CN110067566A - 盾构纠偏力矩的预测方法及系统 - Google Patents

Abstract

本发明涉及一种盾构纠偏力矩的预测方法及系统，该方法包括如下步骤：施工中，实时获取千斤顶实际力矩值和千斤顶实际行程差角值；利用实时获取的上述值求解出对应的千斤顶纠偏力矩与千斤顶行程差角的关系表达式；获取当前环的千斤顶行程差角预测值，将千斤顶行程差角预测值代入千斤顶纠偏力矩与千斤顶行程差角的关系表达式，得出对应的千斤顶纠偏力矩值作为当前环的千斤顶纠偏力矩预测值。本发明的纠偏力矩预测方法，采用盾构掘进施工的实时的实际参数，快速学习出千斤顶纠偏力矩与千斤顶形成差角的关系表达式，该关系表达式充分考虑了盾构切口处的土质变化的影响，给出了适应不确定土质的纠偏力矩与行程差角的关系表达式。

Description

盾构纠偏力矩的预测方法及系统

技术领域

本发明涉及盾构施工工程领域，特指一种盾构纠偏力矩的预测方法及系统。

背景技术

盾构法隧道施工具有安全、可靠、高效的特点，在城市地下交通建设中发挥了重要作用。隧道设计轴线(DTA)是根据地下交通工具的运营速度和站点分布确定的，成型隧道施工轴线是隧道工程重要质量考核指标之一。

受土体介电常数衰减特性的影响，现有技术无法连续检测隧道施工路径的土质状态。地质勘探方一般相距20米左右在隧道路径钻探取样，然后拟合成土质分布图供设计施工参考。特别是大盾构，在同一位置盾构切口截面的土质分布一般不规则，这种隧道路径土质信息不连续、盾构截面土质分布不规则的情况反映了软土地基施工盾构切口前方土质具有不确定性的特点。

盾构司机纠偏目的是使成型隧道尽可能接近DTA。实际上，纠偏方向改变和纠偏力矩的关系与土质特性密切相关。举例说明，如果盾构切口左侧土质流动性较好而右侧土质流动性较差，在推力作用下即使盾构千斤顶左右合力矩为0，则盾构会自然向右转向。

现有纠偏做法为人工操作，通常是根据纠偏方向调节输出油压的经验试凑法，其效果取决于操作者的经验水平，容易发生决策不当而形成施工轴线震荡的问题，且由于操作者的经验能力和操作习惯的差异，会产生纠偏质量控制离散型的问题。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种盾构纠偏力矩的预测方法及系统，解决现有的人工操作依赖操作者的经验水平容易发生决策不当而形成施工轴线震荡的问题及产生纠偏质量控制离散型的问题。

实现上述目的的技术方案是：

本发明提供了一种盾构纠偏力矩的预测方法，包括如下步骤：

盾构掘进施工的过程中，实时获取千斤顶实际力矩值和千斤顶实际行程差角值；

利用实时获取的千斤顶实际力矩值和千斤顶实际行程差角值求解出对应的千斤顶纠偏力矩与千斤顶行程差角的关系表达式；以及

获取当前环的千斤顶行程差角预测值，将所述千斤顶行程差角预测值代入所述千斤顶纠偏力矩与千斤顶行程差角的关系表达式，得出对应的千斤顶纠偏力矩值作为当前环的千斤顶纠偏力矩预测值。

本发明的纠偏力矩预测方法，采用盾构掘进施工的实时的实际参数，快速学习出千斤顶纠偏力矩与千斤顶形成差角的关系表达式，该关系表达式充分考虑了盾构切口处的土质变化的影响，给出了适应不确定土质的纠偏力矩与行程差角的关系表达式。从而在当前环施工时，能够给出当前环的千斤顶纠偏力矩预测值，且该千斤顶纠偏力矩预测值时依据盾构的实时数据计算出来的，符合盾构的实际工况，在实际盾构纠偏中发挥了指导作用，具有较好的实用性。且本发明的纠偏力矩预测方法给出了纠偏力矩的合理定量参数，是实现人工智能盾构纠偏的技术基础之一。

本发明盾构纠偏力矩的预测方法的进一步改进在于，利用实时获取的千斤顶实际力矩值和千斤顶实际行程差角求解出对应的千斤顶纠偏力矩与千斤顶行程差角的关系表达式的步骤，包括：

设定采样环数，依据所设定的采样环数的数据量建立对应的数据表；

将实时获取的千斤顶实际力矩值和千斤顶实际行程差角值成对的存储于所述数据表中，并依据先进先出规则对所述数据表中的数据进行存储和读取；

将千斤顶纠偏力矩和千斤顶行程差角拟合为直线关系，则得到如下表示式：

y_j＝a₀+a₁x_i 式一

式一中，y_j为千斤顶纠偏力矩；x_i为千斤顶行程差角；a₀和a₁为待定参数；

以所述千斤顶实际力矩值与所述千斤顶纠偏力矩的差的平方和∑(y_i-y_j)²最小为判断依据，用函数∑(y_i-y_j)²对a₀和a₁求导，并令偏导数为零，则得到：

式二中，y_i为千斤顶实际力矩值，n为采样环数，x_i的取值为千斤顶实际行程差角值；

将所述数据表中存储的千斤顶实际力矩值和千斤顶行程差角值代入式二中求解出a₀和a₁的值；

将求解出的a₀和a₁的值代入到式一中就得到了千斤顶纠偏力矩与千斤顶行程差角的关系表达式。

本发明盾构纠偏力矩的预测方法的进一步改进在于，在盾构掘进施工的过程中，利用实时获取的千斤顶实际力矩值和千斤顶实际行程差角值不断地求解a₀和a₁的值并更新千斤顶纠偏力矩与千斤顶行程差角的关系表达式。

本发明盾构纠偏力矩的预测方法的进一步改进在于，获取千斤顶实际行程差角值的步骤，包括：

第一步：计算各千斤顶行程传感器位置空间坐标(x_i,y_i,z_i)：

x_i＝l_i

y_i＝Rsinθ_i

z_i＝Rcosθ_i

其中：l_i是千斤顶行程传感器的长度，θ_i是千斤顶所在圆对应的圆周角，i是千斤顶序列号，R是千斤顶所在圆的半径；

第二步：解下列三元一次方程：

其中，

a₁₂＝a₂₁＝∑x_iy_i,a₁₃＝a₃₁＝∑x_iz_i,a₃₂＝a₂₃＝∑z_iy_i,

c₁＝∑x_i,c₂＝∑y_i,c₃＝∑z_i,

解得

第三步：计算千斤顶投影和坐标轴的夹角：

其中：α_y是平面方向的行程差角，α_z是高程方向的行程差角。

本发明盾构纠偏力矩的预测方法的进一步改进在于，获取千斤顶实际力矩值的步骤，包括：

获取各千斤顶的推力值，并计算出各千斤顶的力矩值；

将各千斤顶的力矩值求和得到千斤顶实际力矩值。

本发明还提供了一种盾构纠偏力矩的预测系统，包括：

实时采集单元，用于在盾构掘进施工的过程中，实时获取千斤顶实际力矩值和千斤顶实际行程差角值；

与所述实时采集单元连接的自学习单元，用于利用实时获取的千斤顶实际力矩值和千斤顶实际行程差角值求解出对应的千斤顶纠偏力矩与千斤顶行程差角的关系表达式；以及

与所述自学习单元连接的预测单元，用于接收输入的当前环的千斤顶行程差角预测值，并将所述千斤顶行程差角预测值代入所述千斤顶纠偏力矩与千斤顶行程差角的关系表达式，得出对应的千斤顶纠偏力矩值作为当前环的千斤顶纠偏力矩预测值。

本发明盾构纠偏力矩的预测系统的进一步改进在于，还包括与所述实时采集单元和所述自学习单元连接的数据表，所述数据表用于成对的存储千斤顶实际力矩值和千斤顶实际行程差角值，所述实时采集单元和所述自学习单元依据先进先出规则对所述数据表中的数据进行存储和读取；

所述自学习单元包括与所述数据表连接的第一计算模块和与所述第一计算模块连接的第二计算模块；

所述第一计算模块从所述数据表中读取千斤顶实际力矩值和千斤顶实际行程差角值，并代入到式二中求解出a₀和a₁的值，式二为：

式二中，y_i为千斤顶实际力矩值，n为采样环数，x_i的取值为千斤顶实际行程差角值；

所述第二计算模块接收所述第一计算模块求解出的a₀和a₁的值，并代入式一中得到千斤顶纠偏力矩与千斤顶行程差角的关系表达式，式一为：

y_j＝a₀+a₁x_i 式一

式一中，y_j为千斤顶纠偏力矩；x_i为千斤顶行程差角。

本发明盾构纠偏力矩的预测系统的进一步改进在于，在盾构掘进施工的过程中，所述自学习单元利用实时获取的千斤顶实际力矩值和千斤顶实际行程差角值不断地求解a₀和a₁的值并更新千斤顶纠偏力矩与千斤顶行程差角的关系表达式。

本发明盾构纠偏力矩的预测系统的进一步改进在于，所述实时采集单元包括行程差角计算模块；所述行程差角计算模块通过如下步骤计算得到千斤顶实际行程差角：

第一步：计算各千斤顶行程传感器位置空间坐标(x_i,y_i,z_i)：

x_i＝l_i

y_i＝Rsinθ_i

z_i＝Rcosθ_i

其中：l_i是千斤顶行程传感器的长度，θ_i是千斤顶所在圆对应的圆周角，i是千斤顶序列号，R是千斤顶所在圆的半径；

第二步：解下列三元一次方程：

其中，

a₁₂＝a₂₁＝∑x_iy_i,a₁₃＝a₃₁＝∑x_iz_i,a₃₂＝a₂₃＝∑z_iy_i,

c₁＝∑x_i,c₂＝∑y_i,c₃＝∑z_i,

解得

第三步：计算千斤顶投影和坐标轴的夹角：

其中：α_y是平面方向的行程差角，α_z是高程方向的行程差角。

本发明盾构纠偏力矩的预测系统的进一步改进在于，所述实时采集模块还包括推力采集模块和与所述推力采集模块连接的力矩计算模块；

所述推力采集模块用于获取各千斤顶的推力值；

所述力矩计算模块用于依据各千斤顶的推力值计算出各千斤顶的力矩值并求和得到千斤顶实际力矩值。

附图说明

图1为本发明盾构纠偏力矩的预测方法的流程图。

图2为本发明盾构纠偏力矩的预测方法及系统中千斤顶实际行程差角值与千斤顶实际力矩值的非线性关系图。

图3为本发明盾构纠偏力矩的预测方法及系统中求解出的千斤顶纠偏力矩与千斤顶行程差角的关系表达式的回归图。

图4为计算纠偏距离时YOX坐标系的结构示意图。

图5为计算纠偏距离时XOZ坐标系的结构示意图。

图6为计算千斤顶行程差角的示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

参阅图1，本发明提供了盾构纠偏力矩的预测方法及系统，用于解决现有人工操作的效果取决于各操作者的经验水平和不当的决策会形成施工轴线震荡的问题。本发明建立了一种适应不确定土质的盾构纠偏方向与力矩控制关系的快速自学习方法，实时采集盾构施工的施工参数，利用实际的施工参数建立能够适应不确定土质的千斤顶纠偏力矩与千斤顶行程差角的关系表达式，从而根据该关系表达式预测出当前环的千斤顶纠偏力矩的预测值，该千斤顶纠偏力矩的预测值为开环控制模式提供了参数参考作用，为闭环控制模式提供了自动调节作用，具有较好的实用性。下面结合附图对本发明盾构纠偏力矩的预测方法及系统进行说明。

本发明的盾构纠偏力矩的预测系统包括实时采集单元、自学习单元以及预测单元，实时采集单元与自学习单元连接，自学习单元与预测单元连接；

其中实时采集单元用于在盾构掘进施工的过程中，实时获取千斤顶实际力矩值和千斤顶实际行程差角值；

自学习单元读取实时采集单元获取的千斤顶实际力矩值和千斤顶实际行程差角值，利用实时获取的千斤顶实际力矩值和千斤顶实际行程差角值求解出对应的千斤顶纠偏力矩与千斤顶行程差角的关系表达式；

预测单元用于接收输入的当前环的千斤顶行程差角预测值，将该千斤顶行程差角预测值代入到千斤顶纠偏力矩与千斤顶行程差角的关系表达式中，得出对应的千斤顶纠偏力矩值作为当前环的千斤顶纠偏力矩预测值。

本发明的预测系统中的自学习单元用于根据实时的盾构实际施工数据得出千斤顶纠偏力矩与千斤顶行程差角的关系表达式，充分地考虑了土质变化的影响，利用最近的施工数据作为参考，预测出当前环的千斤顶纠偏力矩预测值，使得该千斤顶纠偏力矩预测值具有较好的可信度以及精确性。盾构施工的不确定土质指的是在盾构切口截面前部的土质状态不确定，既包括土质分布的不确定，也包括土质流动性的差异位置不确定。所以本发明利用了快速自学习方法，利用距当前环最近的实时的实际施工数据，得出能够适应不确定土质的千斤顶纠偏力矩与千斤顶行程差角的关系表达式，且该学习过程不断地进行，使得得到的千斤顶纠偏力矩与千斤顶行程差角的关系表达式能够最大程度的适用于当前环管片千斤顶纠偏力矩值的预测。

作为本发明的一较佳实施方式，实时采集单元包括行程差角计算模块；行程差角计算模块通过如下步骤计算千斤顶实际行程差角：

第一步：计算各千斤顶行程传感器位置空间坐标(x_i,y_i,z_i)：

x_i＝l_i

y_i＝Rsinθ_i

z_i＝Rcosθ_i

其中：l_i是千斤顶行程传感器的长度，θ_i是千斤顶所在圆对应的圆周角，i是千斤顶序列号，R是千斤顶所在圆的半径；

第二步：解下列三元一次方程：

其中，

a₁₂＝a₂₁＝∑x_iy_i,a₁₃＝a₃₁＝∑x_iz_i,a₃₂＝a₂₃＝∑z_iy_i,

c₁＝∑x_i,c₂＝∑y_i,c₃＝∑z_i,

解得

第三步：计算千斤顶投影和坐标轴的夹角：

其中：α_y是平面方向的行程差角，α_z是高程方向的行程差角。

千斤顶顶撑在盾构机和管片之间，千斤顶的顶推可推动盾构机向前移动，在隧道施工的设计轴线为曲线或者前后两环盾构姿态发生偏转的情况下，左右两侧的千斤顶的行程就会不同，从而使得前后两环管片环的千斤顶产生了行程差角。

进一步地，实时采集模块还包括推力采集模块和与推力采集模块连接的力矩计算模块；推力采集模块用于获取各千斤顶的推力值；力矩计算模块用于依据各千斤顶的推力值计算出各千斤顶的力矩值并求和得到千斤顶实际力矩值。较佳地，推力采集模块与盾构机的PLC连接，从盾构机的PLC直接读取到各千斤顶的推理值；或者在各千斤顶处安装压力传感器，用于实时检测各千斤顶的顶推力。力矩计算模块在计算各千斤顶的力矩值时，需知晓各千斤顶的力臂大小，而各千斤顶的力臂由千斤顶的设置位置可知，该力臂可预先输入到力矩计算模块内。

作为本发明的另一较佳实施方式，本发明的预测系统还包括与实时采集单元和自学习单元连接的数据表，该数据表用于成对的存储千斤顶实际力矩值和千斤顶实际行程差角值，实时采集单元和自学习单元依据先进先出规则对数据表中的数据进行存储和读取。其中的实时采集单元依据设定的采样环数采集最近的实际施工数据，即千斤顶实际力矩值和千斤顶实际行程差角值，较佳地，采样环数设定为3环，即采集距当前施工管片环最近的已经施工好的三环管片的施工数据，这样依据实时采样的周期可得到采集数据的总数据量，数据表的存储量依据该总数据量建立。

自学习单元包括与数据表连接的第一计算模块和与第一计算模块连接的第二计算模块，该第一计算模块从数据表中读取千斤顶实际力矩值和千斤顶实际行程差角值，并代入到式二中求解出a₀和a₁的值，式二为：

式二中，y_i为千斤顶实际力矩值，n为采样环数，x_i的取值为千斤顶实际行程差角值；第一计算模块将计算出的a₀和a₁的值发送给第二计算模块；

第二计算模块接收第一计算模块求解出的a₀和a₁的值，并代入式一中得到千斤顶纠偏力矩与千斤顶行程差角的关系表达式，式一为：

y_j＝a₀+a₁x_i 式一

式一中，y_j为千斤顶纠偏力矩；x_i为千斤顶行程差角。如图3所示，显示了式一表达式的回归图，图3中x轴表示千斤顶实际行程差角值，y轴表示千斤顶实际力矩值。

自学习单元的计算原理为：实时获取的千斤顶实际力矩值和千斤顶实际行程差角值的关系是非线性的，对二者进行分区拟合可得出图2所示的关系，如图2所示，x轴表示千斤顶实际行程差角值，y轴表示千斤顶实际力矩值，曲线e表示千斤顶实际力矩的高程分量，曲线P表示千斤顶实际力矩的平面分量。自学习单元将千斤顶实际力矩值和千斤顶实际行程差角值的非线性关系以分段函数方法转换为分段区域内的近似折线线形关系，数据表中存储有最近几环的数据，即千斤顶实际力矩值和千斤顶实际行程差角值，若每环是10个控制周期，则数据表中的数据总量为10*环数。研究千斤顶实际力矩值和千斤顶实际行程差角值的关系时，千斤顶实际力矩值和千斤顶实际行程差角值为一系列成对的数据，在小范围内将千斤顶实际力矩值和千斤顶实际行程差角值的关系看作为直线关系，就有式一的关系表达式成立，而后通过最小二乘法确定：以所述千斤顶实际力矩值与所述千斤顶纠偏力矩的差的平方和∑(y_i-y_j)²最小为判断依据，用函数∑(y_i-y_j)²对a₀和a₁求导，并令偏导数为零，则得到式二，从而根据数据表中的数据可计算出对应当前环的千斤顶纠偏力矩与千斤顶行程差角的关系表达式，该关系表达式适用于计算当前环的千斤顶纠偏力矩。

进一步地，在盾构掘进施工的过程中，自学习单元利用实时获取的千斤顶实际力矩值和千斤顶实际行程差角值不断地求解a₀和a₁的值并更新千斤顶纠偏力矩与千斤顶行程差角的关系表达式。以采样环数为3环为例进行说明，在预测当前环的千斤顶纠偏力矩时，与该当前环相邻的前3环的数据已知，利用已知的前3环的千斤顶实际力矩值和千斤顶实际行程差角值求解出对应的a₀和a₁的值而后更新千斤顶纠偏力矩与千斤顶行程差角的关系表达式，利用更新的关系表达式得出千斤顶纠偏力矩的预测值。

预测单元接收的当前环的千斤顶行程差角预测值可手动输入，也可通过其他系统或模块提供。

在一较佳实施方式中，手动输入、其他系统或模块输入的千斤顶行程差角预测值可通过如下方式计算得到：若盾构的设计轴线为曲线，则当前环的千斤顶行程差角预测值为盾构姿态转角变化值加上设计轴线的转角变化值。如图6所示，曲线DTA为设计轴线，在图6所示的实例中，当前环的千斤顶行程差角预测值为盾构姿态转角变化值加上设计轴线的转角变化值。图6中的点Ci-1为第i-1环管片的切口中心位于设计轴线DTA上的位置点，点Ti-1为第i-1环管片的盾尾中心位于设计轴线DTA上的位置点，故而点Ci-1与点Ti-1的连线表示对应第i-1环管片的行程处盾构机的切口和盾尾均位于曲线DTA上时的盾构轴线A1；点Ci为第i环管片的切口中心位于曲线DTA上的位置点，点Ti为第i环管片的盾尾中心位于曲线DTA上的位置点，故而点Ci与点Ti的连线表示对应第i环管片的行程处盾构机的切口和盾尾均位于曲线DTA上时的盾构轴线A2；盾构轴线A1和盾构轴线A2的夹角dθ0为对应第i环管片的设计轴线的转角变化值；点dCi-1为第i-1环管片的管片轴线中心位于曲线DTA上时切口中心的位置点，点dTi-1为第i-1环管片的管片轴线中心位于曲线DTA上时盾尾中心的位置点，点dCi-1与点dTi-1的连线表示对应第i-1环管片行程处管片轴线中心位于曲线DTA上时的盾构轴线A3；点dCi为第i环管片的管片轴线中心位于设计轴线DTA上时切口中心的位置点，点dTi为第i环管片的管片轴线中心位于设计轴线DTA上时盾尾口中心的位置点，点dCi与点dTi的连线表示对应第i环管片行程处管片轴线中心位于曲线DTA上时的盾构轴线A4；盾构轴线A1和盾构轴线A2的夹角dθ1为盾构姿态转角变化值。曲线DTA为盾构的设计轴线，其上的所有位置点的坐标值均已知，从而上述夹角dθ0和dθ1均可计算得出，从而将两个夹角相加即为当前环的千斤顶行程差角预测值。

在另一较佳实施方式中，预测单元与一当前环的千斤顶形成差角预测子系统连接，该当前环的千斤顶形成差角预测子系统用于输出当前环的千斤顶形成差角预测值给预测单元。该当前环的千斤顶形成差角预测子系统包括训练数据获取单元、模型训练单元、预测数据获取单元以及目标预测执行单元，训练数据获取单元与模型训练单元连接；目标预测执行单元与模型训练单元和预测数据获取单元连接；其中训练数据获取单元用于获取第一训练数据集和第二训练数据集，该第一训练数据集包括对应当前管片环的盾构机的相对偏差信息和前一管片环的千斤顶行程差角；第二训练数据集包括对应当前管片环的千斤顶行程差角；第一训练数据集和第二训练数据集可通过相同的管片环而建立起对应关系。模型训练单元接收训练数据获取单元的第一训练数据集和第二训练数据集，该模型训练单元用于利用神经网络模型建立第一训练数据集和第二训练数据集的神经网络纠偏预测模型；预测数据获取单元用于在盾构施工过程中获取对应当前管片环的相对偏差信息和前一管片环的千斤顶行程差角作为预测输入数据；目标预测执行单元接收预测数据获取单元的预测输入数据，将预测输入数据输入到神经网络纠偏预测模型中进而获取神经网络纠偏预测模型输出的千斤顶行程差角作为当前环千斤顶形成差角预测值。

具体地，训练数据获取单元包括有参数输入模块、弦高计算模块以及计算处理模块；较佳地，当前环的千斤顶形成差角预测子系统包括有存储单元，将盾构机掘进施工的施工参数和/或既有隧道的施工参数存放于存储单元内；参数输入模块、纠偏距离计算模块和计算处理模块均与存储单元连接并可读取存储单元中存储的施工参数。其中的参数输入模块用于输入隧道施工的设计轴线、隧道施工过程中的盾构机的实时偏差信息以及盾构机的当前行程；弦高计算模块用于根据盾构机的当前行程，将盾构机的切口中心及盾尾中心均位于所述设计轴线上时，拼装管片轴线中心的位置作为纠偏轴向参考位置点，并计算出所述参考位置点距所述设计轴线的弦高；计算处理模块用于根据盾构机的尺寸设定对应的比例系数，依据比例系数将弦高转换为盾构机的稳态目标偏置值，再根据稳态目标偏置值与实时偏差信息计算得到盾构机的相对偏差信息。从而弦高计算模块和计算处理模块将盾构机的弦高和盾构机的稳态目标偏置值反馈给训练数据获取单元，由训练数据获取单元将该盾构机的弦高和盾构机的相对偏差信息依据对应的管片环进行存储。

较佳地，弦高计算模块计算得到的弦高包括平面弦高和高程弦高，结合图4和图5所示，弦高计算模块根据盾构机的当前行程在设计轴线上查找出对应的盾构机的切口中心及盾尾中心的设计坐标值；在图4中，显示了在大地坐标系中X轴和Y轴界定的平面内的坐标图，曲线DTA即为隧道施工的设计轴线，点C为盾构机的切口中心，点T为盾构机的盾尾中心，点C和点T均位于曲线DTA上，点C和点T的连线即为盾构轴线，也表示盾构姿态，根据参数输入单元获取盾构机的当前行程，从而知道当前管片环号，盾构机的切口里程及盾尾里程，接着找出切口中心和盾尾中心均落在设计轴线上时对应的设计坐标值，得到点C的坐标(x_c,y_c,z_c)和点T的坐标(x_t,y_t,z_t)。查找模块还用于对应计算出参考位置点M的坐标值(x₁,y₁,z₁)，该参考位置点M为盾构轴线上对应的拼装管片的轴线中心。

弦高计算模块根据参考位置点的坐标值、盾构机的切口中心及盾构中心的设计坐标值，于隧道施工的大地坐标系中的X轴和Y轴界定的平面内，计算出参考位置点的投影点距设计轴线的弦高作为平面弦高；平面弦高即为图4中点M距点P的距离，其中点P为经过点M且与点C和点T连成的直线相垂直的直线与设计轴线的交点，该点P表示拼装管片轴线中心落在设计轴线上，具体地，计算公式如下：

ph＝(y₁-y_t)cosα-(x₁-x_t)sinα

上式中，ph为平面纠偏距离，α为点C和点T连成的直线与X轴的夹角。式中的坐标值已知，故而平面弦高计算模块可计算得到平面弦高ph。

该弦高计算模块还根据参考位置点的坐标值、盾构机的切口中心及盾构中心的设计坐标值，于隧道施工的大地坐标系中的X轴和Z轴界定的平面内，计算出参考位置点的投影点在Z轴方向上距设计轴线的弦高作为高程弦高。结合图5所示，高程弦高即为点M在垂直方向也即Z轴方向上到点P的距离，具体地，计算公式如下：

上式中，eh为高程弦高。式中的坐标值已知，故而高程弦高计算模块可计算得到高程弦高eh。

本发明的弦高计算模块计算出的弦高包括高程弦高和平面弦高，高程弦高表示在实际施工中盾构机高度方向(也即Z轴方向)的偏差，平面弦高表示在实际施工中盾构机在平面内(也即X轴和Y轴线方向)的偏差。

计算处理模块将比例系数、平面弦高、高程弦高以及盾构机尺寸代入公式组一和公式组二，计算得出盾构机切口的平面偏置值和高程偏置值与盾构机盾尾的平面偏置值和高程偏置值。公式组一为：

公式组一中，dpcut为盾构机切口的平面偏置值，decut为盾构机切口的高程偏置值，k为比例系数，ph为平面弦高，eh为高程弦高；

公式组二为：

公式组二中，dptail为盾构机盾尾的平面偏置值，detail为盾构机盾尾的高程偏置值，k为比例系数，ph为平面弦高，eh为高程弦高，L为盾构机的长度，l₀为拼装管片轴线中心距盾尾中心的距离；

其中盾构机尺寸包括盾构机的长度，拼装管片轴线中心距盾尾中心的距离，该盾构机尺寸信息通过参数输入单元输入，处理单元的稳态目标偏置转换模块读取参数输入单元输入的盾构机尺寸，并代入到公式组二中计算得出盾尾的平面偏置值和高程偏置值。

计算处理模块在得到平面偏置值和高程偏置值后，结合盾构机的实时偏差信息得到盾构机的相对偏差信息，具体地，将盾构机切口的平面实时偏差值与盾构机切口的平面偏置值求和，作为盾构机切口的平面相对偏差值；将盾构机切口的高程实时偏差值与盾构机切口的高程偏置值求和，作为盾构机切口的高程相对偏差值；将盾构机盾尾的平面实时偏差值与盾构机盾尾的平面偏置值求和，作为盾构机盾尾的平面相对偏差值；将盾构机盾尾的高程实时偏差值与盾构机盾尾的高程偏置值求和，作为盾构机盾尾的高程相对偏差值。

训练数据获取单元获取千斤顶的行程差角的方法与本发明中的实时采集单元获取千斤顶实际行程差角值的方法相同。具体可参见实时采集单元的第一采集模块、第二采集模块以及行程差角计算模块处的描述。

模型训练单元以第一训练数据集作为神经网络模型的输入数据，以第二训练数据集作为神经网络模型的输出数据，训练神经网络模型得到神经网络纠偏预测模型。

预测数据获取单元根据盾构施工过程中的施工参数获取到对应当前环管片的盾构机的相对偏差信息和前一管片环的千斤顶行程差角作为预测输入数据，而盾构机的相对偏差信息和前一管片环的千斤顶行程差角的获取方法与训练数据获取单元的获取方法相同，具体可参见上述训练数据获取单元的描述。

下面对本发明的盾构纠偏力矩的预测方法进行说明。

本发明的盾构纠偏力矩的预测方法，包括如下步骤：

如图1所示，执行步骤S11，盾构掘进施工的过程中，实时获取千斤顶实际力矩值和千斤顶实际行程差角值；接着执行步骤S12；

执行步骤S12，利用实时获取的千斤顶实际力矩值和千斤顶实际行程差角值求解出对应的千斤顶纠偏力矩与千斤顶行程差角的关系表达式；接着执行步骤S13；

执行步骤S13，获取当前环的千斤顶行程差角预测值，将千斤顶行程差角预测值代入千斤顶纠偏力矩与千斤顶行程差角的关系表达式，得出对应的千斤顶纠偏力矩值作为当前环的千斤顶纠偏力矩预测值。

本发明结合实际工况建立快速分区自学习方法获得行程差角与纠偏力矩之间的定量关系，解决了盾构切口截面前部不确定土质及不确定分布工况条件下，无法用一般方法行程差角与纠偏力矩之间的定量关系的技术难题，建立了适应不确定土质的盾构纠偏控制快速自学习方法。通过分段函数方法，将行程差角与纠偏力矩的非线性关系转换为分段区域内的近似折线线形关系。可在实际盾构纠偏开环控制模式中发挥了参数整定参考作用、在闭环控制模式中发挥了自动调节作用，具有较好的实用性。

作为本发明的一较佳实施方式，利用实时获取的千斤顶实际力矩值和千斤顶实际行程差角求解出对应的千斤顶纠偏力矩与千斤顶行程差角的关系表达式的步骤，包括：

设定采样环数，依据所设定的采样环数的数据量建立对应的数据表；

将实时获取的千斤顶实际力矩值和千斤顶实际行程差角值成对的存储于数据表中，并依据先进先出规则对数据表中的数据进行存储和读取；

将千斤顶纠偏力矩和千斤顶行程差角拟合为直线关系，则得到如下表示式：

y_j＝a₀+a₁x_i 式一

式一中，y_j为千斤顶纠偏力矩；x_i为千斤顶行程差角；a₀和a₁为待定参数；

以千斤顶实际力矩值与千斤顶纠偏力矩的差的平方和∑(y_i-y_j)²最小为判断依据，用函数∑(y_i-y_j)²对a₀和a₁求导，并令偏导数为零，则得到：

式二中，y_i为千斤顶实际力矩值，n为采样环数，x_i的取值为千斤顶实际行程差角值；

将数据表中存储的千斤顶实际力矩值和千斤顶行程差角值代入式二中求解出a₀和a₁的值；

将求解出的a₀和a₁的值代入到式一中就得到了千斤顶纠偏力矩与千斤顶行程差角的关系表达式。

较佳地，采样环数设定为3环，即采集距当前施工管片环最近的已经施工好的三环管片的施工数据，这样依据实时采样的周期可得到采集数据的总数据量，数据表的存储量依据该总数据量建立。

上述计算方法的原理为：实时获取的千斤顶实际力矩值和千斤顶实际行程差角值的关系是非线性的，对二者进行分区拟合可得出图2所示的关系，如图2所示，x轴表示千斤顶实际行程差角值，y轴表示千斤顶实际力矩值，曲线e表示千斤顶实际力矩的高程分量，曲线P表示千斤顶实际力矩的平面分量。将千斤顶实际力矩值和千斤顶实际行程差角值的非线性关系以分段函数方法转换为分段区域内的近似折线线形关系，数据表中存储有最近几环的数据，即千斤顶实际力矩值和千斤顶实际行程差角值，若每环是10个控制周期，则数据表中的数据总量为10*环数。研究千斤顶实际力矩值和千斤顶实际行程差角值的关系时，千斤顶实际力矩值和千斤顶实际行程差角值为一系列成对的数据，在小范围内将千斤顶实际力矩值和千斤顶实际行程差角值的关系看作为直线关系，就有式一的关系表达式成立，而后通过最小二乘法确定：以所述千斤顶实际力矩值与所述千斤顶纠偏力矩的差的平方和∑(y_i-y_j)²最小为判断依据，用函数∑(y_i-y_j)²对a₀和a₁求导，并令偏导数为零，则得到式二，从而根据数据表中的数据可计算出对应当前环的千斤顶纠偏力矩与千斤顶行程差角的关系表达式，该关系表达式适用于计算当前环的千斤顶纠偏力矩。

进一步地，在盾构掘进施工的过程中，利用实时获取的千斤顶实际力矩值和千斤顶实际行程差角值不断地求解a₀和a₁的值并更新千斤顶纠偏力矩与千斤顶行程差角的关系表达式。以采样环数为3环为例进行说明，在预测当前环的千斤顶纠偏力矩时，与该当前环相邻的前3环的数据已知，利用已知的前3环的千斤顶实际力矩值和千斤顶实际行程差角值求解出对应的a₀和a₁的值而后更新千斤顶纠偏力矩与千斤顶行程差角的关系表达式，利用更新的关系表达式得出千斤顶纠偏力矩的预测值。

作为本发明的另一较佳实施方式，获取千斤顶实际行程差角值的步骤，包括：

第一步：计算各千斤顶行程传感器位置空间坐标(x_i,y_i,z_i)：

x_i＝l_i

y_i＝Rsinθ_i

z_i＝Rcosθ_i

其中：l_i是千斤顶行程传感器的长度，θ_i是千斤顶所在圆对应的圆周角，i是千斤顶序列号，R是千斤顶所在圆的半径；

第二步：解下列三元一次方程：

其中，

a₁₂＝a₂₁＝∑x_iy_i,a₁₃＝a₃₁＝∑x_iz_i,a₃₂＝a₂₃＝∑z_iy_i,

c₁＝∑x_i,c₂＝∑y_i,c₃＝∑z_i,

解得

第三步：计算千斤顶投影和坐标轴的夹角：

其中：α_y是平面方向的行程差角，α_z是高程方向的行程差角。

进一步地，获取千斤顶实际力矩值的步骤，包括：获取各千斤顶的推力值，并计算出各千斤顶的力矩值；将各千斤顶的力矩值求和得到千斤顶实际力矩值。较佳地，各千斤顶的推理值可从盾构机的PLC处获取，或者在各千斤顶处安装压力传感器，用于实时检测各千斤顶的顶推力。

本发明的预测方法中获取当前环的千斤顶行程差角预测值的步骤，可以通过手动输入当前环的千斤顶行程差角预测值，还可以通过其他系统或模块提供。

在一较佳实施方式中，当前环的千斤顶行程差角预测值通过如下方法计算得到：

若盾构的设计轴线为直线，则当前环的千斤顶行程差角预测值为盾构姿态转角变化值；若盾构的设计轴线为曲线，则当前环的千斤顶行程差角预测值为盾构姿态转角变化值加上设计轴线的转角变化值。如图6所示，曲线DTA为设计轴线，在图6所示的实例中，当前环的千斤顶行程差角预测值为盾构姿态转角变化值加上设计轴线的转角变化值。图6中的点Ci-1为第i-1环管片的切口中心位于设计轴线DTA上的位置点，点Ti-1为第i-1环管片的盾尾中心位于设计轴线DTA上的位置点，故而点Ci-1与点Ti-1的连线表示对应第i-1环管片的行程处盾构机的切口和盾尾均位于曲线DTA上时的盾构轴线A1；点Ci为第i环管片的切口中心位于曲线DTA上的位置点，点Ti为第i环管片的盾尾中心位于曲线DTA上的位置点，故而点Ci与点Ti的连线表示对应第i环管片的行程处盾构机的切口和盾尾均位于曲线DTA上时的盾构轴线A2；盾构轴线A1和盾构轴线A2的夹角dθ0为对应第i环管片的设计轴线的转角变化值；点dCi-1为第i-1环管片的管片轴线中心位于曲线DTA上时切口中心的位置点，点dTi-1为第i-1环管片的管片轴线中心位于曲线DTA上时盾尾中心的位置点，点dCi-1与点dTi-1的连线表示对应第i-1环管片行程处管片轴线中心位于曲线DTA上时的盾构轴线A3；点dCi为第i环管片的管片轴线中心位于设计轴线DTA上时切口中心的位置点，点dTi为第i环管片的管片轴线中心位于设计轴线DTA上时盾尾口中心的位置点，点dCi与点dTi的连线表示对应第i环管片行程处管片轴线中心位于曲线DTA上时的盾构轴线A4；盾构轴线A1和盾构轴线A2的夹角dθ1为盾构姿态转角变化值。曲线DTA为盾构的设计轴线，其上的所有位置点的坐标值均已知，从而上述夹角dθ0和dθ1均可计算得出，从而将两个夹角相加即为当前环的千斤顶行程差角预测值。

在另一较佳实施方式中，当前环的千斤顶行程差角预测值通过如下方法计算得到：

获取第一训练数据集和第二训练数据集，第一训练数据集包括对应当前管片环的盾构机的相对偏差信息和前一管片环的千斤顶行程差角；第二训练数据集包括对应当前管片环的千斤顶行程差角；建立神经网络纠偏预测模型，利用神经网络模型建立第一训练数据集和第二训练数据集的神经网络纠偏预测模型；获取当前环管片的预测输入数据，盾构施工的过程中，获取对应当前环管片的盾构机的相对偏差信息和前一管片环的千斤顶行程差角作为预测输入数据；输入到神经网络纠偏预测模型并获得对应的千斤顶行程差角；将预测输入数据输入到神经网络纠偏预测模型中，并获取神经网络纠偏预测模型输出的千斤顶行程差角作为当前管片环的千斤顶行程差角预测值。

获取第一训练数据集和第二训练数据集的步骤，包括：

令盾构机掘进施工设定距离，并获取盾构机在施工过程中的施工参数，从施工参数中获得第一训练数据集和第二训练数据集；较佳地，施工参数可由盾构机的PLC直接输出得出。或者

从土质条件相同的既有隧道处获取既有施工参数，从既有施工参数中获得第一训练数据集和第二训练数据集。

进一步地，盾构机的相对偏差信息通过如下步骤得到：

获取隧道施工的设计轴线；

在隧道施工的过程中，获取盾构机的实时偏差信息；

根据盾构机的当前行程，将盾构机的切口中心及盾尾中心均位于所述设计轴线上时，拼装管片轴线中心的位置作为纠偏轴向参考位置点，并计算出所述参考位置点距所述设计轴线的弦高；

根据盾构机的尺寸设定对应的比例系数，依据比例系数将弦高转换为盾构机的稳态目标偏置值；

根据稳态目标偏置值与实时偏差信息计算得到盾构机的相对偏差信息。

较佳地，如图4和图5所示，设计轴线为曲线DTA，点C为盾构机的切口中心，点T为盾构机的盾尾中心，点C和点T均位于曲线DTA上，点C和点T的连线即为盾构轴线，也表示盾构姿态，盾构机的当前行程已知，当前管片环号已知，盾构机的切口里程及盾尾里程也已知，接着找出切口中心和盾尾中心均落在设计轴线上时对应的设计坐标值，得到点C的坐标(x_c,y_c,z_c)和点T的坐标(x_t,y_t,z_t)。对应计算出参考位置点M的坐标值(x₁,y₁,z₁)，该参考位置点M为盾构轴线上对应的拼装管片的轴线中心。

于隧道施工的大地坐标系中的X轴和Y轴界定的平面内，计算出参考位置点的投影点设计轴线的弦高，作为平面弦高；具体地，通过如下公式计算：

ph＝(y₁-y_t)cosα-(x₁-x_t)sinα

上式中，ph为平面弦高，α为点C和点T连成的直线与X轴的夹角。式中的坐标值已知，故而可计算得到平面弦高ph。平面弦高即为图4中点M距点P的距离，其中点P为经过点M且与点C和点T连成的直线相垂直的直线与设计轴线的交点，该点P表示拼装管片轴线中心落在设计轴线上，

于隧道施工的大地坐标系中的X轴和Z轴界定的平面内，计算出参考位置点的投影点在Z轴方向上距设计轴线的弦高。结合图5所示，高程弦高即为点M距点P的距离，具体地，计算公式如下：

上式中，eh为高程弦高。式中的坐标值已知，故而高程距离计算模块可计算得到高程弦高eh。

进一步地，依据比例系数将弦高转换为盾构机的稳态目标偏置值的步骤，包括：

根据公式组一计算出盾构机切口的平面偏置值和高程偏置值，公式组一为：

公式组一中，dpcut为盾构机切口的平面偏置值，decut为盾构机切口的高程偏置值，k为比例系数，ph为平面弦高，eh为高程弦高；

根据公式组二计算出盾构机盾尾的平面偏置值和高程偏置值，公式组二为：

公式组二中，dptail为盾构机盾尾的平面偏置值，detail为盾构机盾尾的高程偏置值，k为比例系数，ph为平面弦高，eh为高程弦高，L为盾构机的长度，l₀为拼装管片轴线中心距盾尾中心的距离。其中盾构机的长度和盾构机中拼装管片轴线中心距盾尾中心的距离均可获得，所以公式组一和公式组二可计算得到对应的稳态目标偏置值。

再进一步地，实时偏差信息包括盾构机切口的平面实时偏差值、盾构机切口的高程实时偏差值、盾构机盾尾的平面实时偏差值和盾构机盾尾的高程实时偏差值；

根据稳态目标偏置值与实时偏差信息计算得到盾构机的相对偏差信息的步骤，包括：

将盾构机切口的平面实时偏差值与盾构机切口的平面偏置值求和，作为盾构机切口的平面相对偏差值；

将盾构机切口的高程实时偏差值与盾构机切口的高程偏置值求和，作为盾构机切口的高程相对偏差值；

将盾构机盾尾的平面实时偏差值与盾构机盾尾的平面偏置值求和，作为盾构机盾尾的平面相对偏差值；

将盾构机盾尾的高程实时偏差值与盾构机盾尾的高程偏置值求和，作为盾构机盾尾的高程相对偏差值。

千斤顶行程差角通过上述式三可计算得到。利用神经网络模型建立第一训练数据集和第二训练数据集的神经网络纠偏预测模型的步骤，包括：

以第一训练数据集作为神经网络模型的输入数据，以第二训练数据集作为神经网络模型的输出数据，训练神经网络模型得到神经网络纠偏预测模型。

以上结合附图实施例对本发明进行了详细说明，本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而，实施例中的某些细节不应构成对本发明的限定，本发明将以所附权利要求书界定的范围作为本发明的保护范围。

Claims (10)

1.一种盾构纠偏力矩的预测方法，其特征在于，包括如下步骤：

盾构掘进施工的过程中，实时获取千斤顶实际力矩值和千斤顶实际行程差角值；

利用实时获取的千斤顶实际力矩值和千斤顶实际行程差角值求解出对应的千斤顶纠偏力矩与千斤顶行程差角的关系表达式；以及

获取当前环的千斤顶行程差角预测值，将所述千斤顶行程差角预测值代入所述千斤顶纠偏力矩与千斤顶行程差角的关系表达式，得出对应的千斤顶纠偏力矩值作为当前环的千斤顶纠偏力矩预测值。

2.如权利要求1所述的盾构纠偏力矩的预测方法，其特征在于，利用实时获取的千斤顶实际力矩值和千斤顶实际行程差角求解出对应的千斤顶纠偏力矩与千斤顶行程差角的关系表达式的步骤，包括：

设定采样环数，依据所设定的采样环数的数据量建立对应的数据表；

将实时获取的千斤顶实际力矩值和千斤顶实际行程差角值成对的存储于所述数据表中，并依据先进先出规则对所述数据表中的数据进行存储和读取；

将千斤顶纠偏力矩和千斤顶行程差角拟合为直线关系，则得到如下表示式：

y_j＝a₀+a₁x_i 式一

式一中，y_j为千斤顶纠偏力矩；x_i为千斤顶行程差角；a₀和a₁为待定参数；

以所述千斤顶实际力矩值与所述千斤顶纠偏力矩的差的平方和∑(y_i-y_j)²最小为判断依据，用函数∑(y_i-y_j)²对a₀和a₁求导，并令偏导数为零，则得到：

式二中，y_i为千斤顶实际力矩值，n为采样环数，x_i的取值为千斤顶实际行程差角值；

将所述数据表中存储的千斤顶实际力矩值和千斤顶行程差角值代入式二中求解出a₀和a₁的值；

将求解出的a₀和a₁的值代入到式一中就得到了千斤顶纠偏力矩与千斤顶行程差角的关系表达式。

3.如权利要求2所述的盾构纠偏力矩的预测方法，其特征在于，在盾构掘进施工的过程中，利用实时获取的千斤顶实际力矩值和千斤顶实际行程差角值不断地求解a₀和a₁的值并更新千斤顶纠偏力矩与千斤顶行程差角的关系表达式。

4.如权利要求1所述的盾构纠偏力矩的预测方法，其特征在于，获取千斤顶实际行程差角值的步骤，包括：

第一步：计算各千斤顶行程传感器位置空间坐标(x_i,y_i,z_i)：

x_i＝l_i

y_i＝Rsinθ_i

z_i＝Rcosθ_i

其中：l_i是千斤顶行程传感器的长度，θ_i是千斤顶所在圆对应的圆周角，i是千斤顶序列号，R是千斤顶所在圆的半径；

第二步：解下列三元一次方程：

其中，

a₁₂＝a₂₁＝∑x_iy_i,a₁₃＝a₃₁＝∑x_iz_i,a₃₂＝a₂₃＝∑z_iy_i,

c₁＝∑x_i,c₂＝∑y_i,c₃＝∑z_i,

解得

第三步：计算千斤顶投影和坐标轴的夹角：

其中：α_y是平面方向的行程差角，α_z是高程方向的行程差角。

5.如权利要求1所述的盾构纠偏力矩的预测方法，其特征在于，获取千斤顶实际力矩值的步骤，包括：

获取各千斤顶的推力值，并计算出各千斤顶的力矩值；

将各千斤顶的力矩值求和得到千斤顶实际力矩值。

6.一种盾构纠偏力矩的预测系统，其特征在于，包括：

实时采集单元，用于在盾构掘进施工的过程中，实时获取千斤顶实际力矩值和千斤顶实际行程差角值；

与所述实时采集单元连接的自学习单元，用于利用实时获取的千斤顶实际力矩值和千斤顶实际行程差角值求解出对应的千斤顶纠偏力矩与千斤顶行程差角的关系表达式；以及

与所述自学习单元连接的预测单元，用于接收输入的当前环的千斤顶行程差角预测值，并将所述千斤顶行程差角预测值代入所述千斤顶纠偏力矩与千斤顶行程差角的关系表达式，得出对应的千斤顶纠偏力矩值作为当前环的千斤顶纠偏力矩预测值。

7.如权利要求6所述的盾构纠偏力矩的预测系统，其特征在于，还包括与所述实时采集单元和所述自学习单元连接的数据表，所述数据表用于成对的存储千斤顶实际力矩值和千斤顶实际行程差角值，所述实时采集单元和所述自学习单元依据先进先出规则对所述数据表中的数据进行存储和读取；

所述自学习单元包括与所述数据表连接的第一计算模块和与所述第一计算模块连接的第二计算模块；

所述第一计算模块从所述数据表中读取千斤顶实际力矩值和千斤顶实际行程差角值，并代入到式二中求解出a₀和a₁的值，式二为：

式二中，y_i为千斤顶实际力矩值，n为采样环数，x_i的取值为千斤顶实际行程差角值；

所述第二计算模块接收所述第一计算模块求解出的a₀和a₁的值，并代入式一中得到千斤顶纠偏力矩与千斤顶行程差角的关系表达式，式一为：

y_j＝a₀+a₁x_i 式一

式一中，y_j为千斤顶纠偏力矩；x_i为千斤顶行程差角。

8.如权利要求7所述的盾构纠偏力矩的预测系统，其特征在于，在盾构掘进施工的过程中，所述自学习单元利用实时获取的千斤顶实际力矩值和千斤顶实际行程差角值不断地求解a₀和a₁的值并更新千斤顶纠偏力矩与千斤顶行程差角的关系表达式。

9.如权利要求6所述的盾构纠偏力矩的预测系统，其特征在于，所述实时采集单元包括行程差角计算模块；所述行程差角计算模块通过如下步骤计算得到千斤顶实际行程差角：

第一步：计算各千斤顶行程传感器位置空间坐标(x_i,y_i,z_i)：

x_i＝l_i

y_i＝Rsinθ_i

z_i＝Rcosθ_i

其中：l_i是千斤顶行程传感器的长度，θ_i是千斤顶所在圆对应的圆周角，i是千斤顶序列号，R是千斤顶所在圆的半径；

第二步：解下列三元一次方程：

其中，

a₁₂＝a₂₁＝∑x_iy_i,a₁₃＝a₃₁＝∑x_iz_i,a₃₂＝a₂₃＝∑z_iy_i,

c₁＝∑x_i,c₂＝∑y_i,c₃＝∑z_i,

解得

第三步：计算千斤顶投影和坐标轴的夹角：

其中：α_y是平面方向的行程差角，α_z是高程方向的行程差角。

10.如权利要求6所述的盾构纠偏力矩的预测系统，其特征在于，所述实时采集模块还包括推力采集模块和与所述推力采集模块连接的力矩计算模块；

所述推力采集模块用于获取各千斤顶的推力值；

所述力矩计算模块用于依据各千斤顶的推力值计算出各千斤顶的力矩值并求和得到千斤顶实际力矩值。