CN109630153A - 一种大型掘进装备的无人驾驶方法 - Google Patents

Abstract

本发明公开了一种大型掘进装备的无人驾驶方法，具体包括：先设置至少四组用以驱动大型掘进装备的刀头向前掘进，且绕着刀头的预设掘进轴线按上下左右位置进行分区布置行走的液压单元；然后以水平左右对称的两组液压单元为检测对象，并预先建立驱动刀头工作的液压推力、液压气缸位置以及大型掘进装备的载荷之间关系的动态数学模型，然后获取控制量的值并施加到控制输入端中，最终获得实时的一个大型掘进装备所需要的挖掘角度值；按照上述方法循环计算下一步控制量，并施加到大型掘进装备中，让大型掘进装备沿着预设掘进轴线轨迹实时行走；直至该大型掘进装备到达预挖掘的终端为止。本发明能够保证整个过程的实际运行轨迹精度高。

Description

一种大型掘进装备的无人驾驶方法

技术领域

本发明涉及一种大型掘进装备的操作方法，特别是一种大型掘进装备的无人驾驶方法。

背景技术

大型掘进装备，是一种用于隧道掘进的工程机械。大型掘进装备集光、机、电、液、传感、信息技术于一体，具有开挖切削土体、输送土碴、拼装隧道衬砌、测量导向纠偏等功能，涉及地质、土木、机械、力学、液压、电气、控制、测量等多种技术。大型掘进装备已广泛用于地铁、铁路、公路、市政、水电等隧道工程。

在地下作业的过程中，大型掘进装备的运动轨迹将基本形成地下隧道的实际轴线，要求实际轴线尽量接近或吻合隧道设计轴线(DTA)，以保证隧道工程的质量。因此，大型掘进装备的路径走向的准确度将直接影响到整个隧道工程的质量以及隧道最后的贯通性，因此必须严格按照隧道预设轨迹线准确控制大型掘进装备的实时状态。

一旦在大型掘进装备工作过程中发现其运动轨迹与隧道设计轴线出现偏差，则需要及时对大型掘进装备的姿态进行纠正，这样反而增加了工作效率，因此如何设计一种在大型掘进装备工作时让其实时根据预设轨迹行走，且不产生偏差的自动驾驶方法尤为重要，而目前一般是通过偏差值，然后进行人工调整，这样的操作由于一旦偏差产生，说明挖掘已经进行，为了防止轨道继续偏离预设轨迹，才进行调整，这样会容易导致虽然最终轨道已经连贯，但与预设的隧道轨迹存在一定偏差，因此目前的大型掘进装备的操作方法与预设轨迹始终存在微小偏差，故此需要改进。

发明内容

本发明的目的是为了解决上述现有技术的不足而提供一种提高操作精度，最终操作偏差更小的一种大型掘进装备的无人驾驶方法。

为了实现上述目的，本发明所设计的一种大型掘进装备的无人驾驶方法，具体包括以下步骤：

(一)设置至少四组用以驱动大型掘进装备的刀头向前掘进，且绕着刀头的预设掘进轴线按上下左右位置进行分区布置行走的液压单元；

(二)以水平左右对称的两组液压单元为检测对象，并预先建立驱动刀头工作的液压推力、液压气缸位置以及大型掘进装备的载荷之间关系的动态数学模型：

上述公式中：τ表示限制机器旋转的阻力矩；f表示阻止大型掘进装备的刀头前方挖掘的阻力；y表示为液压气缸的位移量；u表示液压单元中驱动液压气缸工作的力；其中M表示惯性矩阵；H表示负载矩阵；B表示作用在活塞上的等效阻尼，K表示作用在活塞上的负载的弹簧系数；其中M、H、B、K均为常数值；

(三)然后根据步骤(二)的公式可知只需要获取的值并代入公式(1-1) 就能够获取各个液压气缸的位移量，最终获得大型掘进装备的刀头的挖掘角度；故此需要计算值；

(四)根据离散系统原理，将步骤(二)的动态数学模型对应的公式转换成状态方程如下(1-2)公式，取状态变量

(五)然后定义：

Y＝[Y(k+1) Y(k+2)···Y(k+n)]^T

u＝[u(k) u(k+1)···u(k+n-1)]^T

并根据控制量以及步骤(四)中大型掘进装备数学模型的公式，最终确定该大型掘进装备行走路径的预测模型：

Y＝Gu+Fx(k) (1-3)

上述公式中：G和F表示矩阵常量；u表示液压单元中驱动液压气缸工作的力；

F＝[(CA)^T(CA²)^T···(CA^n-1)^T]^T；

(六)根据步骤(五)中的公式最终获得最小值的控制量公式：

T(z^-1)u(k)＝[G^TG+q(CA^N-1B)²]^-1·[G^T(T(z^-1)·Y_r-T(z^-1)Fx(k))+qCA^N-1B(T(z^-1)Y_r(k+N)-CA^NT(z^-1)x(k))] (1-4)

上述公式中，预设掘进轴线轨迹为：

Y_r(k)＝[Y_r(k+1)Y_r(k+2)···Y_r(k+N)]^T；

q表示为拉格朗日乘数，T(z^-1)为后移算子z^-1的多项式；

且T(z^-1)＝1+t₁z^-1+···+t_nz^-n；

t₁、t₂、t₃···t_n为根据大型掘进装备的稳定性选择；N为预先设置的预测时域；

(七)通过步骤(六)的公式计算得出然后将该控制量施加到大型掘进装备的控制输入端中，最终获得实时的一个大型掘进装备所需要的挖掘角度值；

(八)然后根据获取大型掘进装备的刀头工作时的液压推力、当前时刻液压气缸的位置、大型掘进装备载荷之间关系的动态数学模型和下一次的预设掘进轴线的预测给定值Y_r(k+1)，并代入预测模型中，并根据(1-4)公式计算下一步控制量，即液压推力，并施加到大型掘进装备中，让大型掘进装备沿着预设掘进轴线轨迹实时行走；

(九)最终实现一个无人监测并实时调整大型掘进装备中刀头的工作方向，直至该大型掘进装备到达预挖掘的终端为止。

本发明得到的一种大型掘进装备的无人驾驶方法，通过先预设掘进轴线，然后根据驱动刀头工作的液压推力、液压气缸位置以及大型掘进装备的载荷之间关系的数学模型来计算对应液压单元中驱动液压气缸工作的力的大小，并施加到对应的控制端，以此来保证该刀头向前挖进时会始终根据预设掘进轴线的路径行走，最终保证轨道不会偏离预设掘进轴线轨迹，且由于是实时检测、实时调整，最终能够保证整个过程的测量精度高，测量准确，且刀头的挖进轨迹基本与预设轨迹相同。

附图说明

图1是本实施例中一种大型掘进装备的无人驾驶方法中其装置的结构示意图；

图2是本实施例中一种大型掘进装备的刀头上液压单元的分布示意图。

图中：刀头1、大型掘进盾2、液压单元3、控制器4。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

实施例：

如图1、图2所示，公开了一种简易的大型掘进装备，包括一个带有刀头1 的大型掘进盾2，在大型掘进盾2的下端以一个圆形为基础平面，将该基础平面分成4个区域，在每一个区域上设置一个以上分布能够驱动刀头1向前掘进的液压单元3，并对每一个液压单元3通过一个控制器4给对应的液压单元输送一个实时控制量。

如图1是以获取一个水平方向上的两个液压单元3的控制量为参考，本实施例所提供的一种大型掘进装备的无人驾驶方法，具体包括以下步骤：

(一)设置至少四组用以驱动大型掘进装备的刀头向前掘进，且绕着刀头的预设掘进轴线按上下左右位置进行分区布置行走的液压单元；

(二)以水平左右对称的两组液压单元为检测对象，并预先建立驱动刀头工作的液压推力、液压气缸位置以及大型掘进装备的载荷之间关系的动态数学模型：

上述公式中：τ表示限制机器旋转的阻力矩；f表示阻止大型掘进装备的刀头前方挖掘的阻力；y表示为液压气缸的位移量；u表示液压单元中驱动液压气缸工作的力；其中M表示惯性矩阵；H表示负载矩阵；B表示作用在活塞上的等效阻尼，K表示作用在活塞上的负载的弹簧系数；其中M、H、B、K均为常数值；

(三)然后根据步骤(二)的公式可知只需要获取的值并代入公式(1-1) 就能够获取各个液压气缸的位移量，最终获得大型掘进装备的刀头的挖掘角度；故此需要计算值；

(四)根据离散系统原理，将步骤(二)的动态数学模型对应的公式转换成状态方程如下(1-2)公式，取状态变量

(五)然后定义：

Y＝[Y(k+1) Y(k+2) ··· Y(k+n)]^T

u＝[u(k) u(k+1) ··· u(k+n-1)]^T

并根据控制量以及步骤(四)中大型掘进装备数学模型的公式，可以得到输出的Y在k时刻的预测值为：

将(1-5)公式写成向量的形式，使得最终确定该大型掘进装备行走路径的预测模型：

Y＝Gu+Fx(k) (1-3)

上述公式中：G和F表示矩阵常量；u表示液压单元中驱动液压气缸工作的力；

F＝[(CA)^T (CA²)^T ··· (CA^n-1)^T]^T；

(六)此时可以根据(1-2)公式描述的系统，设计其滑模运动方程为

s(k+j)＝T(z^-1)e(k+j) (1-6)

上述公式中：T(z^-1)＝1+t₁z^-1+···+t_nz^-n

s(k+j)表示n时刻第j步切换函数的预测值；e(k+j)表示k时刻第j步输出的跟踪误差预测值；T(z^-1)为后移算子z^-1的多项式；

同时由于

e(k+j)＝Y(k+j)-Y_r(k+j)

并根据离散线性系统的稳定理论，并适当选择参数t_i，最终保证(1-6)公式稳定，

此时采用最终滑动模态s(k+N)＝0，可以实现在相对较小的预测时域下获得闭环系统的稳定性结构，取性能指标函数为：

J＝S^TS；

s.t.s(k+N)＝0；

其中s＝[s(k+1) s(k+2) ··· s(k+N)]^T；

推导获得s＝T(z^-1)[Gu(k)+Fx(k)-Y_r]；

最终使指标J取最小值的控制量公式为：

T(z^-1)u(k)＝[G^TG+q(CA^N-1B)²]^-1·[G^T(T(z^-1)·Y_r-T(z^-1)Fx(k))+qCA^N-1B(T(z^-1)Y_r(k+N)-CA^NT(z^-1)x(k))](1-4)

由于上述公式中，预设掘进轴线轨迹为：

Y_r(k)＝[Y_r(k+1) Y_r(k+2) ··· Y_r(k+N)]^T；

q表示为拉格朗日乘数，t₁、t₂、t₃···t_n为根据大型掘进装备的稳定性选择；N为预先设置的预测时域；

(七)然后通过步骤(六)的(1-4)公式计算得出并将该控制量施加到大型掘进装备的控制输入端中，最终获得实时的一个大型掘进装备所需要的挖掘角度值；

(八)然后获取大型掘进装备的刀头工作时的液压推力、当前时刻液压气缸的位置、大型掘进装备载荷之间关系的动态数学模型和下一次的预设掘进轴线的预测给定值Y_r(k+1)，并代入预测模型中，并根据(1-4)公式计算下一步控制量，即液压推力，并施加到大型掘进装备中，让大型掘进装备沿着预设掘进轴线轨迹实时行走；

(九)最终实现一个无人监测并实时调整大型掘进装备中刀头的工作方向，直至该大型掘进装备到达预挖掘的终端为止。

本实施例通过先预设掘进轴线，然后根据驱动刀头工作的液压推力、液压气缸位置以及大型掘进装备的载荷之间关系的数学模型来计算对应液压单元中驱动液压气缸工作的力的大小，并施加到对应的控制端，以此来保证该刀头向前挖进时会始终根据预设掘进轴线的路径行走，最终保证轨道不会偏离预设掘进轴线轨迹，且由于是实时检测、实时调整，最终能够保证整个过程的测量精度高，测量准确，且刀头的挖进轨迹基本与预设轨迹相同。

Claims (1)

1.一种大型掘进装备的无人驾驶方法，其特征在于，具体包括以下步骤：

(一)设置至少四组用以驱动大型掘进装备的刀头向前掘进，且绕着刀头的预设掘进轴线按上下左右位置进行分区布置行走的液压单元；

(二)以水平左右对称的两组液压单元为检测对象，并预先建立驱动刀头工作的液压推力、液压气缸位置以及大型掘进装备的载荷之间关系的动态数学模型：

上述公式中：τ表示限制机器旋转的阻力矩；f表示阻止大型掘进装备的刀头前方挖掘的阻力；y表示为液压气缸的位移量；u表示液压单元中驱动液压气缸工作的力；其中M表示惯性矩阵；H表示负载矩阵；B表示作用在活塞上的等效阻尼，K表示作用在活塞上的负载的弹簧系数；其中M、H、B、K均为常数值；

(三)然后根据步骤(二)的公式可知只需要获取的值并代入公式(1-1)就能够获取各个液压气缸的位移量，最终获得大型掘进装备的刀头的挖掘角度；故此需要计算值；

(四)根据离散系统原理，将步骤(二)的动态数学模型对应的公式转换成状态方程如下(1-2)公式，取状态变量

(五)然后定义：

Y＝[Y(k+1) Y(k+2) … Y(k+n)]^T

u＝[u(k) u(k+1) … u(k+n-1)]^T

并根据控制量以及步骤(四)中大型掘进装备数学模型的

公式，最终确定该大型掘进装备行走路径的预测模型：

Y＝Gu+Fx(k) (1-3)

上述公式中：G和F表示矩阵常量；u表示液压单元中驱动液压气缸工作的力；

F＝[(CA)^T (CA²)^T … (CA^n-1)^T]^T；

(六)根据步骤(五)中的公式最终获得最小值的控制量公式T(z^-1)u(k)＝[G^TG+q(CA^{N- 1}B)²]^-1·[G^T(T(z^-1)·Y_r-T(z^-1)Fx(k))+qCA^N-1B(T(z^-1)Y_r(k+N)-CA^NT(z^-1)x(k))] (1-4)

上述公式中，预设掘进轴线轨迹为：

Y_r(k)＝[Y_r(k+1) Y_r(k+2) … Y_r(k+N)]^T；

q表示为拉格朗日乘数，T(z^-1)为后移算子z^-1的多项式；

且T(z^-1)＝1+t₁z^-1+…+t_nz^-n；

t₁、t₂、t₃…t_n为根据大型掘进装备的稳定性选择；N为预先设置的预测时域；

(七)通过步骤(六)的公式计算得出然后将该控制量施加到大型掘进装备的控制输入端中，最终获得实时的一个大型掘进装备所需要的挖掘角度值；

(八)然后根据获取大型掘进装备的刀头工作时的液压推力、当前时刻液压气缸的位置、大型掘进装备载荷之间关系的动态数学模型和下一次的预设掘进轴线的预测给定值Y_r(k+1)，并代入预测模型中，并根据(1-4)公式计算下一步控制量，即液压推力，并施加到大型掘进装备中，让大型掘进装备沿着预设掘进轴线轨迹实时行走；

(九)最终实现一个无人监测并实时调整大型掘进装备中刀头的工作方向，直至该大型掘进装备到达预挖掘的终端为止。