CN111485896A - 泥水气压平衡盾构多变量融合控制方法及系统 - Google Patents

Abstract

本发明涉及一种泥水气压平衡盾构多变量融合控制方法及系统，该方法包括：施工一设定距离，采集地层参数信息、施工参数信息以及盾构测量参数信息作为训练数据样本；建立非局部相似正则化的稀疏模型；将训练数据样本输入非局部相似正则化的稀疏模型，以气压仓压力参数作为拟合目标参数，求解得出对应的稀疏系数矩阵；在盾构继续施工时，实时采集地层参数信息、施工参数信息以及盾构测量参数信息作为输入数据样本；利用输入数据样本和稀疏系数矩阵计算得出气压仓压力参数预测值。本发明预测气压仓压力参数时考虑了各施工参数间的耦合关系，避免人为经验因素的影响，能够提供较优的气压仓压力参数预测值，提高施工质量以及施工效果。

Description

泥水气压平衡盾构多变量融合控制方法及系统

技术领域

本发明涉及盾构施工工程领域，特指一种泥水气压平衡盾构多变量融合控制方法及系统。

背景技术

泥水气压平衡盾构机在地下施工过程中，由于地质条件的复杂多样以及环境的各种不确定因素，开挖引起的地层扰动不可避免，从而造成地表沉降。地表过度的变形会造成上层建筑移位，严重的甚至造成倒塌，严重影响地面安全。

然而地铁隧道施工多分布在建筑密集区或交通大流量区，盾构开挖过程中必须有效控制地表沉降以保证地表建筑物的正常使用，所以在施工过程中盾构掘进机须以最优的施工参数贯穿整条隧道的施工，以目标沉降控制为根本，有效控制地表沉降。

当前施工过程中，盾构机的施工参数均由人工设定，操作人员根据安装在盾构机内部的传感器数据，结合外部测量的土体特性，参考历史施工数据，利用部分经验公式和自身经验，预估出当前盾构机的几组关键施工参数。然而需要调整的施工参数有多个，各参数相互耦合，且影响地表变形的不确定因素较多，难以利用传统的理论解析法对地表沉降与掘进参数之间高度复杂的非线性关系进行机理性描述，实践当中效果不佳，另还受人员自身经验影响，重复性差，预测结果不稳定，无法大规模推广复制。

针对盾构机的气压仓压力参数(也称为盾构机开挖面切口压力值)，传统是通过经验公式计算并人工指定的，其考虑的因素包括地下水压力、静止土压力、被动土压力以及主动土压力，切口压力的选取范围处于上下限之间，计算如下：切口压力上限值为地下水压力、静止土压力以及被动土压力之和，切口压力下限值为地下水压力、主动土压力以及被动土压力之和，在该上下限范围内施工人员凭经验选取一压力值作为气压仓压力参数。上述经验公式仅使用了少量环境参数，并没有考虑盾构机的施工参数，该盾构机的施工参数也会影响切口压力。在实践过程汇总，经验公式计算的切口泥水压力准确度不高，导致气压仓压力参数选择不合理，施工效果不理想。且需要经验人员凭经验进行修正方能使用，效率低。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种泥水气压平衡盾构多变量融合控制方法及系统，解决现有利用经验公式以及施工人员经验设定气压仓压力参数存在的准确度不高、参数设定不合理、施工效果不理想以及效率低等的问题。

实现上述目的的技术方案是：

本发明提供了一种泥水气压平衡盾构多变量融合控制方法，用于为盾构施工提供气压仓压力参数，所述控制方法包括如下步骤：

盾构掘进施工一设定距离，采集施工过程中的地层参数信息、施工参数信息以及盾构测量参数信息作为训练数据样本；

建立非局部相似正则化的稀疏模型；

将所述训练数据样本输入所述非局部相似正则化的稀疏模型，以气压仓压力参数作为拟合目标参数，求解得出对应的稀疏系数矩阵；

在盾构继续掘进施工时，实时采集地层参数信息、施工参数信息以及盾构测量参数信息作为输入数据样本；以及

利用所述输入数据样本和所述稀疏系数矩阵计算得出气压仓压力参数预测值并输出。

本发明的控制方法采用多变量融合控制技术，基于非局部相似正则化的稀疏模型，使用盾构施工过程中多个传感器的实时采样数据，预测气压仓压力参数，以地表沉降量为约束调节，确保地表沉降在允许范围内。本发明的控制方法考虑了多个施工参数间的耦合关系，避免人为经验因素的影响，能够提供较优的气压仓压力参数预测值，提高施工质量以及施工效果。利用稀疏模型进行计算，规避了人工设置参数可能的判断误差，降低了盾构机地下施工的难度，也使得隧道施工更加平稳，更加安全。

本发明泥水气压平衡盾构多变量融合控制方法的进一步改进在于，建立非局部相似正则化的稀疏模型的步骤，包括：

基于普通最小二乘法构建所述训练数据样本与所述拟合目标参数的函数关系作为成本函数；

使用二次方约束稀疏系数以衡量所述训练数据样本中的非局部相似性，对所述二次方约束稀疏系数进行正则化表示，则得到：

Tr(SMS^T)

其中的Tr表示矩阵主对角线元素之和，S表示稀疏系数，T表示矩阵转置，M表示相似矩阵，M＝(E-W)(E-W)^T，E表示单位矩阵，W表示稀疏系数的权重系数矩阵；

将正则化表示的二次方约束稀疏系数加入到所述成本函数中，得到非局部相似正则化的稀疏模型，其函数表达为：

其中的

表示稀疏系数的最优解，D表示训练数据样本中除气压仓压力参数信息外的参数信息，DS表示拟合目标参数的预测值，x表示训练数据样本中的气压仓压力参数信息。

本发明泥水气压平衡盾构多变量融合控制方法的进一步改进在于，对非局部相似正则化的稀疏模型使用贪婪算法进行求解，得到对应的稀疏系数矩阵，其函数表达为：

其中的S表示稀疏系数，_Λ表示迭代运算符号。

本发明泥水气压平衡盾构多变量融合控制方法的进一步改进在于，在求解稀疏系数矩阵时，以地表沉降量在沉降设定范围内为约束条件进行求解。

本发明泥水气压平衡盾构多变量融合控制方法的进一步改进在于，还包括：

获取盾构机的尺寸参数信息，并将所获取的盾构机的尺寸参数信息加入所述训练数据样本和所述输入数据样本中。

本发明还提供了一种泥水气压平衡盾构多变量融合控制系统，用于为盾构施工提供气压仓压力参数，所述控制系统包括：

模型训练模块，用于利用输入的盾构掘进施工一设定距离所得到的地层参数信息、施工参数信息以及盾构测量参数信息作为训练数据样本，对非局部相似正则化的稀疏模型进行训练，以求解出对应的稀疏系数矩阵，且求解过程中以气压仓压力参数作为拟合目标参数；

样本获取模块，用于在盾构掘进施工过程中获取地层参数信息、施工参数信息以及盾构测量参数信息，形成输入数据样本；以及

与所述模型训练模块和所述样本获取模块连接的处理模块，用于利用所述输入数据样本和所述稀疏系数矩阵计算得出气压仓压力参数预测值并输出。

本发明泥水气压平衡盾构多变量融合控制系统的进一步改进在于，所述模型训练模块包括一稀疏模型建立子模块；

所述稀疏模型建立子模块用于接收所述训练数据样本，并基于普通最小二乘法构建所述训练数据样本与所述拟合目标参数的函数关系作为成本函数；

接着使用二次方约束稀疏系数以衡量所述训练数据样本中的非局部相似性，对所述二次方约束稀疏系数进行正则化表示，则得到：

Tr(SMS^T)

其中的Tr表示矩阵主对角线元素之和，S表示稀疏系数，T表示矩阵转置，M表示相似矩阵，M＝(E-W)(E-W)^T，E表示单位矩阵，W表示稀疏系数的权重系数矩阵；

再将正则化表示的二次方约束稀疏系数加入到所述成本函数中，以建立非局部相似正则化的稀疏模型，其函数表达为：

其中的

表示稀疏系数的最优解，D表示训练数据样本中除气压仓压力参数信息外的参数信息，DS表示拟合目标参数的预测值，x表示训练数据样本中的气压仓压力参数信息。

本发明泥水气压平衡盾构多变量融合控制系统的进一步改进在于，所述模型训练模块还包括一与所述稀疏模型建立子模块连接的稀疏系数计算子模块；

所述稀疏系数计算子模块用于对非局部相似正则化的稀疏模型使用贪婪算法进行求解，得到对应的稀疏系数矩阵，其函数表达为：

其中的S表示稀疏系数，_Λ表示迭代运算符号。

本发明泥水气压平衡盾构多变量融合控制系统的进一步改进在于，所述稀疏系数计算子模块求解稀疏系数矩阵时，以地表沉降量在沉降设定范围内为约束条件进行求解。

本发明泥水气压平衡盾构多变量融合控制系统的进一步改进在于，所述训练数据样本中还包括盾构机尺寸参数信息；

所述输入数据样本中还包括盾构机尺寸参数信息。

附图说明

图1为本发明泥水气压平衡盾构多变量融合控制方法的流程图。

图2为本发明泥水气压平衡盾构多变量融合控制系统的系统图。

图3至图6为本发明泥水气压平衡盾构多变量融合控制系统及方法实际应用于隧道施工时预测设定值与实际测量值的变化曲线图。

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，本发明提供了一种泥水气压平衡盾构多变量融合控制方法及系统，用于实现在满足特定边界条件下(沉降控制目标)，利用隧道施工过程中多个实时施工参数预测当前施工环的关键设定参数，即气压仓压力参数。用于解决现有气压仓压力参数的设定受盾构机操作人员自身经验影响，重复性差，规则无法复制的问题。下面结合附图对本发明泥水气压平衡盾构多变量融合控制方法及系统进行说明。

参阅图2，显示了本发明泥水气压平衡盾构多变量融合控制系统的系统图。下面结合图2，对本发明泥水气压平衡盾构多变量融合控制系统进行说明。

如图2所示，本发明的泥水气压平衡盾构多变量融合控制系统用于为盾构施工提供气压仓压力参数，该控制系统包括模型训练模块21、样本获取模块22以及处理模块23，模型训练模块21用于训练非局部相似正则化稀疏模型，利用输入的盾构掘进施工一设定距离所得到的地层参数信息、施工参数信息以及盾构测量参数信息作为训练数据样本，对非局部相似正则化的稀疏模型进行训练，以求解出对应的稀疏系数矩阵，且求解过程中以气压仓压力参数作为拟合目标参数；样本获取模块22用于在盾构掘进施工过程中获取地层参数信息、施工参数信息以及盾构测量参数信息形成输入数据样本；处理模块23与模型训练模块21和获取模块22连接，处理模块23用于利用输入数据样本和稀疏系数矩阵计算得出气压仓压力参数预测值并输出。

本发明的控制系统通过实际施工一设定距离得到的参数作为训练数据样本，利用训练数据样本对非局部相似正则化的稀疏模型进行训练，得到各参数与气压仓压力参数间的关系(通过稀疏系数矩阵来表示)，而后在盾构掘进施工过程中，获取与训练数据样本对应的实时的参数(也即当前施工环的参数)作为输入数据样本，并结合稀疏模型训练计算得到的系数系数矩阵计算得出气压仓压力参数预测值，该气压仓参数预测值作为盾构掘进施工的设定值。本发明中的模型训练模块22求解稀疏系数矩阵只进行一次，在求解得到稀疏系数矩阵后，利用该稀疏系数聚酯计算气压仓压力参数预测值即可。

较佳地，本发明中的地层参数信息为隧道覆土厚度。施工参数信息包括气压仓压力、泥水仓液位、进泥密度、排泥密度、进泥流量、排泥流量、推进速度、推力、刀盘转速、刀盘扭矩、注浆压力以及注浆量。施工参数信息中的气压仓压力在训练数据样本中为已知的实际值，在输入样本数据中其为带预测值，也即拟合目标参数。盾构测量参数信息包括切口平面偏差、切口高程偏差、盾尾平面偏差、盾尾高程偏差、水平力矩、垂直力矩、水平角、垂直角、管片中心偏差水平、管片中心偏差垂直、盾尾间隙、坡度以及转角。上述的地层参数信息、施工参数信息以及盾构测量参数信息均为变量，在盾构掘进施工过程中，通过设置的各传感器获取上述的参数信息。又佳地，本发明的控制系统包括一输入模块，用于输入上述的参数信息，上述的参数信息被模型训练模块21接收，作为训练数据样本进行模型训练。

进一步地，施工参数信息可从盾构机系统处获取，盾构机内部的数据采集系统采集了上述的施工参数信息，本发明的控制系统可直接与盾构机系统通信连接，并获取已施工段的施工参数信息。在盾构机系统内采集的施工参数信息的采集频率为1Hz，为了便于模型训练以及移除噪音，选取每10分钟的平均值作为训练数据样本中的施工参数信息。

在利用训练数据样本进行非局部相似正则化的稀疏模型训练求解稀疏系数矩阵的过程中，以地表沉降量在沉降设定范围内为约束条件进行求解，使得求解得到的稀疏系数矩阵在后续的预测气压仓压力参数时，能够满足地表沉降控制要求，确保盾构施工安全。地表沉降量为一逻辑值，给其设定一沉降设定范围，较佳地，沉降设定范围为-30mm至+10mm。在选取训练数据样本时，获取对应管片环的地表沉降量，根据地表沉降量是否在沉降设定范围内来对数据样本进行分类，其中地表沉降量在沉降设定范围内的样本数据为正样本，反之不在沉降设定范围内的样本数据为负样本，利用正样本进行非局部相似正则化的稀疏模型训练求解稀疏系数矩阵。相应地，利用负样本进行对照训练，以排除不符合地表沉降要求的稀疏系数。

地表沉降量是最重要的一个测量数据，它是一个随着时间而变化的动态数据，测量值以盾构机通过当前环90天之后的长期稳定沉降数据为准，用以评估隧道施工对地面的扰动。地面测点布置受地表建筑物限制，通常情况下，沉降值测点会以间隔2至4环的距离布置。由于盾构机开始掘进阶段，覆土较浅，沉降数值波段较大，训练数据样本选取实际推进40环(80m)之后的沉降数值。

在本发明的一种具体实施方式中，模型训练模块包括一稀疏模型建立子模块；该稀疏模型建立子模块用于建立非局部相似正则化的稀疏模型。稀疏模型建立子模块用于接收训练数据样本，并基于普通最小二乘法构建训练数据样本与拟合目标参数的函数关系作为成本函数；

接着使用二次方约束稀疏系数以衡量训练数据样本中的非局部相似性，对二次方约束稀疏系数进行正则化表示，则得到：

Tr(SMS^T)

其中的Tr表示矩阵主对角线元素之和，S表示稀疏系数，T表示矩阵转置，M表示相似矩阵，M＝(E-W)(E-W)^T，E表示单位矩阵，W表示稀疏系数的权重系数矩阵；

再将正则化表示的二次方约束稀疏系数加入到成本函数中，以建立非局部相似正则化的稀疏模型，其函数表达为：

其中的

表示稀疏系数的最优解，D表示训练数据样本中除气压仓压力参数信息外的参数信息，DS表示拟合目标参数的预测值，x表示训练数据样本中的气压仓压力参数信息。

下面对稀疏模型建立子模块构建非局部相似正则化的稀疏模型的详细过程以及原理进行说明。

在满足特定边界条件下，比如沉降控制目标，利用隧道施工过程中盾构机多个传感器数据预测出置信度最高的某个结果，比如气压仓压力，这样的方法是一种回归拟合，简单线性回归，也称为普通最小二乘法(OLS)，目标是取得系统最小的误差平方和，其函数表达成为成本函数，该成本函数如下：

其中的D表示训练数据样本中除气压仓压力参数信息外的参数信息，DS表示拟合目标参数的预测值，x表示训练数据样本中的气压仓压力参数信息(作为真实值)，找到一个S使得右侧等式最小，作为最优解记为

成本函数是通过最小化和测量来找到最佳误差的一种方法，可以用梯度下降算法多次迭代求解。然而普通最小二乘法(OLS)是无偏估计，误差来自于随机选择，与系统本身无关，但OLS的缺陷在于：当输入样本的容量不充分且多个输入样本之间不相互独立(即存在线形耦合关系)，该OLS就可能存在多重共线性问题，无法避免过拟合。直接利用成本函数训练模型，当输入存在小干扰就会造成输出误差的方差过大，预测值离散度较高。

为解决OLS多重共线性及过拟合问题，一个改良方法是添加惩罚项L1范数，通过调整线性相关列数据的权重，放弃OLS的无偏性，牺牲一部分的偏差可以大大降低方差，以便得到更可靠的输出。L1范数又称为L1正则化，L1正则假设参数的先验分布是Laplace分布，由最大后验概率估计导出，它是指权值向量w中各个元素的绝对值之和，表示为：

其中的参数λ是拉格朗日乘子，用于控制正则化强弱。通过L1正则化之后，使得模型中的一些向量权重等于0或接近0，产生了一个稀疏模型。L1正则化通过产生稀疏性进行特征选择以及防过拟合，但对于多组共线性较强的特征，该L1正则化会在相关的变量间随机的选择，缺乏稳定性。

为此，本发明修改L1范数惩罚项，将其改造成非局部相似正则化稀疏模型，保留原始高维的多样性数据并增强稀疏编码的稳定性。假设拟合目标参数可以由N个特征向量重构D＝{d_i}^N∈R^L×N,d_i,i＝1,...N，可以用过度完整字典中的信息稀疏地表示包含的冗余信息。作为无监督学习方法，稀疏分解通常无法保持原始数据的多变结构，特别是在处理高维数据时，属于同一类的目标可能会在稀疏重建过程中产生不同的重构系数，影响重构的稳定性和回归精度。结合矢量相互接近的假设，在数据矩阵中应该有类似的稀疏表示，在衡量这种非局部相似性时，可以使用二次方关于稀疏系数的约束：

其中的s_i表示特征向量d_i的稀疏表示稀疏，s_j表示特征向量d_j的稀疏表示稀疏，d_j表示与d_i不同的特征向量，w_ji是权重系数，决定稀疏表示系数s_i和s_j之间的近似程度，对于特征向量组，权重系数矩阵由以下获得：

其中的σ为强迫相似性。当d_j与d_i在特征空间中相距较近时，则接近1，否则该权重接近0。

将上式正则化表示，得到：

这里的E是单位矩阵，M为相似矩阵，M＝(E-W)(E-W)^T，Tr表示矩阵主对角线元素之和，S表示稀疏系数，上角标T表示矩阵转置，W表示稀疏系数的权重系数矩阵。

利用Tr(SMS^T)对OLS进行正则化，也即将非局部正则化结合到OLS成本函数中，得到非局部相似正则化的稀疏模型，其函数表达为：

进一步地，模型训练模块还包括与稀疏模型建立子模块连接的稀疏系数计算子模块；该稀疏计算子模块利用训练数据样本对上述的非局部相似正则化的稀疏模型进行训练，求解出稀疏系数S。

较佳地，稀疏系数计算子模块对于非局部相似正则化的稀疏模型，使用贪婪算法进行求解，贪婪算法在每次迭代中详尽地搜索次优近似值(即接近误差为零的最优值)，依据误差量选取最佳的相关向量，即在每次迭代中如果某个向量D的误差最接近当前残差，则该向量的索引被挑选。然后此索引将被记录，来更新当前索引集。算法利用李雅普诺夫公式来计算次优解，最终得到对应的稀疏系数矩阵，其函数表达为：

其中的S表示稀疏系数，_Λ表示迭代运算符号。

具体地计算流程为：

从训练数据样本中提取气压仓压力参数信息作为目标向量x，其余的参数信息作为特征向量D；初始化：迭代变量k＝1，系数V0为空集，残差R0＝x，系数V0在模型训练过程中用来存放索引值，索引值用于指向特征向量矩阵中对应的特征向量，残差是预测值与实际值之间的误差，初始状态下，设定为最大值，就是气压仓压力参数信息的实际值，以后每一次迭代计算后残差会慢慢收敛，直至残差等于设定阈值，该设定阈值依据经验进行人为设定。接着找到最接近残差的系数参数，更新系数参数集Vk，利用李雅普诺夫公式计算Pk(次优解)，更新残差Rk，更新迭代变量k+1，迭代计算，完成后输出Vk及稀疏系数矩阵。Vk为最终找到的特征向量D中各个线性无关的向量索引，即D_Λ。

再进一步地，利用训练得到的稀疏系数矩阵，处理模块将输入数据样本乘以稀疏系数矩阵计算得到气压仓压力参数预测值。输入数据样本中不包括气压仓压力参数，其余参数与训练数据样本相一致。

较佳地，训练数据样本中还包括盾构机尺寸参数信息。输入数据样本中也包括盾构机尺寸参数信息。该盾构机尺寸参数信息为定量，在选定好盾构机型号后，其尺寸参数信息就确定了。盾构机尺寸参数信息包括刀盘直径和盾构壳体长度。

本发明还提供了一种泥水气压平衡盾构多变量融合控制方法，下面对该控制方法进行说明。

本发明的泥水气压平衡盾构多变量融合控制方法用于为盾构施工提供气压仓压力参数，该控制方法包括如下步骤：

如图1所示，执行步骤S11，盾构掘进施工一设定距离，采集施工过程中的地层参数信息、施工参数信息以及盾构测量参数信息作为训练数据样本；接着执行步骤S12；

执行步骤S12，建立非局部相似正则化的稀疏模型；接着执行步骤S13；

执行步骤S13，将训练数据样本输入非局部相似正则化的稀疏模型，以气压仓压力参数作为拟合目标参数，求解得出对应的稀疏系数矩阵；接着执行步骤S14；

执行步骤S14，在盾构继续掘进施工时，实时采集地层参数信息、施工参数信息以及盾构测量参数信息作为输入数据样本；接着执行步骤S15；

执行步骤S15，利用输入数据样本和稀疏系数矩阵计算得出气压仓压力参数预测值并输出。

在本发明的一种具体实施方式中，建立非局部相似正则化的稀疏模型的步骤，包括：

基于普通最小二乘法构建训练数据样本与拟合目标参数的函数关系作为成本函数；

使用二次方约束稀疏系数以衡量训练数据样本中的非局部相似性，对二次方约束稀疏系数进行正则化表示，则得到：

Tr(SMS^T)

其中的Tr表示矩阵主对角线元素之和，S表示稀疏系数，T表示矩阵转置，M表示相似矩阵，M＝(E-W)(E-W)^T，E表示单位矩阵，W表示稀疏系数的权重系数矩阵；

将正则化表示的二次方约束稀疏系数加入到成本函数中，得到非局部相似正则化的稀疏模型，其函数表达为：

其中的

表示稀疏系数的最优解，D表示训练数据样本中除气压仓压力参数信息外的参数信息，DS表示拟合目标参数的预测值，x表示训练数据样本中的气压仓压力参数信息。

在本发明的一种具体实施方式中，对非局部相似正则化的稀疏模型使用贪婪算法进行求解，得到对应的稀疏系数矩阵，其函数表达为：

其中的S表示稀疏系数，_Λ表示迭代运算符号。

在本发明的一种具体实施方式中，在求解稀疏系数矩阵时，以地表沉降量在沉降设定范围内为约束条件进行求解。

在本发明的一种具体实施方式中，还包括：

获取盾构机的尺寸参数信息，并将所获取的盾构机的尺寸参数信息加入训练数据样本和输入数据样本中。

下面对本发明泥水气压平衡盾构多变量融合控制方法及系统的应用效果进行说明。

将本发明提出的多变量融合控制方法应用在上海北横通道工程的地下隧道段验证，该地下隧道段共分为西线和东线两段，分别有1160和1381施工环。该北横项目西线穿越上海黄浦江，越江阶段无法测量沉降，所以西线(40-1160环)有效沉降数值只有149环。东线完成部分(42-1023环)的有效数据有263环，两线供412组数据，将沉降量在允许范围内的样本作为正样本，不再允许范围内的作为负样本，其中正样本有372组，负样本有40组，用于模型训练。

使用已有的数据样本作为输入，以地面沉降作为约束调节，气压仓压力作为拟合目标参数，使用非局部相似正则化稀疏模型训练得到最佳稀疏系数。训练数据中80％用于训练，20％用于验证，设计目标要求达到样本评价拟合精度<5％，实际拟合精度为2.25％。

多变量融合控制方法的现场验证选择在北横隧道东线第1041,1034,1058,1170共4环，通过预测得到的气压仓压力参数的预测值取代原本盾构机施工人员现场的设定值，整环的推进都使用由预测模型给出的建议值。考虑到运行算法模型所需的算力，高性能算法服务器部署在云端，通过高速网络连接至盾构机施工现场工控机，与盾构机本地DCS控制系统实时相连，并导入传感器数据。根据盾构机千斤顶油缸伸缩量，每推进200mm更新一次当前气压仓压力设定值，即每一环输出10个预测值。参阅图3至图6所示，显示了4环施工中的实际测量与预测设定值的变化曲线，其中的曲线31为预测设定值(也即气压仓压力预测值)，曲线32为实际测量值，是传感器实际读数。

运行结果显示：使用模型预测的气压仓压力设定盾构机施工参数，全部4环的最终地面沉降量落在-2.74到-13.94mm之间，符合地面沉降控制要求；整个施工过程中，单环预测数值的波动不超过0.26bar，实际数值的波动不超过0.22bar，其他盾构机施工参数也未见异常波动，整体运行平稳。结果充分显示了此技术现场可操作性，在真实施工工况中能够可靠运行，是代替人工操作盾构机参数整定的优选方案。

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)

1.一种泥水气压平衡盾构多变量融合控制方法，用于为盾构施工提供气压仓压力参数，其特征在于，所述控制方法包括如下步骤：

盾构掘进施工一设定距离，采集施工过程中的地层参数信息、施工参数信息以及盾构测量参数信息作为训练数据样本；

建立非局部相似正则化的稀疏模型；

将所述训练数据样本输入所述非局部相似正则化的稀疏模型，以气压仓压力参数作为拟合目标参数，求解得出对应的稀疏系数矩阵；

在盾构继续掘进施工时，实时采集地层参数信息、施工参数信息以及盾构测量参数信息作为输入数据样本；以及

利用所述输入数据样本和所述稀疏系数矩阵计算得出气压仓压力参数预测值并输出。

2.如权利要求1所述的泥水气压平衡盾构多变量融合控制方法，其特征在于，建立非局部相似正则化的稀疏模型的步骤，包括：

基于普通最小二乘法构建所述训练数据样本与所述拟合目标参数的函数关系作为成本函数；

使用二次方约束稀疏系数以衡量所述训练数据样本中的非局部相似性，对所述二次方约束稀疏系数进行正则化表示，则得到：

Tr(SMS^T)

其中的Tr表示矩阵主对角线元素之和，S表示稀疏系数，T表示矩阵转置，M表示相似矩阵，M＝(E-W)(E-W)^T，E表示单位矩阵，W表示稀疏系数的权重系数矩阵；

将正则化表示的二次方约束稀疏系数加入到所述成本函数中，得到非局部相似正则化的稀疏模型，其函数表达为：

其中的

表示稀疏系数的最优解，D表示训练数据样本中除气压仓压力参数信息外的参数信息，DS表示拟合目标参数的预测值，x表示训练数据样本中的气压仓压力参数信息。

3.如权利要求2所述的泥水气压平衡盾构多变量融合控制方法，其特征在于，对非局部相似正则化的稀疏模型使用贪婪算法进行求解，得到对应的稀疏系数矩阵，其函数表达为：

其中的S表示稀疏系数，Λ表示迭代运算符号。

4.如权利要求1所述的泥水气压平衡盾构多变量融合控制方法，其特征在于，在求解稀疏系数矩阵时，以地表沉降量在沉降设定范围内为约束条件进行求解。

5.如权利要求1所述的泥水气压平衡盾构多变量融合控制方法，其特征在于，还包括：

获取盾构机的尺寸参数信息，并将所获取的盾构机的尺寸参数信息加入所述训练数据样本和所述输入数据样本中。

6.一种泥水气压平衡盾构多变量融合控制系统，用于为盾构施工提供气压仓压力参数，其特征在于，所述控制系统包括：

模型训练模块，用于利用输入的盾构掘进施工一设定距离所得到的地层参数信息、施工参数信息以及盾构测量参数信息作为训练数据样本，对非局部相似正则化的稀疏模型进行训练，以求解出对应的稀疏系数矩阵，且求解过程中以气压仓压力参数作为拟合目标参数；

样本获取模块，用于在盾构掘进施工过程中获取地层参数信息、施工参数信息以及盾构测量参数信息，形成输入数据样本；以及

与所述模型训练模块和所述样本获取模块连接的处理模块，用于利用所述输入数据样本和所述稀疏系数矩阵计算得出气压仓压力参数预测值并输出。

7.如权利要求6所述的泥水气压平衡盾构多变量融合控制系统，其特征在于，所述模型训练模块包括一稀疏模型建立子模块；

所述稀疏模型建立子模块用于接收所述训练数据样本，并基于普通最小二乘法构建所述训练数据样本与所述拟合目标参数的函数关系作为成本函数；

接着使用二次方约束稀疏系数以衡量所述训练数据样本中的非局部相似性，对所述二次方约束稀疏系数进行正则化表示，则得到：

Tr(SMS^T)

其中的Tr表示矩阵主对角线元素之和，S表示稀疏系数，T表示矩阵转置，M表示相似矩阵，M＝(E-W)(E-W)^T，E表示单位矩阵，W表示稀疏系数的权重系数矩阵；

再将正则化表示的二次方约束稀疏系数加入到所述成本函数中，以建立非局部相似正则化的稀疏模型，其函数表达为：

其中的

表示稀疏系数的最优解，D表示训练数据样本中除气压仓压力参数信息外的参数信息，DS表示拟合目标参数的预测值，x表示训练数据样本中的气压仓压力参数信息。

8.如权利要求7所述的泥水气压平衡盾构多变量融合控制系统，其特征在于，所述模型训练模块还包括一与所述稀疏模型建立子模块连接的稀疏系数计算子模块；

所述稀疏系数计算子模块用于对非局部相似正则化的稀疏模型使用贪婪算法进行求解，得到对应的稀疏系数矩阵，其函数表达为：

其中的S表示稀疏系数，Λ表示迭代运算符号。

9.如权利要求8所述的泥水气压平衡盾构多变量融合控制系统，其特征在于，所述稀疏系数计算子模块求解稀疏系数矩阵时，以地表沉降量在沉降设定范围内为约束条件进行求解。

10.如权利要求6所述的泥水气压平衡盾构多变量融合控制系统，其特征在于，所述训练数据样本中还包括盾构机尺寸参数信息；

所述输入数据样本中还包括盾构机尺寸参数信息。

Images