硬岩掘进机也称作TBM(Tunneling Boring Machine),是针对高围岩强度等级下的长隧道进行机械化施工的关键基础装备。近年来,我国越来越多的隧道工程釆取TBM施工方法,大量应用于国家重点建设的引水、铁路等工程建设。在复杂多变的地质条件下,TBM破岩过程是一个复杂、动态、不确定的非线性过程,使得掘进性能的准确预测已成为其选型、设计和施工的核心问题。目前,国内TBM掘进性能低下,现有的性能预测方法未能顺应存在于地质条件、设备和施工系统间的多领域参数关系。因此,本文针对TBM性能预测这一关键问题进行深入研究,提高TBM性能预测的准确性、精度和地质适应性。主要研究工作囊括以下三方面:研究提出了TBM施工围岩可掘进性分级预测模型。本论文以国内兰渝铁路西秦岭隧道工程项目为背景,进行现场实际掘进测试并获取了大量掘进数据,基于现场数据,利用模糊聚类理论及方法,并通过SPSS、MATLAB、EXCEL等软件对这些数据进行研究分析。基于模糊聚类理论和施工样本数据分析,建立以掘进速率为分级指标,包括岩石单轴抗压强度、岩石完整性系数、围岩结构面与隧道轴线夹角和渗水量四项性质指标的可掘进性分级预测模型,将TBM施工围岩可掘进性分为好、一般和差三个性能等级,并通过工程实例验证该分级预测模型具有科学性和有效性。研究提出了基于TBM施工围岩可掘进性等级,以特定岩体掘进指数(SRMPI)为性能预测指标,融合地质参数和施工参数在内的TBM性能预测模型。在此基础上,通过模型细化和科学推导得到TBM其它系统级性能指标,从而建立完备的TBM性能预测体系。通过工程实例验证,得出预测模型的计算结果与TBM实际掘进速度有很好的吻合,从而证明预测模型具有科学性和可操作性。研究开发了TBM性能预测计算分析软件系统。该系统基于不同地质条件,定义TBM性能预测流程,设计开发了TBM施工围岩可掘进性级别判定和TBM掘进性能预测两大功能。通过Visual C++编程,将上述研究内容以可视化界面的形式体现,搭建TBM掘进性能的信息化软件平台。