播路径上的云、雾、霾等气象条 件或障碍物还可能会对目标造成不同程度的“遮蔽”，实际效果如图1所示；同时，现代空战条件 下各种光电对抗手段也会通过在视场中制造多个 虚假目标、遮蔽目标或使成像效果劣化的方法阻 遏对目标的识别处理；此外，导弹高超声速飞行条 件下的气动加热效应、系统所受环境电磁干扰、探 测成像系统内部非均匀性及噪声，也会使成像出 现模糊、失真、噪声增大等劣化情况并增加目标识 别的难度。结合上述分析，现实作战条件会通过以 下机理降低红外图像中目标与背景的区分度，使 红外图像更加复杂而难以处理：

（1）使背景噪声增大从而无法区分目标；

（2）使图像中存在多个逼真的假目标；

（3）在图像中遮蔽真实目标。

针对上述应用背景，可将红外图像复杂度定义 为从红外图像中识别跟踪目标的困难程度，具体可 采用目标相对背景区分度的量测特征量进行描述。 但一般而言，不同作战条件下目标特性相差极大， 且除少数近距条件外目标主要为点目标成像，所占 图像比重极小，因此对红外图像复杂度的客观评价 可主要基于图像背景或全图像的灰度分布差异特性 进行。现有方法广泛采用图像灰度域、空间域、频 域、信息熵的统计特征描述图像随机度、均匀度、对 比度特性，以此反映图像整体复杂度并制定评价指 标，本文将对上述方法与指标进行综述分析。

2 基于图像特征的复杂度评估方法

图像通常包含边缘、形状、纹理等特征，基于 上述特征可研究评估图像复杂程度的一般方法。典型方法包括：基于区域灰度统计特性的方法、基 于信息熵的方法、基于变换域计算的方法和基于 纹理特征的方法等，下面对上述方法的内涵及特 点进行分别介绍。

（1）区域灰度统计方法

区域灰度统计方法主要着眼于将图像在空间域 进行划分，通过统计各子区域对比度、方差等相关 特性值得到全图像的复杂度量值。文献[1]基于局 部图像灰度和边缘信息度量图像复杂度，具体把图 像划分为多个目标相似区域，通过计算各区域对比 度和边缘强度计算目标相似度及分布，从而确定图 像复杂度；文献[2]通过计算5×5像素块内像素灰 度值的变化大小，度量图像复杂度；文献[3]将红外 实时图像分为4×4的分块，基于所有子块中的最 大、最小方差计算图像信噪比，以衡量图像整体复 杂度。基于区域灰度统计的方法能够一定程度上表 征图像的复杂程度，但其结果受区域尺度选择的影 响较大，难以全面反映图像的复杂度。

（2）信息熵统计方法

信息熵统计方法通过对图像灰度级的出现概 率进行计算，得到图像灰度的信息熵值，用以反映 图像灰度域的内在复杂度情况。文献[4]描述了基 于图像灰度级个数及每个灰度级像素出现情况的 信息熵及复杂度计算公式，具体如下：

文献[5]则采用像素灰度与相邻像素灰度构建二 维直方图，并基于二维直方图的分布情况计算图像信 息量。信息熵统计方法能够从整体上反映图像灰度的 统计特性，但难以描述图像边缘等细节特性。

（3）变换域统计方法

变换域统计方法主要将图像变换到频率域， 采用数学方法提取其频率分布特性以及各频率成 分的对比度，作为图像复杂度量测的依据。文献 [5]还对图像进行二维离散傅里叶变换，在频域内 计算能量谱的熵值以评估图像复杂程度。文献[6] 提出以8×8像素块为单位，在DCT域对图像各频 率成分进行邻域差别计算、并利用视觉模型进行 度量，最终累计所有图像块邻域差别得到图像整 体的复杂度数值。变换域计算方法能够提取图像 在变换域的特性信息，但也难以反映图像边缘、纹 理等与目标检测密切相关的特征情况。endprint

（4）纹理特征统计方法

纹理作为灰度分布的一种描述形式，可用来 评估图像灰度的分布差异性，通过提取纹理信息 不仅可获得图像整体的统计特性，也可对边缘、纹 理等图像细节进行描述，因此纹理特征被越来越 多地应用于图像复杂程度评估。现有提取纹理特 征的经典方法是构建图像灰度共生矩阵[7]，并基 于该矩阵提取能量、对比度、相关性、同质性及随 机性等特征量[8-9]，以描述纹理特性。

a.能量

基于图像特征的评估方法可定量描述图像复 杂程度，而针对自动目标识别的应用背景，可在此 基础上制定与目标识别困难程度相关联的评价指 标，以满足ATR技术评估的内在需求。现有研究 主要采用的复杂度指标包括：信噪比、综合复杂 度、目标混淆/遮蔽度、目标发现概率等。

（1）信噪比

信噪比是描述红外小目标图像处理难度最常 用的评价指标，能够较简洁地量测从图像中提取 有效信息所面临的复杂程度，但其难以适用于大 目标红外图像，且仅当信噪比中的“噪声”部分能 够有效反映图像复杂度时，该指标才能真正满足 实际评估的需求。

（2）综合复杂度

基于上述空间域灰度、灰度域信息熵、频率域 分布以及纹理特征，可将各类图像特征计算的图 像复杂度数值进行加权综合，得到图像综合复杂 度结果。

（3）目标混淆度/遮蔽度[11]

鉴于现实情况下，红外图像识别的难度主要源 自于环境对目标的混淆或遮蔽，因此文献[11]设置 了目标混淆/遮蔽度指标，以评估红外图像复杂度。 目标混淆度在小目标图像条件下，可通过建立与图 像虚假目标数量相关的映射函数进行计算；在大目 标图像条件下，可基于目标区域的灰度共生矩阵， 在全图遍历扫描，并将各扫描区域与目标区域的相 似度加权求和，得到混淆度量测结果。目标遮蔽度 在小目标图像条件下，可基于目标区域图像灰度与 已知完整目标灰度的比值加权计算；而在大目标图像条件下，则基于已知完整目标区域的灰度共生矩 阵以及边缘像素数与现有图像比较得到。

（4）目标发现概率[12]

鉴于实际条件下红外图像的复杂性、随机性， 文献[12]提出以发现概率为基础的评价方法，具 体通过计算图像背景区和目标区的纹理特征相似 度均值，并根据心理学测得的图像特征差别与人 眼判别结果的对应关系得出目标的发现概率。

参照以上复杂度指标，可将参试红外图像的 复杂度进行分类排序，并能够归纳得到ATR算法 对于不同复杂度级别红外图像的处理能力，从而 对ATR算法的性能进行有效评估。

4 结 束 语

红外成像目标自动识别是今后红外精确制导 武器发展的必然趋势，红外图像复杂度评估技术 作为其效能评估的重要支撑技术，必将在其未来 的技术发展中发挥更大作用。

参考文献：

[1]PetersRA，StricklandRN.ImageComplexityMetricsfor

AutomaticTargetRecognizers[C]//AutomaticTarget RecognizerSystemandTechnologyConference，NavalSur faceWarfareCenter，SilverSpring，October1990：1-17.

[2]张友华，李扬.基于统计的图像数字水印隐藏方法 [J].计算机系统应用，2001（1）：62-63.

[3]王鹏，孙继银，巨西诺.前视红外图像质量评价指标 研究[J].弹箭与制导学报，2012（1）：53-56.

[4]高振宇，杨晓梅，龚剑明，等.图像复杂度描述方法研 究[J].中国图象图形学报，2010（1）：129-135.

[5]徐春梅，李刚，胡文刚，等.红外图像评价质量研究 [J].红外技术，2004（6）：72-75.

[6]钱思进，张恒，何德全.基于图像视觉复杂度计算的 分类信息隐藏图像库[J].解放军理工大学学报（自然 科学版），2010（1）：26-30.

[7]HaralickRM，ShanmngamK，DinsteinIH.TextureFea tureforImageClassification[J].IEEETranscationson Systems，ManandCybernetics，1973，3（6）：768-780.

[8]章毓晋.图像处理和分析[M].北京：清华大学出版 社，1999：231-240.

[9]冯建辉，杨玉静.基于灰度共生矩阵提取纹理特征图 像的研究[J].北京测绘，2007（3）：19-22.

[10]邓果，赵险峰，黄炜，等.一种用于隐写测评的图像 纹理复杂度估计方法[J].计算机工程，2012（7）： 116-118.

[11]刁伟鹤，毛峡，常乐.一种新的红外目标图像质量评 价方法[J].航空学报，2010（10）：2026-2033.

[12]林伟，陈玉华，高洪生，等.基于红外目标纹理特征 的发现概率评价模型[J].红外与激光工程，2009 （1）：155-159.endprint

（4）纹理特征统计方法

纹理作为灰度分布的一种描述形式，可用来 评估图像灰度的分布差异性，通过提取纹理信息 不仅可获得图像整体的统计特性，也可对边缘、纹 理等图像细节进行描述，因此纹理特征被越来越 多地应用于图像复杂程度评估。现有提取纹理特 征的经典方法是构建图像灰度共生矩阵[7]，并基 于该矩阵提取能量、对比度、相关性、同质性及随 机性等特征量[8-9]，以描述纹理特性。

a.能量

基于图像特征的评估方法可定量描述图像复 杂程度，而针对自动目标识别的应用背景，可在此 基础上制定与目标识别困难程度相关联的评价指 标，以满足ATR技术评估的内在需求。现有研究 主要采用的复杂度指标包括：信噪比、综合复杂 度、目标混淆/遮蔽度、目标发现概率等。

（1）信噪比

信噪比是描述红外小目标图像处理难度最常 用的评价指标，能够较简洁地量测从图像中提取 有效信息所面临的复杂程度，但其难以适用于大 目标红外图像，且仅当信噪比中的“噪声”部分能 够有效反映图像复杂度时，该指标才能真正满足 实际评估的需求。

（2）综合复杂度

基于上述空间域灰度、灰度域信息熵、频率域 分布以及纹理特征，可将各类图像特征计算的图 像复杂度数值进行加权综合，得到图像综合复杂 度结果。

（3）目标混淆度/遮蔽度[11]

鉴于现实情况下，红外图像识别的难度主要源 自于环境对目标的混淆或遮蔽，因此文献[11]设置 了目标混淆/遮蔽度指标，以评估红外图像复杂度。 目标混淆度在小目标图像条件下，可通过建立与图 像虚假目标数量相关的映射函数进行计算；在大目 标图像条件下，可基于目标区域的灰度共生矩阵， 在全图遍历扫描，并将各扫描区域与目标区域的相 似度加权求和，得到混淆度量测结果。目标遮蔽度 在小目标图像条件下，可基于目标区域图像灰度与 已知完整目标灰度的比值加权计算；而在大目标图像条件下，则基于已知完整目标区域的灰度共生矩 阵以及边缘像素数与现有图像比较得到。

（4）目标发现概率[12]

鉴于实际条件下红外图像的复杂性、随机性， 文献[12]提出以发现概率为基础的评价方法，具 体通过计算图像背景区和目标区的纹理特征相似 度均值，并根据心理学测得的图像特征差别与人 眼判别结果的对应关系得出目标的发现概率。

参照以上复杂度指标，可将参试红外图像的 复杂度进行分类排序，并能够归纳得到ATR算法 对于不同复杂度级别红外图像的处理能力，从而 对ATR算法的性能进行有效评估。

4 结 束 语

红外成像目标自动识别是今后红外精确制导 武器发展的必然趋势，红外图像复杂度评估技术 作为其效能评估的重要支撑技术，必将在其未来 的技术发展中发挥更大作用。

参考文献：

[1]PetersRA，StricklandRN.ImageComplexityMetricsfor

AutomaticTargetRecognizers[C]//AutomaticTarget RecognizerSystemandTechnologyConference，NavalSur faceWarfareCenter，SilverSpring，October1990：1-17.

[2]张友华，李扬.基于统计的图像数字水印隐藏方法 [J].计算机系统应用，2001（1）：62-63.

[3]王鹏，孙继银，巨西诺.前视红外图像质量评价指标 研究[J].弹箭与制导学报，2012（1）：53-56.

[4]高振宇，杨晓梅，龚剑明，等.图像复杂度描述方法研 究[J].中国图象图形学报，2010（1）：129-135.

[5]徐春梅，李刚，胡文刚，等.红外图像评价质量研究 [J].红外技术，2004（6）：72-75.

[6]钱思进，张恒，何德全.基于图像视觉复杂度计算的 分类信息隐藏图像库[J].解放军理工大学学报（自然 科学版），2010（1）：26-30.

[7]HaralickRM，ShanmngamK，DinsteinIH.TextureFea tureforImageClassification[J].IEEETranscationson Systems，ManandCybernetics，1973，3（6）：768-780.

[8]章毓晋.图像处理和分析[M].北京：清华大学出版 社，1999：231-240.

[9]冯建辉，杨玉静.基于灰度共生矩阵提取纹理特征图 像的研究[J].北京测绘，2007（3）：19-22.

[10]邓果，赵险峰，黄炜，等.一种用于隐写测评的图像 纹理复杂度估计方法[J].计算机工程，2012（7）： 116-118.

[11]刁伟鹤，毛峡，常乐.一种新的红外目标图像质量评 价方法[J].航空学报，2010（10）：2026-2033.

[12]林伟，陈玉华，高洪生，等.基于红外目标纹理特征 的发现概率评价模型[J].红外与激光工程，2009 （1）：155-159.endprint

（4）纹理特征统计方法

纹理作为灰度分布的一种描述形式，可用来 评估图像灰度的分布差异性，通过提取纹理信息 不仅可获得图像整体的统计特性，也可对边缘、纹 理等图像细节进行描述，因此纹理特征被越来越 多地应用于图像复杂程度评估。现有提取纹理特 征的经典方法是构建图像灰度共生矩阵[7]，并基 于该矩阵提取能量、对比度、相关性、同质性及随 机性等特征量[8-9]，以描述纹理特性。

a.能量

基于图像特征的评估方法可定量描述图像复 杂程度，而针对自动目标识别的应用背景，可在此 基础上制定与目标识别困难程度相关联的评价指 标，以满足ATR技术评估的内在需求。现有研究 主要采用的复杂度指标包括：信噪比、综合复杂 度、目标混淆/遮蔽度、目标发现概率等。

（1）信噪比

信噪比是描述红外小目标图像处理难度最常 用的评价指标，能够较简洁地量测从图像中提取 有效信息所面临的复杂程度，但其难以适用于大 目标红外图像，且仅当信噪比中的“噪声”部分能 够有效反映图像复杂度时，该指标才能真正满足 实际评估的需求。

（2）综合复杂度

基于上述空间域灰度、灰度域信息熵、频率域 分布以及纹理特征，可将各类图像特征计算的图 像复杂度数值进行加权综合，得到图像综合复杂 度结果。

（3）目标混淆度/遮蔽度[11]

鉴于现实情况下，红外图像识别的难度主要源 自于环境对目标的混淆或遮蔽，因此文献[11]设置 了目标混淆/遮蔽度指标，以评估红外图像复杂度。 目标混淆度在小目标图像条件下，可通过建立与图 像虚假目标数量相关的映射函数进行计算；在大目 标图像条件下，可基于目标区域的灰度共生矩阵， 在全图遍历扫描，并将各扫描区域与目标区域的相 似度加权求和，得到混淆度量测结果。目标遮蔽度 在小目标图像条件下，可基于目标区域图像灰度与 已知完整目标灰度的比值加权计算；而在大目标图像条件下，则基于已知完整目标区域的灰度共生矩 阵以及边缘像素数与现有图像比较得到。

（4）目标发现概率[12]

鉴于实际条件下红外图像的复杂性、随机性， 文献[12]提出以发现概率为基础的评价方法，具 体通过计算图像背景区和目标区的纹理特征相似 度均值，并根据心理学测得的图像特征差别与人 眼判别结果的对应关系得出目标的发现概率。

参照以上复杂度指标，可将参试红外图像的 复杂度进行分类排序，并能够归纳得到ATR算法 对于不同复杂度级别红外图像的处理能力，从而 对ATR算法的性能进行有效评估。

4 结 束 语

红外成像目标自动识别是今后红外精确制导 武器发展的必然趋势，红外图像复杂度评估技术 作为其效能评估的重要支撑技术，必将在其未来 的技术发展中发挥更大作用。

参考文献：

[1]PetersRA，StricklandRN.ImageComplexityMetricsfor

AutomaticTargetRecognizers[C]//AutomaticTarget RecognizerSystemandTechnologyConference，NavalSur faceWarfareCenter，SilverSpring，October1990：1-17.

[2]张友华，李扬.基于统计的图像数字水印隐藏方法 [J].计算机系统应用，2001（1）：62-63.

[3]王鹏，孙继银，巨西诺.前视红外图像质量评价指标 研究[J].弹箭与制导学报，2012（1）：53-56.

[4]高振宇，杨晓梅，龚剑明，等.图像复杂度描述方法研 究[J].中国图象图形学报，2010（1）：129-135.

[5]徐春梅，李刚，胡文刚，等.红外图像评价质量研究 [J].红外技术，2004（6）：72-75.

[6]钱思进，张恒，何德全.基于图像视觉复杂度计算的 分类信息隐藏图像库[J].解放军理工大学学报（自然 科学版），2010（1）：26-30.

[7]HaralickRM，ShanmngamK，DinsteinIH.TextureFea tureforImageClassification[J].IEEETranscationson Systems，ManandCybernetics，1973，3（6）：768-780.

[8]章毓晋.图像处理和分析[M].北京：清华大学出版 社，1999：231-240.

[9]冯建辉，杨玉静.基于灰度共生矩阵提取纹理特征图 像的研究[J].北京测绘，2007（3）：19-22.

[10]邓果，赵险峰，黄炜，等.一种用于隐写测评的图像 纹理复杂度估计方法[J].计算机工程，2012（7）： 116-118.

[11]刁伟鹤，毛峡，常乐.一种新的红外目标图像质量评 价方法[J].航空学报，2010（10）：2026-2033.

复杂度控制 篇7

1. 研究的步骤概述

(1) 收集发动机由于人为原因产生的装配缺陷的数据资料。 (2) 根据DAVID BEN-ARIEH[1]的设计复杂度的计算方法，进行设计复杂度计算。 (3) 算出各设计复杂度数值，用分析软件进行拟合，得出模型。 (4) 通过技术改进，对于模型进行验证。

2. 具体研究内容

(1）发动机由于人为原因产生的缺陷数据。

进行缺陷数据的收集主要通过以下四个方面： (1) 装配线现场的缺陷文件的数据记录。 (2) 热试检验台架上发现的缺陷文件的数据记录。 (3) 质保AUDIT的缺陷文件数据记录。 (4) 售后发现的缺陷数据记录。

本文在经过反复核实确认后，最后确认了350个由人为原因形成的缺陷。这些人为缺陷分布于16个工位之中，这些看上去较小的人为缺陷，严重的会造成发动机的报废。缺陷发生的次数较高的为40次，最低的为2次，根据总的产量得出失误率 (DPU) ，由最高的0.0364%到最低的0.0018%。

(2）设计的复杂度计算。

本文根据DAVID BEN-ARIEH[2]设计复杂度的计算方法, 进行设计复杂度的计算。大致分为三个步骤: (1) 确定影响人工装配的几个因素。 (2) 确定这些因素所占的比重, 本文选用层次分析法，将这些因素两两比较，对其重要性打分，得出权重。 (3) 寻找有经验的工程师，对这些因素进行打分，取平均值后，乘以权重，得出一个总的值，这个值就是这个工位设计复杂度的值。最终的目的是将这些工位的设计复杂度的值与这些工位里缺陷发生的次数进行耦合，以寻找其中的规律。笔者与其他5名工程师一起，列出了9个影响较大的元素。分别是：自动化程度、装配技巧、对于一个要匹配的零件的重量、对于工具的支持需求、装配方向、装配作业的丰富程度、力度需求、干扰、零件和装配的清洁度需求。通过层次分析法得出9个元素的比重如表1所示。

根据6位装配工艺工程师的评估，得出了9个元素的配对比较矩阵，如表1所示。本文将每两个配对元素的重要性用1～6的整数来表示。1表示没有什么意义，6表示较高的重要性[3,4]。这个矩阵最终通过一致性检验。接下来的所有分析，都将按照这个矩阵来进行。

根据表1计算出每个因素在总的因素里的权重，计算公式如下。

其中aij为表1中相对重要性的行元素i在列元素j之上;N为元素数量，这里N=9;Wi为i元素的比重。

根据计算得出各元素的具体权重见表2所示。

本文定义Akpi为评估元素p在工位i中，由工程师k的评估。使用表2中的比重，可计算出新的基于设计复杂因素的公式：

其中wp为p元素的比重;Cf'Di为新的基于设计复杂因素的工位。

按照以上的权重和具体的公式，对有缺陷的工位逐一进行打分，计算出每个工位的设计复杂度值。各元素的影响因素的值评价从1分至15分，1分最低，而15分是最高的。将分值乘以权重，然后将所有的分值加起来，得出最后的分值。

(3）得出模型。

整理数据(即将缺陷率和分值一一对应)，并输入到SPSS软件里。具体的缺陷率和分值如表3所示。其中workstation表示工位，cfd表示设计复杂度的数值，dpu表示缺陷率。

将数据通过软件处理后，得出立方函数的拟合度最佳，具体公式如下。

这就是用来描述DPU与Cfi之间的相互关系的数学模型。

(4）对于模型进行验证。

笔者和几位工程师，经过一系列的考虑以及结合生产实践的可操作性，选取了OP290工位做为改进的对象。对于改进前后的工位评分情况对比如表4所示，这充分反映了改进的效果。

接下来对比改进后各主要变量的变化情况。如表5所示OP290工位改进后各主要变量的变化情况，可以看出改进前后的装配设计复杂度有明显降低，且缺陷率也有明显降低。

3. 结论

这项研究费时近半年，现将研究的总体步骤总结如下： (1) 发动机装配线缺陷的收集(缺陷收集统计); (2) 运用层次分析法寻找发动机的设计复杂度，对其进行量化(每个工位的设计复杂度评价表); (3) 根据发动机装配线的缺陷数据与发动机的设计复杂度，结合SPC进行统计，建立模型，寻找两者的关联性(得到相关性好的数学模型)。实践的结果和事实也证明了，这种方法用于预测发动装配的人为缺陷是相当可靠且有效的，为以后发动机的装配生产实践提供指导。

参考文献

[1]Qiang Su, Lei Liu, Daniel E.Whitney.Systematic Study of the Prediction Model for Operator-Induced Assembly Defects Based on Assembly Complexity Factors[J].IEEE Transactions on Systems, Man and Cybernetics, Part A:Systems&Humans, 2010 (1) .

[2]D.Ben-Arieh.Analysis of Assembly Operations Difficulty:A Fuzzy Expert Sys-tem Approach[J].Intell.Manuf., 1993 (12) .

[3]焦玉民, 张琦, 王强.基于模糊层次分析法的工程机械质量评价[J].中国工程机械学报, 2010 (4) .

复杂环境隧道爆破控制技术的体会 篇8

那么如何做好复杂环境下隧道爆破的控制, 减少爆破危险因素对周边设施和环境的影响呢?本文结合南三龙铁路埔平隧道进口爆破工程, 分别从爆破方案选择, 以及在爆破过程中, 对爆破振动、爆破飞石、有毒有害气体、爆破粉尘等直接影响到工程施工的质量、进度以及施工安全的危险因素的控制技术进行分析, 探寻提高隧道爆破施工质量和安全性的有效方法和应对措施, 旨在增强对隧道爆破施工中的控制。

1 工程概况

埔平隧道位于龙岩市雁石镇内, 起始里程DK215+743, 终止里程DK217+171, 全长1428m, 埔平隧道进口在DK215+783~DK215+860段下穿莆永高速公路, 长度77m。高速公路与线路走向成37度夹角, 隧道结构顶离高速公路路面最近距离为16.3米, 隧道洞口正前方约310米有正在运行中的龙岩往漳平的铁路, 隧道开挖断面144.44m2。周边环境如图1所示。

2 隧道爆破控制技术分析

2.1 选取合理的爆破方案

2.2 爆破振动控制

2.2.1 确定合理的起爆药量

埔平隧道进口结构顶离高速公路路面最近距离为16.3米, 在炸药爆炸时, 爆破振动会使高速公路产生震动或摇晃, 当达到一定强度时, 还会对高速公路的造成破坏。而采取过于保守的爆破震动控制措施, 无疑会符合安全生产的要求, 但这势必造成施工成本的大量增加和施工效率的急剧降低, 因此, 合理确定爆破一次最大齐爆药量是十分必要的。

临近高速公路直接距离19米及穿越高速公路的隧道段, 其爆破最大单响药量为7.2kg, 小于莆永高速公路能够承受的安全允许最大齐发爆破药量10.8kg。

离高速公路直接距离19米以外的隧道段, 爆破点离高速公路路面直接距离为S= (192+16.32) (1/2) =25m, 采取全断面开挖方式, 其爆破最大单响药量为39kg, 小于莆永高速公路能够承受的安全允许最大齐发爆破药量50.4kg。

2.2.2 设计正确的爆破网路

隧道爆破采用孔内延期非电毫秒微差起爆系统, 传爆雷管簇联方式进行连接, 确定合理的起爆顺序。隧道周边孔 (光爆孔或预裂孔) 在起爆线路连接时需将导爆索在孔内与炸药和起爆雷管联在一起, 导爆索不外露。

2.2.3 钻减震孔减震

隧道爆破减震辅助措施可采取沿拱弧周边和掏槽孔上部分别设置减震孔, 减震孔按双排梅花形布置, 沿拱孤的减震孔最后可以隔孔装药兼作爆破孔, 掏槽爆破产生的震速较大, 因此有必要在掏槽孔上方增设一道减震孔。

2.3 爆破飞石控制

2.3.1 确保填塞质量

炮孔用湿砂或黄泥填满, 并保证填塞长度和质量, 填塞长度偏小、填塞质量不好或填塞材料中夹有硬物, 易沿炮孔方向产生飞石, 因此钻孔完后要用高压风吹洗钻孔, 将孔孔内泥浆吹洗干净, 装药完后用合格填塞料认真填塞每个炮孔。

2.3.2 做好防护措施

本工程隧道洞口开口后进行爆破作业时, 在洞口搭建双层竹防护架, 用废旧皮带和竹篱笆双层防护, 可以有效的控制飞石。如图3。

2.4 爆破有毒有害气体控制

在爆破中会由于炸药爆炸不完全或者炸药没有达到非零氧平衡, 会产生大量的Nn Om以及CO[2]。如果通风不良或者通风时间过短, 上述的有害气体有可能对施工人员造成伤害, 因此, 我们应使用零氧平衡炸药, 选用符合国家标准的雷管、导爆管和导爆索等爆破器材, 且每次爆破后通风时间不得小于30min, 方可入内。

2.5 爆破粉尘控制

隧道爆破粉尘的来源主要是凿岩机钻孔形成的粉尘、爆破施爆阶段产生粉尘以及爆破后岩石的装运产生的粉尘。为减少隧道爆破施工前后粉尘对施工人员及周边环境的污染, 我们可以采用采取湿式凿岩技术, 在隧道内洒水等方式来减少或避免粉尘污染。

3 爆破现场管理控制

(1) 严格执行各项管理制度, 加强管理, 作业必须严格按《爆破安全规程》、爆破设计或说明书要求进行, 奖罚分明, 狠反“三违”。

(2) 根据施工现场实际和施工要求, 制定并贯彻有效的施工组织设计与安全技术措施, 确保其在实际施工过程中操作规范准确, 不出现危险行为和造成安全隐患, 努力将危险因素扼杀在摇篮中。

(3) 加大施工人员安全技术培训力度, 提高施工人员专业技术水平和岗位操作技能;层层落实各级安全生产责任制, 切实提高施工作业人员的安全意识。

4 结束语

在较为复杂的环境下进行隧道爆破施工, 应对隧道爆破施工中的特定环境及各种危险因素进行充分的分析、确定, 并针对这些危险因素制定相应的切实可行的控制措施, 加强监管, 这样有利于提高爆破施工的安全性, 从而确保爆破施工的安全顺利进行。

摘要：本文结合南三龙铁路埔平隧道进口爆破工程, 分别从爆破方案选择, 对爆破振动、爆破飞石、有毒有害气体、爆破粉尘等危险因素的控制技术进行了分析, 探寻提高隧道爆破施工质量和安全性的有效方法和应对措施, 为类似工程施工提供参考。

关键词：隧道爆破,危险因素,控制

参考文献

[1]于亚伦.工程爆破理论与技术.冶金工业出版社, 2008 (11) .

复杂地质条件下盾构姿态的控制 篇9

广州市轨道交通5号线西场站~草暖公园盾构区间起止里程为ZDK4+978.800—ZDK7+400.197, 区间隧道单线长2421.40m。盾构隧道主要穿越的地层为:〈5-1〉、〈5-2〉、〈6〉、〈7〉、〈8〉、〈9〉。西场至西村区间段位于海珠断裂以北, 广从断裂以西, 环市路断裂以南的构造区内, 清泉街断裂在区域构造图上从本区间通过, 主体构造为北东向。西村至广州火车站区间位于广从断裂以西、广三断裂及海珠断裂以北的构造区间, 区间地质条件复杂。

盾构隧道沿线建筑物较多。西场站~西村站穿越住宅区, 折向环市西路后, 沿线路两侧多民居、酒店、办公楼、商店。线路穿越克山铁路桥、人行天桥, 另有部分高架桥桩基础侵入隧道内。过广州火车站后, 下穿地中海商场和火车站东广场地下停车场, 对地表沉降控制要求高。

2 盾构姿态控制的一般方法

盾构姿态的控制就是指如何进行操作, 使盾构机沿着设计隧道轴线前进, 当盾构机偏离设计轴线时又如何操作使其尽快回到设计轴线上。盾构机的姿态控制具体内容包括机体滚转控制和前进方向的控制, 在掘进过程中, 盾构机操作人员根据激光自动导向系统在电脑屏幕上显示的数据, 通过合理选择各分区千斤顶及刀盘转向等来调整盾构机的姿态。为有效的对盾构姿态进行控制, 需要分析影响盾构姿态的各种因素。

2.1 影响盾构姿态的因素

1) 控制土压的设定值:土仓压力的设定值是根据覆土厚度, 土体内摩擦角, 土体容重来确定的。一般在纠偏时, 土仓压力的设定值比较大, 这样有利于土体对机头的反作用力将机头托起或横移;

2) 土质变化:盾构在粘土层掘进时, 姿态容易控制;在砂土层掘进时容易造成机头下栽;

3) 地下水含量的影响:地下水含量丰富时, 造成土体松软, 盾构机往往偏向松软的一侧;

4) 推进速度的大小:推进速度过快, 盾构姿态不容易控制。一般在调整盾构姿态的时候, 盾构掘进速度控制20mm/min;

5) 转弯环管片的合适使用:盾构机在曲线上掘进时, 随着盾构掘进, 通过楔形管片数量调整相邻管环之间的转角已拟合出一条光滑的曲线, 尽量使其与盾构掘进半径相同, 保证必要的盾尾间隙。同时如果管片拼装平整度欠缺, 管片与盾尾相互制约, 摩擦阻力增大, 极不利于盾构姿态的控制;

6) 施工的连续性:施工过程中途停止时, 一旦遇上土质松软由于盾构机自重达300多t, 会造成盾构机下沉, 因而影响盾构掘进姿态;

7) 测量误差:由于后视棱镜、全站仪都悬挂在管片上, 如果管片发生漂移和人的操作等问题, 易引起测量误差。操作时应根据前后环的测量数据进行推断判定。

2.2 盾构姿态控制的手段

1) 千斤顶编组:千斤顶编组适用于盾构掘进的各种情况, 是盾构机弯道掘进和姿态调整的主要控制方法。WIRTH/NFM土压平衡盾构机推力千斤顶的布置形式为10组全圆环等分。10组千斤顶编为上 (10号、1号千斤顶) 下 (4号、5号、6号、7号千斤顶) 左 (8号、9号千斤顶) 右 (2号、3号千斤顶) 四组。通过调整各分区千斤顶的压力调整盾构姿态。盾构机的前进方向水平向右偏, 则需要提高右侧千斤顶分区的推力;反之, 则需要提高左侧千斤顶分区的推力。如果盾构机机头向下偏, 则需要提高下部千斤顶分区的推力;反之亦然。如果单靠调整千斤顶的油压不能改变盾构姿态时, 可根据需要屏蔽部分千斤顶重新编组千斤顶等方法, 改变各分区的顶推力;

2) 控制掘进速度:盾构掘进速度对掘进姿态控制起重要作用, 速度越快, 姿态越不易控制;

3) 调整相邻管片的转角, 以及盾尾间隙量和管片端面平整度:使用楔形管片, 强制衬砌管片沿隧道设计轴线前进;

4) 更换注浆位置:同步注浆位置的改变能使已成型的隧道向相反方向移动;

5) 调整土仓压力:实际土仓压力越高, 所需推力越大, 越能调整各分区的压力差, 有利于盾构姿态的纠偏。但土仓压力太高, 容易造成地面隆起, 所以纠偏时要严格控制土仓压力在允许范围之内;

6) 使用超挖刀:超挖刀是盾构机纠偏的有力武器, 它能在盾构机刀盘的上下左右四个方向进行超挖, 减轻纠偏所需的土压, 已利于盾构机转弯时所需要的空间;

7) 使用盾构机的铰接装置:盾构机的铰接装置是盾构机本身在中部能产生一个2度左右的折角。使用铰接装置能方便的使盾构机向所需方向掘进。WIRTH/NFM土压平衡盾构机有四组铰接油缸, 铰接油缸的伸出长度直接影响盾构掘进的姿态, 掘进过程中尽量减小四组铰接油缸的长度差。铰接油缸的行程控制在50~100mm为宜。

2.3 盾构姿态控制的一般要求

一般情况下, 由于盾构隧道的限界允许偏差为±50mm, 因此盾构机的初始掘进方向纠偏应控制在±20mm以内, 在缓和曲线及圆曲线段, 盾构机的方向纠偏应控制在±30mm以内。尽量保持盾构机轴线与隧道设计轴线平行。否则, 可能会因为姿态不好而造成盾尾间隙过小和管片错台破裂。

当开挖面土体较均匀时, 盾构机姿态控制比较容易, 一般情况下方向偏角控制在±5mm/m以内。当盾构机遇到上软下硬土层时, 为防止盾构机“抬头”, 要保持下俯姿态;反之, 则要保持上仰姿态。掘进时要注意上下两端和左右两侧的千斤顶行程差和铰接油缸的形成差不能相差太大, 一般控制在±20mm以内。

在曲线段掘进时, 一般情况下根据曲线半径的不同让盾构机向曲线内侧偏移一定量, 偏移量一般取10~30mm。偏移量用来平衡管片外移趋势。在管片易上浮的地段, 提前使盾构机姿态低于设计轴线, 使盾构管片上浮后拟合隧道轴线。

在盾构机姿态控制中, 推进油缸的行程控制是重点。任何姿态的调整都要靠推力千斤顶的不同行程差来调整。对于广州环宽1.5m宽的管片, 原则上行程控制在1780~1800mm, 行程差控制在0~40mm, 行程过大, 则盾尾刷容易露出, 影响盾尾的密封效果, 管片脱离盾尾较多, 变形较大;行程过小, 不利于管片的安装。行程差过大, 易使盾体与管片之间的夹角增大, 铰接油缸的行程差增大, 盾构机推力增大, 同时易造成管片的破损、错台等质量问题。

3 不同地质环境中盾构机掘进姿态的控制技术

3.1 软硬不均岩层中盾构机掘进姿态的控制

广州轨道交通5号线火车站至西村站盾构区间存在着较长的上软下硬, 左右软硬不均, 开挖范围内局部地层突变的地层。盾构机在这种地层中掘进, 其掘进扭矩时大时小, 波动范围大, 其盾构姿态控制难度大, 易产生盾构机竖直、水平方向上的过量蛇形, 严重时造成管片错台和开裂。

在这类地质条件下掘进, 盾构机刀盘受力不均, 掘进速度不均衡, 这就要求在掘进过程中, 必须时刻观察自动导向系统提供的盾构机姿态数据 (水平竖直偏差、滚角、俯仰角、姿态趋势) , 结合上下左右四组推进千斤顶和铰接千斤顶的行程差值, 不断地调整各分区千斤顶的推力及总推力, 以保持盾构机姿态的平稳。如果不注意调整推进千斤顶的行程差, 就会造成管片选型变化大, 甚至造成过小的盾尾间隙使管片不能顺利脱出盾尾。因此, 在推进过程中不能单一的只注意测量系统所提供的盾构机姿态来指导掘进, 还应兼顾各分区千斤顶的行程差。

3.2 全断面软岩盾构机掘进姿态的控制

广州轨道交通5号线西站至西场站盾构区间在ZDK5+090处穿越的地层为〈5-2〉、〈6〉全断面软岩。此处位于和平新村小区的密集楼房区。

盾构机在软岩密集楼房下掘进时, 由于地层自稳性能极差和控制沉降的要求, 掘进采用EPB模式掘进, 保持密封土仓压力以保持开挖面的稳定。为控制盾构机水平和垂直偏差在允许范围内, 避免盾构机蛇形量过大造成对地层的过量扰动, 宜将盾构机掘进速度控制在30~40mm/min, 刀盘转速控制在1.1r/min左右。为防止盾构机在软岩中“磕头”, 应将盾构机趋势调整为上俯姿态。该段地层中掘进时, 四组千斤顶推力应较为均衡, 避免掘进过程中千斤顶行程差过大, 否则, 可能会造成推力轴线与管片中心轴线不在同一直线上。在掘进过程中应根据实际情况加注一定量的添加剂, 以保持出土顺畅, 尽量保持盾构机的连续掘进, 同时, 要严格控制同步注浆量, 以保证管背间隙能被有效填充。

3.3 全断面硬岩盾构机掘进姿态的控制

广州轨道交通5号线火车站站至草暖公园盾构区间在ZDK7+550处穿越的地层为抗压强度为39.9MPa的全断面〈9〉地层。

断面硬岩地层中盾构机掘进姿态的控制全断面硬岩地层属于均一岩层, 盾构机在该类地层中掘进, 其轴线姿态能较好地控制, 在掘进时保持各分区千斤顶推力均匀, 总推力和掘进速度均匀, 即可保持盾构机较好的姿态。

在硬岩地段, 由于刀盘扭矩很大, 盾构机滚角变化幅度大, 需及时调整刀盘的正反转消除滚角的偏差。

4 结束语

探讨盾构机姿态控制的要求和一般方法, 并通过广州轨道交通5号线的工程实践, 具体分析各地质条件下盾构姿态控制的方法。盾构姿态控制是一项系统工程, 它贯穿施工过程的始终, 需要全体施工人员共同参与, 严格控制各个工序的施工过程。精心操作, 精心量测, 是控制好盾构姿态的重要保证。

摘要：随着城市轨道交通工程在国内蓬勃发展, 盾构法作为一种先进的施工工法被越来越多的城市所接收。国内盾构设备也呈几何倍数增长, 盾构机操作手控制盾构姿态能力引起人们的重视。以广州轨道交通5号线西草盾构区间为工程实践, 简要介绍盾构姿态的控制方法。

关键词：盾构法,姿态,控制

参考文献

复杂度控制 篇10

沙南油田2008年~2009年复杂时间对比表

1 地层特性及主要难点问题

1) 井壁稳定性较差, 烧房沟、韭菜园、梧桐沟地层的硬脆性泥岩易垮塌, 易出现严重憋钻、憋泵, 井漏;

2) 在1 800m地层有破碎带或断层, 钻进中易井斜;

3) 新生界地层胶结疏松, 防垮塌。吐谷鲁底部、八道湾地层含砾石, 易掉牙轮;

4) 泥浆使用的后期, 无用固相较难控制, 加入油层保护剂磺化沥青时, 泥浆流变性难以控制;

5) 地层流体活跃泥浆极易污染, PDC钻头钻至后期扶正器泥包, 造成环空不畅, 易井漏;

6) 目的层注水可能导致有高压层, 防喷、防漏。进入石炭系, 极易发生井漏, 液柱压力降低后易发生溢流。

2 复杂控制技术措施

1) 全井防斜;

2) 二开Φ216mm井眼循环时, 缸套160mm即可, 梧桐沟组底部换150mm缸套;

3) 落实长短提措施, 严格按操作规程操作, 严防卡钻事故发生;

4) 强化钻井技术参数, 做好泵压上台阶工作;

5) 钻穿八道湾进入克拉玛依组后, 保证井底干净, 方可下PDC钻头;

6) PDC每钻进70m洗井, 确保岩屑返出。PDC长短提前充分洗井, 坚持两短一长措施;

7) 提下钻过程中, 中途洗井选择在吐谷鲁中部的泥岩段, 其他井段没有特殊情况严禁洗井;

8) 发生井漏时应优先上提钻具至安全井段, 以免井壁垮塌导致埋钻具, 尤其是在下部的烧房沟、韭菜园、梧桐沟组;

9) 韭菜园和梧桐沟组交界处地层极易垮塌而导致井漏, 在此遇阻时, 应反复活动尽量不开泵, 如不能正常, 先上提1~2柱钻具, 慢慢划下去;

10) 加强泥浆净化工作, 最大限度的降低泥浆中的有害固相;

11) 做好井控工作, 重点落实周围500m注水井的停注外排工作, 加强座岗制度和防喷演习制度;

12) 克拉玛依顶界以上井段下钻速度控制在60S/柱, 以下控制在90S/柱。井底到烧房沟顶界井段提钻速度控制在I档低速;

13) 全井长短提时, 上提遇卡, 以下放为主, 下放遇阻, 以上提为主, 严禁超权限违章强压硬提。

3 事故、复杂的预防措施

3.1 防塌、防卡技术措施

1) 进入韭菜园前100m加够防塌剂, 泥浆密度走上限;

2) 进入韭菜园以后观察岩屑返出, 验证泥浆性能和密度;

3) 设计泥浆密度不能保证井壁稳定时, 及时提钻至安全井段, 调整泥浆性能;

4) 控制提下钻速度, 下钻90S/柱, 提钻I档低速;

5) 严禁在烧房沟、韭菜园、梧桐沟中途洗井;

6) 认真落实防卡技术措施, 洗井、测单点等辅助作业时, 由专人负责活动好钻具, 如检修设备等时间过长的辅助工作时必须把钻具提到表套管或安全井段, 确保井下安全;

7) 井塌后要尽量保持循环畅通, 严禁超权限违章强压硬提。

3.2 防漏措施

1) 降低排量减小钻井液对井壁的冲刷;

2) 针对梧桐沟地层划眼、垮塌, 详细划分密度段, 控制排量25L/S以下, 严禁在烧房沟、韭菜园及梧桐沟组地层中途洗井;

3) 将完井泥浆密度提到1.36g/cm3, 确保井眼稳定和畅通;

4) 发生漏失现象, 及时采用加堵漏材料进行解决;

5) 操作上强化精雕细刻, 在易漏地层钻进时要控制钻速, 保证岩屑及时返出, , 减少压力激动, 防止井漏的发生;

6) 提下钻要控制速度, 下钻速度控制在90s/柱, 洗井井段避开易漏层位, 开泵循环遵循“上提开泵”的原则, 先用小排量循环正常后, 再用正常排量循环钻进;

7) 严格落实坐岗和干部跟班制度, 以便及时发现异常并采取相应处理措施;

8) 根据实钻资料分析, 该区块漏失为渗透性漏失, 一般采用桥堵方法即可解决漏失问题。

3.3 堵漏技术措施

1) 二开钻进时, 上部如出现渗透性漏失, 采用桥塞堵漏即可堵住;

2) 漏失严重采取桥塞堵漏时, 应及时提钻5柱以上后, 进行静止堵漏;轻微漏失的采取边堵边钻的方法处理;

3) 在桥塞堵漏的过程中, 要做好防堵水眼和防卡工作, 勤活动钻具防止堵漏剂形成砂桥造成卡钻, 堵漏时钻头位置应选择在漏层以上20m, 井底漏失应提离井底20m以上, 不得在井底堵漏造成无法处理的复杂情况。

4 结论

复杂度控制 篇11

与“你不懂中国”类似的反逻辑表述是：“中国很复杂”。连在一起说就是：中国很复杂，你不懂中国。某些人经常将“中国很复杂”挂在嘴上，甚至总结出什么“复杂中国论”，拿着翻版的“特殊国情论”自鸣得意，以为自己发现了什么新理论。

所谓的“中国很复杂”，首先不过是一句正确的废话。说到对一个国家的认知，哪个国家不复杂呢？有各个阶层，各种族群，不同的文化水平，不同的价值观，不同的信仰，社会被肤色、信仰、贫富、民族、城乡、职业、阶层等割裂成了不同的人群。没有一个国家会承认自己很简单。美国简单吗？不简单，美国很复杂。德国很复杂，日本很复杂，韩国很复杂，复杂是一个社会的常态，所以，说一个国家很复杂，完全是正确的废话。

所谓的“中国很复杂”，也是一个自设的伪命题，因为只要思维正常的人，都不会把中国想简单，不会以“一叶障目”的视角以偏概全、以点代面、以想象代现实去看待中国。不至于看到北京的富足繁华和上海的摩天大楼，就以为中国都是北京上海；不至于看到西部地区的贫穷落后，就以为中国还停留于上世纪的六七十年代；不至于遇到几个在海外旅游时不文明的国人，就以为中国人都那么缺乏文明素养；也不至于认为用某个简单的、乌托邦式的制度安排，就可以解决所有的中国问题——这恰恰是专制者常有的思维，自负地用一个简单、整齐、划一的设计，去改造复杂的社会和人性，削足适履。

中国的改革就是承认人性和社会的复杂性，拒绝由某个专断意志去改造社会，而由市场和法治去调节社会，尊重多元与个性，尊重社会的复杂性，和而不同，各美其美。

开放的历史进程，就是中国融入世界的过程，让世界了解中国，告诉世界一个真实的中国，避免总是在自我封闭和排外中被误解、被边缘和被孤立。在这个开放的过程中，中国需要提升自己向世界说明自己的能力，让有公信力的人、以世界看得懂的方式、听得懂的语言、熟悉并认同的逻辑去向世界说明中国，让中国“可以理解”。而一句“中国很复杂”、“你不懂中国”则带有情绪化的排外色彩。别人不懂中国，并不一定就是別人的问题，也许源于中国不够开放，我们应该以开放的姿态去让别人懂我们，而不是指责别人“不懂”。中国很复杂，我们应该在开放中把这些复杂呈现出来，用事实和逻辑论证“别把中国想简单了”，而不是以“中国很复杂”去自我神秘化和自我封闭化，把“复杂”当成防御武器。

“中国很复杂”这句正确的废话，会推论出不少让人不安的结论。比如， “中国很复杂”在有些人那里，就能推出反改革的结论。既然中国的一些问题很复杂，不像想像的那么简单，牵一发而动全身，隐藏着巨大的风险，有很多不可预期的后果，那就不能轻易改革了。公车改革很复杂，不能轻易改；养老金并轨改革很复杂，那就别改了；户籍制度很复杂，不能轻易改……只说复杂，却从来不解释复杂在哪里，于是“复杂”就成了冠冕堂皇的反改革借口。

“中国很复杂”还能推论出“中国可以例外”，可以拒绝常识，可以不守常规，公布官员的家庭财产是一个常识，为什么我们的很多官员就可以不遵守呢？而拿“中国很复杂”作借口似乎就可以例外了，因为我们很复杂啊！

“中国很复杂”还是拒绝批评的一种万能借口，有人批评中国一些社会问题时，就会听到这种防御性论调。这是一种轻蔑傲慢的态度，中国很复杂，你了解了这种复杂之后才能批评，或者说你了解了这种复杂后你就不会批评了，可到底如何才叫了解了“复杂中国”？

复杂度控制 篇12

某高速公路隧道:左线隧道长360m, 右线隧道长310m。项目区处于中朝准地台的山西隆起区的南缘, 地质构造特点是各时代以高角度正断层为主, 其它为元古代短轴褶皱中生带的平缓开阔褶皱构造, 沿线出露的地层主要为第四系全新统冲洪积层和上更新统风积层等。区域内主要不良地质为湿陷性黄土、水流冲刷不良地质情况。

2 方案设计

2.1 钻爆设计

根据开挖方法分别采用半断面及全断面两种爆破方式, 采用非电毫秒雷管爆破网路。对Ⅴ级和Ⅳ级围岩采用半断面台阶方式爆破, 为减轻爆破对围岩的扰动, 开挖断面采用多段位非电雷管进行网路设计。

2.2 炮孔布置

炮孔布置可根据开挖方式进行布孔, 拟采用直眼掏槽环状布置。

2.3 钻爆参数的选择

通过爆破试验确定爆破参数, 试验时参照规范《光面爆破参数表》。

2.4 装药结构及堵塞方式

装药前, 须先清孔并对炮孔的参数进行检查验收。符合设计后, 按设计仔细进行装药和堵塞, 避免错装雷管段位和损坏光爆孔的装药结构。周边孔眼采用不偶合装药, 周边眼药串预先在加工房按设计全部加工成型备用。

2.5 钻爆作业

钻爆作业必须按照钻爆设计图进行。当开挖条件出现变化时, 爆破技术随围岩条件变化而作相应改变。

钻眼前绘出开挖断面中线、水平和断面轮廓, 并根据爆破设计图, 用红油漆将炮孔布置在齐头面上;钻孔满足精度要做到“准、平、直、齐”四要素, 并满足以下要求:

掏槽孔开孔定位误差不大于±3cm;其余各孔不大于±5cm。

钻孔方向 (不平行) 误差:掏槽孔不大于±3cm/m, 其余各孔不大于±5cm/m。

各炮孔底部应尽量在同一平面内, 参差误差不大于炮孔深度的5%。

钻眼完毕, 按炮眼布置图进行检查并做好记录, 有不符合要求的炮眼重钻, 经检查合格后装药爆破。

3 Ⅴ级围岩开挖

Ⅴ级围岩采用采用三部台阶法进行施工。拱部预留核心土, 周边采用风镐开挖, 核心土及中槽运用挖掘机开挖。开挖进尺确定为l榀型钢钢架的间距, 即0.75m, 边墙按钢架的两个单元分两个台阶施工, 上下台阶相距2m, 左右边墙错开2m。

4 Ⅳ级围岩开挖

4.1 施工方法

Ⅳ级围岩采用短台阶法分部开挖, 台阶长度10m～15m。

施工顺序:

1) 开挖上半断面;

2) 施作上半断面初期支护;

3) 开挖下半断面 (左右交错开挖) ;

4) 边墙初期支护;

5) 防水层施工, 二次衬砌的浇注;

6) 仰拱开挖、支护、衬砌。

4.2 钻爆作业

采用钻爆作业台架, 人工手持风钻钻眼, 爆破设计采用低震速控制爆破技术, 周边采用光面或预裂爆破。

上半断面每个洞口安排6台YT28风钻钻眼, 下半断面安排8台YT28风钻钻眼, 上下断面放炮时间应错开。Ⅳ级围岩每循环进尺1.5m~2.0m, 下半断面进尺取3.0m左右。

4.3 施工注意事项

1) 洞身Ⅳ级围岩地段采用短台阶法施工, 台阶长度应严格控制在10m~15 m范围内;

2) 在上部断面初期支护基本稳定后, 才能进行下半断面的开挖;

3) 仰拱开挖前, 架设临时横撑顶紧两侧拱脚, 防止边墙内挤, 待仰拱砼强度达到70%才能拆除;

4) 量测工作必须及时, 随时观察拱顶、拱脚和边墙中部的位移值, 当发现速率增大时, 应立即浇筑二次衬砌, 或先行构件支顶;

5) 当围岩压力极大, 地质围岩与设计有出入时, 应报监理工程师提出变更设计。

5 喷射砼施工

1) 明洞边仰坡临时防护采用C20喷射砼, 暗洞采用C25喷射砼;

2) C25喷射砼满足以下要求:水泥采用P·O 42.5普通硅酸盐水泥, 粗骨料粒径在5mm~10mm以内按连续级配法选定配合比, 水泥:砂石按设计选定, 含砂率55%。施工前先试验确定出最佳施工配合比。

5.3 喷射砼采用TK961喷浆机进行喷射砼作业

1) 喷射作业应分段、分部、分块, 按先墙后拱、自下而上地进行喷射;

2) 喷射混凝土前, 埋设标志或利用锚杆外露长度以控制喷射混凝土的厚度;

3) 后一层喷射应在前一层混凝土终凝后进行, 若终凝后间隔1h以上再次喷射时, 受喷面应用风、水清冼;

4) 喷嘴应与受喷面保持垂直, 同时与受喷面保持一定的距离, 一般取0.8m~1.0m左右;

5) 施工中经常检查出料弯头、输料管和管路接头, 处理故障时断电、停风, 发现堵管时立即关机停风;

6) 新喷射的混凝土按规定洒水养护。

6 锚杆施工

本隧道洞内Ⅴ级围岩均采用φ25先锚后灌式注浆1.0m×0.75m, 长3.5m锚杆, Ⅳ级围岩均采用φ25先锚后灌式注浆1.0m×1.0m, 长3.0m锚杆, Ⅴ、Ⅳ级围岩地段锚杆孔均采用手工手持YT28风钻钻眼;Ⅳ级围岩锚杆孔均采用台车钻眼。注浆锚杆采用注浆泵注浆。

6.1 施工方法

施工顺序:测量放线→钻孔→清孔→插入锚杆→安装止浆塞、垫板、螺母→浆液制备→注浆

采用多功能作业台车手持风钻钻孔, 注浆泵注浆。

6.2 施工技术措施

按设计要求, 在初喷面上准确画出须设的锚杆孔位。

1) 钻孔:采用YTMZ25锚杆钻钻孔;

2) 插入锚杆:插入前必须先用高压风清孔, 锚杆必须装好锚头, 边旋转边将锚杆送入眼孔, 然后安装止浆塞、垫板、螺母;

3) 注浆:注浆压力控制在0.5MPa~1.0MPa, 终压控制在2MPa~2.5MPa, 排除孔内气体, 确保孔内浆液饱满;

4) 锚杆规格、长度、直径符合设计要求, 锚杆杆体除锈除油;

5) 锚杆布置形式符合设计要求, 按要求定出锚杆位置, 锚杆间距允许误差±150mm。锚杆与岩面垂直。

7 隧道开挖和衬砌施工技术保证措施

1) 隧道开挖和衬砌施工方案及施工方法和措施详见前节相关内容。

2) 隧道软弱破碎围岩段施工:

(1) 施工原则:早预报、先治水、管超前、短进尺、弱爆破、强支护、紧封闭、勤量测、步步为营, 以防为主, 稳步前进;

(2) 加强超前预报工作, 开挖前切实掌握软弱破碎带段围岩的情况, 包括宽度、填充物及地下水等地质特性, 以便采取相应措施;

(3) 施工方法:针对软弱围岩可能发生大变形, 采用增大预留变形量和喷射混凝土、锚杆、钢筋网和可缩性的U型钢拱架复合式衬砌手段, 采用分部开挖方法, 初期支护及时封闭, 喷射混凝土分2~3次施工, 加强监控量测, 利用反馈信息指导施工;

(4) 通过软弱破碎带段富水段时, 先治水, 采用排堵结合等治理措施。开挖过程中配备有经验的地质工程师24小时轮流值班, 及时监控地质变化情况, 指导现场施工;

(5) 加强监控量测, 当初期支护变形异常且无收敛趋势时, 调整支护参数, 必要时施做二次衬砌。在二次衬砌中, 采取增设钢筋和提高混凝土强度等措施。

8 结论

通过对某高速公路隧道施工中的各项工程控制措施进行理论和实践上的初步探讨, 总结隧道工程施工中在施工方案、施工工艺、质量控制方法、保障措施等的成功的经验, 为以后的施工实践提供了有益的借鉴。目前该隧道已经安全贯通, 各项指标均达到了优良。

摘要：本文根据笔者的工程实践, 从施工的角度, 对隧道工程施工中的施工方案、施工工艺进行了分析, 重点对质量控制方法、保障措施等作出了详细的阐述。