CN110633525B - 土压平衡盾构机系统能耗的优化方法及装置 - Google Patents

Abstract

本发明公开了一种土压平衡盾构机系统能耗的优化方法及装置，涉及盾构机技术领域，主要目的在于解决现有土压平衡盾构机系统能耗是基于刀盘系统和推进系统，建立了以做功为能耗的系统模型来实现能耗的优化的问题。包括：根据土压平衡盾构机掘进过中的掘进参数建立组合推进系统、刀盘系统、排渣系统的能耗评价模型，其中，所述掘进参数包括盾构机推力、推进速度、刀盘扭矩、刀盘转速、螺旋输送机扭矩、螺旋输送机转速；获取所述掘进参数的约束范围，在所述约束范围内配置所述能耗评价模型，并通过判定函数对所述能耗评价模型进行迭代寻优，确定所述掘进参数的最优值及能耗最优值。

Description

土压平衡盾构机系统能耗的优化方法及装置

技术领域

本发明涉及一种盾构机技术领域，特别是涉及一种土压平衡盾构机系统能耗的优化方法及装置。

背景技术

盾构技术在近年来发展迅速，普遍应用于隧道工程建设。但是，通常盾构施工的系统参数基本都取决于工程经验，若经验不足则可能会导致工程停滞或者耗费过多不必要的资源，严重的甚至会造成安全事故。

目前，现有土压平衡盾构机系统能耗是基于刀盘系统和推进系统，建立了以做功为能耗的系统模型来实现能耗的优化。但是，土压平衡盾构机在进行运转时，仅仅对刀盘系统和推进系统建立能耗系统模型无法真正的对土压平衡盾构机系统的能耗进行优化，影响土压平衡盾构机系统的正常运转。因此，急需一种土压平衡盾构机系统能耗优化方法来解决上述问题。

发明内容

有鉴于此，本发明提供一种土压平衡盾构机系统能耗的优化方法及装置，主要目的在于解决现有土压平衡盾构机系统能耗是基于刀盘系统和推进系统，建立了以做功为能耗的系统模型来实现能耗的优化的问题。

依据本发明一个方面，提供了一种土压平衡盾构机系统能耗的优化方法，包括：

根据土压平衡盾构机掘进过程中的掘进参数建立组合推进系统、刀盘系统、排渣系统的能耗评价模型，其中，所述掘进参数包括盾构机推力、推进速度、刀盘扭矩、刀盘转速、螺旋输送机扭矩、螺旋输送机转速。

获取所述掘进参数的约束范围，在所述约束范围内配置所述能耗评价模型，并通过判定函数对所述能耗评价模型进行迭代寻优，确定所述掘进参数的最优值及能耗最优值。

进一步地，所述能耗评价模型为y＝minE(x)＝T_αvt+(774.96h+39.01H+3279.8)ω_βt+T_γω_γt且限定约束条件为T_αmin≤T_α≤T_αmax、V_min≤V≤V_max、ω_βmin≤ω_β≤ω_βmax、H_min≤H≤H_max、h_min≤h≤h_max、ω_γmin≤ω_γ≤ω_γmax、T_γmin≤T_γ≤T_γmax，其中，所述T_α为盾构机推力；所述V为推进速度；所述T_β为刀盘扭矩；所述ω_β为刀盘转速；所述T_γ为盾构螺旋输送机扭矩；所述ω_γ为盾构螺旋输送机转速。

进一步地，所述获取所述掘进参数的约束范围，在所述约束范围内配置所述能耗评价模型，并通过判定函数对所述能耗评价模型进行迭代寻优，确定所述掘进参数的最优值及能耗最优值包括：

获取所述掘进参数在果蝇优化算法中的约束范围；

在所述约束范围内配置所述能耗评价模型，所述能耗评价模型为Smell(i)＝T_αVt+(774.96h+39.01H+3279.8)ω_βt+T_γω_γt，随机果蝇群体位置，并随机果蝇的方向和距离为(X_i,Y_i)(i＝1,2…)，X＝cell(option.M，1)，X_i＝2rand(m,n)-1，Y_i＝2rand(m,n)-1；

利用判定函数计算味道浓度判定值，并结合所述能耗评价模型计算果蝇味道浓度值，通过优化筛选确定所述掘进参数的最优值及能耗最优值，其中，所述判定函数为

所述果蝇味道浓度值为Smell(i)＝fit(X{i},option,data)。

依据本发明另一个方面，提供了一种土压平衡盾构机系统能耗的优化装置，包括：

建立单元，用于根据土压平衡盾构机掘进过程中的掘进参数建立组合推进系统、刀盘系统、排渣系统的能耗评价模型，其中，所述掘进参数包括盾构机推力、推进速度、刀盘扭矩、刀盘转速、螺旋输送机扭矩、螺旋输送机转速；

确定单元，用于获取所述掘进参数的约束范围，在所述约束范围内配置所述能耗评价模型，并通过判定函数对所述能耗评价模型进行迭代寻优，确定所述掘进参数的最优值及能耗最优值。

根据本发明的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述土压平衡盾构机系统能耗的优化方法对应的操作。

根据本发明的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述土压平衡盾构机系统能耗的优化方法对应的操作。

借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：

本发明提供了一种土压平衡盾构机系统能耗的优化方法及装置，与现有技术土压平衡盾构机系统能耗是基于刀盘系统和推进系统，建立了以做功为能耗的系统模型来实现能耗的优化相比，本发明实施例通过根据土压平衡盾构机掘进过中的掘进参数建立组合推进系统、刀盘系统、排渣系统的能耗评价模型，其中，所述掘进参数包括盾构机推力、推进速度、刀盘扭矩、刀盘转速、螺旋输送机扭矩、螺旋输送机转速；获取所述掘进参数的约束范围，在所述约束范围内配置所述能耗评价模型，并通过判定函数对所述能耗评价模型进行迭代寻优，确定所述掘进参数的最优值及能耗最优值，实现了多参数的同步综合协调优化，优化的各个参数收敛速度快、计算效率高，能更加有效地降低盾构机的能耗，提高掘进效率。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种土压平衡盾构机系统能耗的优化方法流程图；

图2示出了本发明实施例提供的一种果蝇算法流程图；

图3示出了本发明实施例提供的一种能耗变化趋势示意图；

图4示出了本发明实施例提供的一种推进速度变化曲线示意图；

图5示出了本发明实施例提供的一种推力变化曲线示意图；

图6示出了本发明实施例提供的一种刀盘转速变化曲线示意图；

图7示出了本发明实施例提供的一种螺旋输送机转速变化曲线示意图；

图8示出了本发明实施例提供的一种切削深度变化曲线示意图；

图9示出了本发明实施例提供的一种螺旋输送机扭矩变化曲线示意图；

图10示出了本发明实施例提供的一种埋深变化曲线示意图；

图11示出了本发明实施例提供的一种三种算法对比曲线示意图；

图12示出了本发明实施例提供的一种土压平衡盾构机系统能耗的优化装置组成框图；

图13示出了本发明实施例提供的一种终端的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种土压平衡盾构机系统能耗的优化方法，如图1所示，该方法包括：

101、根据土压平衡盾构机掘进过程中的掘进参数建立组合推进系统、刀盘系统、排渣系统的能耗评价模型。

其中，所述掘进参数包括盾构机推力、推进速度、刀盘扭矩、刀盘转速、螺旋输送机扭矩、螺旋输送机转速。由于盾构机的的能耗是推进系统、刀盘系统和排渣系统的能量消耗的总和，能耗评价模型的自变量是盾构机掘进过程中的各个参数，因变量是能耗评价模型为

其中E(x)为能耗评价函数；T_α为盾构机推力；V为推进速度；T_β为刀盘扭矩；ω_β为刀盘转速；T_γ为螺旋输送机扭矩；ω_γ为螺旋输送机转速。本发明实施中，为了进一步地说明及细化，所述能耗评价模型为y＝minE(x)＝T_αvt+(774.96h+39.01H+3279.8)ω_βt+T_γω_γt且限定约束条件为T_αmin≤T_α≤T_αmax、V_min≤V≤V_max、ω_βmin≤ω_β≤ω_βmax、H_min≤H≤H_max、h_min≤h≤h_max、ω_γmin≤ω_γ≤ω_γmax、T_γmin≤T_γ≤T_γmax，其中，所述T_α为盾构机推力；所述V为推进速度；所述T_β为刀盘扭矩；所述ω_β为刀盘转速；所述T_γ为螺旋输送机扭矩；所述ω_γ为螺旋输送机转速。

另外，为了建立推进系统、刀盘系统、排渣系统的能耗评价模型，在盾构机掘进的过程中，首先以盾构机为研究对象，则其物理过程可用下列公式表示：T_α-(F+M)＝ma，T_α为盾构机的推力；F为盾构机掘进过程中和四周土体等形成的阻力；M为盾构机正面推进产生的掘进阻力；m为盾构机的自重；a为盾构机掘进时的加速度。在盾构机施工的过程中，为了维持开挖面的稳定与安全作业，推进速度是极慢的，假设T_α＝F+M，即盾构机推力等于盾构机掘进时自身与周围产生的阻力和盾构机正面切削所需的掘进阻力之和。盾构机掘进时自身与周围产生的阻力包括：盾构机和周遭土体产生的的摩擦阻力F₁；盾构机后半部分与管片之间摩擦产生的阻力F₂；盾构机后配套车运送渣土时产生的阻力F₃；盾构机自身重量产生的摩擦阻力F₄。F＝F₁+F₂+F₃+F₄，盾构机和周遭土体产生的的摩擦阻力F₁：F₁＝μ₁LD[2(P_v+P_l)]，μ₁为盾构外壳与土体的摩擦力系数；L为盾构机长度；D为盾构外径；P_v为盾构机的垂直方向土压力；P_l为盾构机水平方向土压力。P_v＝P₁+P₂，P₁为垂直土压；P₂为垂直抵抗土压，P₁＝(γ-10)H_f、P₂＝(γ-10)(H_f+R_β)，γ为土质容重；H_f为覆土长度；R_β为盾构刀盘直径。根据地应力理论，某点的垂直土压强和该点的侧向土压力系数有关，是倍数的关系，根据此关联可求得盾体表面的水平土压力为：P_l＝P₃+P₄＝kP_v＝k(P₁+P₂)，P₃为盾构机顶部侧向土压力；P₄为盾构机底部侧向土压力；k为土体侧压力系数。因此可以求得盾构机与周遭土体的摩擦阻力：F₁＝2μ₁LD[(γ-10)(2H_f+R_β)(1+k)]，盾构机后半部分与管片之间摩擦产生的阻力F₂：F₂＝πR_gμ_g，R_g为盾构机管片外径；μ_g为每米管片长度的摩擦系数。盾构机后配套车运送渣土时产生的阻力F₃：F₃＝G_cμ₂，G_c为后配套车自身重量；μ₂为后配套车和轨道之间产生的摩擦系数。盾构机自身重量产生的摩擦阻力F₄：F₄＝μ₁G，G为盾构机的重量。因此盾构机掘进时自身与周围产生的阻力：F＝μ₁{2LD[(γ-10)(2H_f+R_β)(1+k)]+G}+πR_gμ_g+G_cμ₂，盾构机正面切削所需的掘进阻力M。

P_t为盾构机掘进正面土压力；P_s为盾构机掘进正面水压力。P_土＝P₅+P₆＝P_l，P₅为盾构机掘进上侧土压力；P₆为盾构机掘进下侧土压力。P_s＝P₇+P₈，P₇盾构机掘进上侧水压力为；P₈盾构机掘进下侧水压力。P₇＝10(H_f-1)，P₈＝10(H_f-1+R_β)，因此可以得到盾构机正面切削所需的掘进阻力：

根据以上的推论可以得到盾构机推力为：

其次，刀盘扭矩由六部分组成：刀盘旋转正面和周遭土体形成的力矩T₁；刀盘旋转侧面与周遭土体形成的力矩T₂；刀盘旋转切削土体时受到来自于土体的抵抗力矩T₃；刀盘表面架构与土摩擦产生的力矩T₄；刀盘旋转本身的重量产生的力矩T₅；刀盘旋转背面所产生的摩擦力矩T₆。

刀盘旋转正面和周遭土体形成的力矩T₁：

为刀盘开口率；μ_β为刀盘正面与土体间形成的摩擦系数；R_β为刀盘半径；P_s为刀盘旋转正面所形成的水平土压力。刀盘旋转侧面与周遭土体形成的力矩T₂：

ρ为刀盘周遭的土体密度；H为盾构机的埋深；W为盾构机平均单位的长度；K_a为周围土体主动土压力系数。刀盘旋转切削土体时受到来自于土体的抵抗力矩T₃：T₃＝Q₁hD₀/2，Q₁为刀盘的抗压强度；h为刀盘的切削深度；D₀为刀盘外部刀具半径。刀盘表面架构与土摩擦产生的力矩T₄：

K_i为土体的抗剪强度；D₁为刀盘支撑梁外部直径；D₂为刀盘支撑梁内部直径；L_z为刀盘支撑梁的尺寸。刀盘旋转本身的重量产生的力矩T₅：T₅＝μ_aG_βR₁，μ_a为刀盘自身旋转的摩擦系数；G_β为盾构刀盘的质量；R₁为与盾构刀盘轴承的接触半径。刀盘旋转背面所产生的摩擦力矩T₆：

σ为刀盘密闭率。根据以上的推论可以得到刀盘扭矩为：

最后，螺旋输送机扭矩主要由克服其中的渣土在排放的过程中螺旋输送机外壳与土体之间的摩擦力扭矩T₇、螺旋输送机与螺旋之间产生的力矩T₈两部分组成：T_γ＝T₇+T₈。螺旋输送机外壳与土体之间的摩擦力扭矩T₇：

D_l为盾构螺旋输送机的直径；D_g为盾构螺旋输送机的螺杆直径；α为螺旋输送机的螺旋倾角；L_a为盾构螺旋输送机的尺寸；λ为螺旋输送机周围土体容重；f_t为螺旋输送机外壳与周围土体摩擦系数。螺旋输送机与螺旋之间产生的力矩T₈：

β为螺旋升角。因此螺旋输送机扭矩为：

推导出能耗评价模型为：y＝minE(x)＝T_αvt+(774.96h+39.01H+3279.8)ω_βt+T_γω_γt。

103、获取所述掘进参数的约束范围，在所述约束范围内配置所述能耗评价模型，并通过判定函数对所述能耗评价模型进行迭代寻优，确定所述掘进参数的最优值及能耗最优值。

本发明实施例中，通过果蝇算法进行迭代寻优，果蝇算法流程如图2所示。

对于本发明实施例，为了进一步地说明及细化，所述获取所述掘进参数的约束范围，在所述约束范围内配置所述能耗评价模型，并通过判定函数对所述能耗评价模型进行迭代寻优，确定所述掘进参数的最优值及能耗最优值包括：获取所述掘进参数在果蝇优化算法中的约束范围；在所述约束范围内配置所述能耗评价模型，所述能耗评价模型为Smell(i)＝T_αVt+(774.96h+39.01H+3279.8)ω_βt+T_γω_γt，随机果蝇群体位置，并随机果蝇的方向和距离为(X_i,Y_i)(i＝1,2…)，X＝cell(option.M，1)，X_i＝2rand(m,n)-1，Y_i＝2rand(m,n)-1；利用判定函数计算味道浓度判定值，并结合所述能耗评价模型计算果蝇味道浓度值，通过优化筛选确定所述掘进参数的最优值及能耗最优值，其中，所述判定函数为

所述果蝇味道浓度值为Smell(i)＝fit(X{i},option,data)。

对于本发明实施例，具体的应用场景可以如下所示，但不限于此，包括：T_α的约束范围为14000-16000KNm；V的约束范围为7-10cm/min；ω_β的约束范围为0.3-2.2rpm；H的约束范围为20-30m；h的约束范围为60-70mm/rev；ω_γ的约束范围为11-15rpm；T_γ的约束范围为80-100KNm。参数设置：X(1)＝T_β,X(2)＝V,X(3)＝ω_β,X(4)＝h,X(5)＝H,X(6)＝ω_γ,X(7)＝T_γ，Smell(i)＝T_αVt+(774.96h+39.01H+3279.8)ω_βt+T_γω_γt，随机果蝇群体位置，并且随机果蝇的方向和距离(X_i,Y_i)(i＝1,2…)。X＝cell(option.M，1)；X_i＝2rand(m,n)-1；Y_i＝2rand(m,n)-1，其中rand为随机数。计算味道浓度判定值：

把味道浓度判定值与浓度判定函数联立Smell(i)，计算得到该果蝇味道浓度值。Smell(i)＝fit(X{i},option,data)，通过筛选，留下浓度最优的果蝇个体bestsmell。进入果蝇迭代寻优，重复上述步骤，并判断最优浓度是否优于前一迭代的最优浓度。若是，则输出；若否，则继续重复迭代，直到找到浓度最优值。bestsmell＜smellbest时，进行仿真得到的结果如图3所示，盾构机能量消耗在t＝8.7s时刻达到平稳，在地质情况相对稳定的条件下将不再发生变化，消耗的能量将达到最低。在t＝8.7s时刻各个参数在各自的约束条件下取得的最优值如表1所示。在盾构机能耗寻优的过程中，每个参数对于能耗的影响也不同，通过各个参数的收敛情况来说明影响能耗参数的灵敏度情况。由图4-6可知，推力在t＝3.2s就已经达到平衡，在收敛过程中波动特别大，但是平衡时间很快；推进速度在t＝5.8s达到平衡；刀盘转速在t＝5.1s达到平衡。这三个参数达到平衡的时间均小于系统的收敛时间。说明在仿真过程中，推力、推进速度和刀盘转速这三个参数的优化效果较好，降低了系统能量的消耗。由图7-8可知，螺旋输送机转速在t＝9.1s达到收敛平衡；刀盘切削深度在t＝10.8s达到收敛平衡，这两个参数达到平衡的时间略低于系统的收敛时间且波动较小。说明螺旋输送机转速和刀盘切削深度在优化盾构机系统能耗的过程中消耗能量较小，在施工过程中可以很好的对参数进行控制。由图9-10可知，螺旋输送机扭矩在寻优的过程中一直处于动荡状态，在t＝17.1s时达到平衡状态。埋深在寻优的过程中波动也较大，在6s左右出现短暂的平衡状态，最终在t＝16.7s达到收敛平衡。这两个参数的收敛时间较长，说明了螺旋输送机扭矩、埋深是影响系统能耗最大的两个参数。

表1最优能耗值及其各个最优参数表

为了进一步验证本文方法的有效性，分别与自适应粒子群算法(APSO)和自适应遗传算法(AGA)对能耗的优化结果进行比较。参数的设置如表2。通过如图11所示的三种算法对比曲线，对比可以很明显的看出FOA算法收敛寻优能力要好于APSO算法和AGA算法。其中AGA算法收敛性较差，在t＝36s左右才逐渐平衡，APSO算法虽然收敛速度快、时间短，但是并未找到真正的能耗最优值。

表2参数设置

本发明提供了一种土压平衡盾构机系统能耗的优化方法，本发明实施例通过根据土压平衡盾构机掘进过中的掘进参数建立组合推进系统、刀盘系统、排渣系统的能耗评价模型，其中，所述掘进参数包括盾构机推力、推进速度、刀盘扭矩、刀盘转速、螺旋输送机扭矩、螺旋输送机转速；获取所述掘进参数的约束范围，在所述约束范围内配置所述能耗评价模型，并通过判定函数对所述能耗评价模型进行迭代寻优，确定所述掘进参数的最优值及能耗最优值，实现了多参数的同步综合协调优化，优化的各个参数收敛速度快、计算效率高，能更加有效地降低盾构机的能耗，提高掘进效率。进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种土压平衡盾构机系统能耗的优化装置，如图12所示，该装置包括：建立单元21、确定单元22。

建立单元21，用于根据土压平衡盾构机掘进过中的掘进参数建立组合推进系统、刀盘系统、排渣系统的能耗评价模型，其中，所述掘进参数包括盾构机推力、推进速度、刀盘扭矩、刀盘转速、螺旋输送机扭矩、螺旋输送机转速；

确定单元22，用于获取所述掘进参数的约束范围，在所述约束范围内配置所述能耗评价模型，并通过判定函数对所述能耗评价模型进行迭代寻优，确定所述掘进参数的最优值及能耗最优值。

本发明提供了一种土压平衡盾构机系统能耗的优化装置，本发明实施例通过根据土压平衡盾构机掘进过中的掘进参数建立组合推进系统、刀盘系统、排渣系统的能耗评价模型，其中，所述掘进参数包括盾构机推力、推进速度、刀盘扭矩、刀盘转速、螺旋输送机扭矩、螺旋输送机转速；获取所述掘进参数的约束范围，在所述约束范围内配置所述能耗评价模型，并通过判定函数对所述能耗评价模型进行迭代寻优，确定所述掘进参数的最优值及能耗最优值，实现了多参数的同步综合协调优化，优化的各个参数收敛速度快、计算效率高，能更加有效地降低盾构机的能耗，提高掘进效率。

根据本发明一个实施例提供了一种存储介质，所述存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的土压平衡盾构机系统能耗的优化方法。

图13示出了根据本发明一个实施例提供的一种终端的结构示意图，本发明具体实施例并不对终端的具体实现做限定。

如图13所示，该终端可以包括：处理器(processor)302、通信接口(Communications Interface)304、存储器(memory)306、以及通信总线308。

其中：处理器302、通信接口304、以及存储器306通过通信总线308完成相互间的通信。

通信接口304，用于与其它设备比如客户端或其它服务器等的网元通信。

处理器302，用于执行程序310，具体可以执行上述土压平衡盾构机系统能耗的优化方法实施例中的相关步骤。

具体地，程序310可以包括程序代码，该程序代码包括计算机操作指令。

处理器302可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。终端包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

存储器306，用于存放程序310。存储器306可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

程序310具体可以用于使得处理器302执行以下操作：

根据土压平衡盾构机掘进过中的掘进参数建立组合推进系统、刀盘系统、排渣系统的能耗评价模型，其中，所述掘进参数包括盾构机推力、推进速度、刀盘扭矩、刀盘转速、螺旋输送机扭矩、螺旋输送机转速；

获取所述掘进参数的约束范围，在所述约束范围内配置所述能耗评价模型，并通过判定函数对所述能耗评价模型进行迭代寻优，确定所述掘进参数的最优值及能耗最优值。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (3)

1.一种土压平衡盾构机系统能耗的优化方法，其特征在于，包括：

根据土压平衡盾构机掘进过程中的掘进参数建立组合推进系统、刀盘系统、排渣系统的能耗评价模型，其中，所述掘进参数包括盾构机推力、推进速度、刀盘扭矩、刀盘转速、螺旋输送机扭矩、螺旋输送机转速；

获取所述掘进参数的约束范围，在所述约束范围内配置所述能耗评价模型，并通过判定函数对所述能耗评价模型进行迭代寻优，确定所述掘进参数的最优值及能耗最优值；

其中，所述能耗评价模型为Smell(i)＝T_αVt+(774.96h+39.01H+3279.8)ω_βt+T_γω_γt且限定约束条件为

V_min≤V≤V_max、

H_min≤H≤H_max、h_min≤h≤h_max、

其中，所述T_α为盾构机推力；所述V为推进速度；所述T_β为刀盘扭矩；所述ω_β为刀盘转速；所述T_γ为盾构螺旋输送机扭矩；所述ω_γ为盾构螺旋输送机转速；H为盾构机的埋深；h为刀盘的切削深度；

所述获取所述掘进参数的约束范围，在所述约束范围内配置所述能耗评价模型，并通过判定函数对所述能耗评价模型进行迭代寻优，确定所述掘进参数的最优值及能耗最优值包括：

获取所述掘进参数在果蝇优化算法中的约束范围；

在所述约束范围内配置所述能耗评价模型，所述能耗评价模型为Smell(i)＝T_αVt+(774.96h+39.01H+3279.8)ω_βt+T_γω_γt，随机果蝇群体位置，并随机果蝇的方向和距离为(X_i,Y_i)，i＝1,2....，X＝cell(option.M，1)，X_i＝2rand(m,n)-1，Y_i＝2rand(m,n)-1；

利用判定函数计算味道浓度判定值，并结合所述能耗评价模型计算果蝇味道浓度值，通过优化筛选确定所述掘进参数的最优值及能耗最优值，其中，所述判定函数为

所述果蝇味道浓度值为Smell(i)＝fit(X{i},option,data)。

2.一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1中所述的土压平衡盾构机系统能耗的优化方法对应的操作。

3.一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1中所述的土压平衡盾构机系统能耗的优化方法对应的操作。

Images