岩石隧道掘进机（Tunnel Boring Machine简称TBM）是用于隧道与地下工程建设的复杂重大装备。相比传统钻爆法,它具有劳动强度低、施工高效、安全环保等优势,因而在水利、交通、矿山、国防等国家重大工程建设中应用广泛。虽然我国已成为TBM制造和应用的第一大国,但是TBM在工程建设中仍面临诸多挑战,具体表现在TBM设计计算难、岩体感知难和精确控制难等核心科学问题仍未攻克,究其原因在于:TBM岩机相互作用规律不明确,设计计算缺少理论和科学方法支撑;TBM施工数据流失严重,缺乏有效的挖掘利用,宝贵经验无法沉淀;TBM掘进控制严重依赖人为经验,缺乏科学控制策略和方法,盲目掘进造成事故多发。因此,我国TBM行业大而不强、多而不优的局面亟待改善。本文在国家973项目“TBM安全高效掘进全过程信息化智能控制与支撑软件基础研究”（2015CB058100）的支持下,依托吉林引松供水工程TBM3标项目,运用理论分析、现场试验、数据挖掘、机器学习等研究方法,针对TBM性能预测和掘进参数控制优化两大热点和难点问题开展研究:首先开展了TBM原位掘进试验,分析了不同影响因素对TBM掘进参数变化的影响规律;建立了TBM工作参数和性能参数定量计算模型,实现了单刀推力和贯入度的准确预测,继而提出TBM主机参数计算方法;之后提出了不同岩体等级TBM推力与刀盘转速折减系数,建立了TBM设备利用率估算方法,实现了TBM实际掘进速度的准确预测;随后提出了TBM在掘岩体力学特性参数软测量方法,建立了多算法融合的实时感知模型;最后提出了TBM掘进参数多模态控制策略,建立了基于岩体等级分类的掘进参数预测控制模型,开发了TBM智能掘进辅助系统,并开展了现场搭载验证。具体研究工作与成果如下:（1）通过人工定量调节TBM掘进控制参数,依托吉林引松供水工程现场开展了大量原位掘进试验;借助远程监控系统、现场取芯和地质素描等方法建立了完备的岩机对应数据库;通过对试验结果和实际掘进数据分析,揭示了不同岩体条件、不同贯入度、不同刀盘转速等影响因素下岩机相互作用演化规律,为TBM工作参数和性能参数的定量关系模型建立奠定基础。（2）基于滚刀破岩机理分析,选取单刀推力和贯入度作为建模参数,确定了滚刀推力和贯入度的线性关系作为定量模型的基本形式;随后根据原位掘进试验和邻近掘进循环的一致性规律,扩充TBM岩机数据库,并采用分步回归方法建立了不同岩体条件下TBM掘进参数计算模型,阐明模型中待定系数的物理意义,验证模型的准确性和可推广性,贯入度计算值误差≤18.5%,单刀推力计算值误差≤7.08%;为了验证模型的可推广性,以新疆某引水TBM项目数据进行了对比验证,单刀推力误差≤20.1%,模型计算结果能较好满足工程需求,并以此为基础提出了TBM主机参数设计方法。（3）提出了TBM海量施工数据预处理和特征提取方法,利用二值函数、最大类间方差、箱型图和算术平均等方法实现了数据分段、数据筛选和特征提取;基于3750组TBM掘进循环数据,研究了不同岩体质量等级设备掘进参数分布规律,建立了设备掘进参数折减系数计算模型;对设备停机工序进行分类,在现场调研基础上形成了停机工序耗时统计表,提出了TBM设备利用率估算方法,提出了TBM掘进性能预测方法和适合于TBM围岩可掘进性评价的分级方法。经新疆某引水TBM项目现场数据验证,TBM实际施工速度预测方法预测误差≤19.91%,绝对值平均误差11.6%,本预测方法可有效用于TBM掘进工期和成本估算。（4）分析了工业软测量方法在TBM岩体力学参数实时感知的可行性,通过皮尔逊相关系数方法比选了TBM在掘岩体力学参数软测量模型辅助变量,利用TBM推力、扭矩、贯入度和刀盘转速等主要特征作为输入变量,提出了基于数据驱动的TBM在掘岩体实时感知方法,分别建立了基于最小二乘法回归、BP神经网络和支持向量机的软测量模型,针对上述三类模型存在的不足,提出了基于改进D-S证据理论的多模型融合算法,对岩体力学参数软测量模型进行决策级融合,经验证,融合算法提升准确度3%以上,测试组数据感知准确度≮86%。（5）研究了TBM掘进过程中“人-机-岩”三因素耦合的闭环控制系统特点,总结了常规地层和不良地层控制规则与操作流程,阐述了不同地层条件下TBM主司机掘进控制意图和掘进参数控制方法。针对不同围岩等级下控制原则的差异性,提出了TBM多模态控制策略,建立了基于TBM围岩分级的掘进参数预测控制方法,模型建议刀盘转速与实际值准确度为93.7%,建议掘进速度准确度为88.38%。开发了TBM智能掘进辅助系统,该系统包括了岩体感知、辅助掘进和设备状态等多个功能模块,在吉林引松供水工程TBM3标进行了应用验证,该方法辅助建议值与实际控制值准确度≮84%,能够满足工程应用需求,为后续智能控制提供了参考方向。本文研究成果可有效用于TBM岩体可掘性评价、主机参数设计、工程成本、工期估算和掘进控制优化等多个方面,对于指导TBM新机设计、提高掘进效率、降低施工风险和实现智能化掘进具有重要的理论意义与实用价值。