CN112904813B - 基于5g和物联网的隧洞衬砌智能化控制系统及方法 - Google Patents
基于5g和物联网的隧洞衬砌智能化控制系统及方法 Download PDFInfo
- Publication number
- CN112904813B CN112904813B CN202110058070.2A CN202110058070A CN112904813B CN 112904813 B CN112904813 B CN 112904813B CN 202110058070 A CN202110058070 A CN 202110058070A CN 112904813 B CN112904813 B CN 112904813B
- Authority
- CN
- China
- Prior art keywords
- sand
- subsystem
- concrete
- equipment
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 103
- 239000004576 sand Substances 0.000 claims abstract description 202
- 239000004567 concrete Substances 0.000 claims abstract description 170
- 238000004519 manufacturing process Methods 0.000 claims abstract description 116
- 238000002156 mixing Methods 0.000 claims abstract description 86
- 230000008569 process Effects 0.000 claims abstract description 44
- 230000005540 biological transmission Effects 0.000 claims abstract description 27
- 238000009412 basement excavation Methods 0.000 claims abstract description 23
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000005086 pumping Methods 0.000 claims description 57
- 239000004575 stone Substances 0.000 claims description 51
- 239000002994 raw material Substances 0.000 claims description 43
- 238000003860 storage Methods 0.000 claims description 27
- 238000005204 segregation Methods 0.000 claims description 23
- 239000000463 material Substances 0.000 claims description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 17
- 239000000843 powder Substances 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 12
- 239000002245 particle Substances 0.000 claims description 9
- 230000008447 perception Effects 0.000 claims description 9
- 238000003756 stirring Methods 0.000 claims description 8
- 230000014759 maintenance of location Effects 0.000 claims description 7
- 230000006855 networking Effects 0.000 claims 1
- 239000000203 mixture Substances 0.000 abstract description 11
- 230000003993 interaction Effects 0.000 abstract description 6
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 143
- 239000011376 self-consolidating concrete Substances 0.000 description 36
- 239000012615 aggregate Substances 0.000 description 27
- 238000012216 screening Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 230000000740 bleeding effect Effects 0.000 description 12
- 239000004570 mortar (masonry) Substances 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000011218 segmentation Effects 0.000 description 8
- 238000010276 construction Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000011248 coating agent Substances 0.000 description 4
- 238000000576 coating method Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 239000002893 slag Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000004566 building material Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 238000011056 performance test Methods 0.000 description 2
- 230000028327 secretion Effects 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 239000002002 slurry Substances 0.000 description 2
- 210000003815 abdominal wall Anatomy 0.000 description 1
- 239000002518 antifoaming agent Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000010881 fly ash Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28C—PREPARING CLAY; PRODUCING MIXTURES CONTAINING CLAY OR CEMENTITIOUS MATERIAL, e.g. PLASTER
- B28C5/00—Apparatus or methods for producing mixtures of cement with other substances, e.g. slurries, mortars, porous or fibrous compositions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28C—PREPARING CLAY; PRODUCING MIXTURES CONTAINING CLAY OR CEMENTITIOUS MATERIAL, e.g. PLASTER
- B28C7/00—Controlling the operation of apparatus for producing mixtures of clay or cement with other substances; Supplying or proportioning the ingredients for mixing clay or cement with other substances; Discharging the mixture
- B28C7/02—Controlling the operation of the mixing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Manufacturing & Machinery (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- Dispersion Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Structural Engineering (AREA)
- Preparation Of Clay, And Manufacture Of Mixtures Containing Clay Or Cement (AREA)
Abstract
本发明公开了一种基于5G和物联网的隧洞衬砌智能化控制系统及方法,该系统包括:隧洞内的砂石生产子系统、控制子系统、运输子系统和混凝土拌合子系统。砂石生产子系统用于利用隧洞挖掘过程中产生的砂石进行制砂处理,且砂石生产子系统内的各部件通过物联网连接。控制子系统通过5G通信模块与砂石生产子系统、运输子系统和混凝土拌合子系统连接,控制子系统用于根据砂石生产子系统生产砂石过程中的砂石信息调整砂石生产子系统内各设备的工作参数,控制运输子系统和混凝土拌合子系统工作。本发明提高了砂石生产子系统内各部件之间的交互速度,控制子系统与砂石生产子系统、运输子系统、混凝土拌合子系统之间的数据传输速度,进而提高了工作效率。
Description
技术领域
本发明涉及制砂技术领域,尤其涉及一种基于5G和物联网的隧洞衬砌智能化控制系统及方法。
背景技术
混凝土是全世界用量最大的建筑材料,很多项目建设离不开对建筑材料的巨大需求。但是建筑材料,尤其是河沙等一次资源日益紧张,且过度的河沙开采还会导致严重的水生态和水环境问题;项目建设也催生了一大批高海拔、超长、大埋深隧洞建设技术的需求。相应的对于隧洞,也会导致隧洞建设成本随着长度的增加呈几何级数式增长。混凝土材料的成本占据其中的大头。
洞渣机制砂智能化洞内制砂、洞内精细化混凝土生产是一种高效的技术方案。有如下几点:1、洞渣变废为宝、成为紧俏的混凝土原材料,降低了对河沙的依赖;2、降低运输经济和时间成本,减少洞渣的外运、混凝土(及其预制成品)向洞内运输的综合时间和经济成本;3、节约土地资源,节约洞渣堆料场土地、降低弃渣对环境的影响。
长期以来,混凝土及其上下游产业链被认为是低附加值行业而鲜被关注。但是,混凝土行业,尤其是一些具有特殊应用场景的领域,具有极高的开发利用价值,也极具进行智能化、精细化、自动化管理开发的前景。其相关技术的研发及产业化应用对国民经济的发展具有重要的促进作用。但是,目前不管是隧洞内制砂,还是关于隧洞制砂后砂石的运输等,速度较慢,工作效率较低。
发明内容
本发明实施例提供一种基于5G和物联网的隧洞衬砌智能化控制系统,提高了砂石生产子系统内各部件之间的交互速度,以及控制子系统与砂石生产子系统、运输子系统、混凝土拌合子系统之间的数据传输速度,进而提高了工作效率,该系统包括:
隧洞内的砂石生产子系统、控制子系统、运输子系统和混凝土拌合子系统;
所述砂石生产子系统用于利用隧洞挖掘过程中产生的砂石进行制砂处理,且所述砂石生产子系统内的各部件通过物联网连接;
所述运输子系统用于移动所述砂石生产子系统、所述控制子系统、所述运输子系统和所述混凝土拌合子系统,以及实现生产作业物料在隧洞内,和在隧洞内与隧洞外之间的运输;
所述混凝土拌合子系统用于对所述砂石生产子系统生产出的砂石进行拌合处理,获取混凝土;
所述控制子系统通过5G通信模块与所述砂石生产子系统、所述运输子系统和混凝土拌合子系统连接,所述控制子系统用于根据所述砂石生产子系统生产砂石过程中的砂石信息调整所述砂石生产子系统内各设备的工作参数,以及控制所述运输子系统和混凝土拌合子系统工作。
可选的,所述系统还包括:
数据获取模块,用于获取多个泵管沿程点位的压力时域数据、泵送功率的时域数据,所述泵管用于泵送混凝土拌合子系统制成的混凝土至待浇筑位置;
堵管判断模块,用于将多个泵管沿程点位的压力时域数据、泵送功率的时域数据输入到训练好的堵管判断模型,输出堵管情况,所述堵管情况包括:堵管是否会发生、堵管发生时间、有堵管迹象发生的时间。
可选的,所述系统还包括:
历史数据获取模块,用于获取多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据,以及与多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据对应的标签,所述标签用于表述砂石泵送过程中的堵管情况,所述堵管情况包括:堵管是否会发生、堵管发生时间、有堵管迹象发生的时间;
模型训练模块,用于基于多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据,以及与多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据对应的标签训练机器学习模型,以得到用于判断堵管情况的堵管判断模型。
可选的,所述砂石生产子系统包括:设置在隧洞内的破碎设备、传输设备、制砂设备、感知设备、储料设备、分析控制设备,以及用于移动所述破碎设备、所述传输设备、所述制砂设备、所述感知设备、所述储料设备、所述分析控制设备的行走设备;
所述破碎设备用于对隧洞挖掘过程中产生的砂石进行破碎处理;
所述制砂设备用于对所述破碎设备破碎后的砂石进行制砂;
所述传输设备用于完成所述制砂设备制造的砂石在隧洞内,以及在隧洞内与隧洞外之间的运输;
储料设备用于储放所述制砂设备产生的砂石;
所述感知设备用于感知所述破碎设备和所述制砂设备入口和出口的砂石的砂石信息,并利用所述分析控制设备根据所述砂石信息对所述破碎设备、所述传输设备和所述制砂设备的工作参数进行调节,所述砂石物理参数包括:砂石产量数据、砂石粗细数据、级配数据、砂石的石粉含量数据。
可选的,所述混凝土拌合子系统包括:
参数获取模块,用于获取混凝土的原材料参数;
第二配合比调整模块,用于根据混凝土的原材料参数调整预设第一配合比,获取第二配合比;
混凝土获取模块,用于根据所述第二配合比对混凝土的原材料进行搅拌,获取混凝土;
判断模块,用于判断所述混凝土的性能是否符合预设要求,若符合,则完成拌合,若不符合,则对所述混凝土中各原材料的含量进行调整。
可选的,所述原材料的参数信息包括:砂的含水率数据、粗骨料的含水率数据、砂的含粉量数据、砂的级配数据、砂颗粒的形状数据。
可选的,所述混凝土的性能参数包括:塌落度、塌落扩展度SF、V漏斗时间VF、流动性、填充性、抗离析指标和保塑性。
本发明实施例还提供一种基于5G和物联网的隧洞衬砌智能化控制方法,提高了砂石生产子系统内各部件之间的交互速度,以及控制子系统与砂石生产子系统、运输子系统、混凝土拌合子系统之间的数据传输速度,进而提高了工作效率,该方法包括:
通过砂石生产子系统利用隧洞挖掘过程中产生的砂石进行制砂处理,其中,所述砂石生产子系统内的各部件通过物联网连接;
利用混凝土拌合子系统对所述砂石生产子系统生产出的砂石进行拌合处理,获取混凝土,并使用运输子系统移动所述砂石生产子系统、所述控制子系统、所述运输子系统和所述混凝土拌合子系统,以及实现生产作业物料在隧洞内,和在隧洞内与隧洞外之间的运输;
在此过程中,控制子系统通过5G通信模块与所述砂石生产子系统、所述运输子系统和混凝土拌合子系统进行实时数据通信,所述控制子系统根据所述砂石生产子系统生产砂石过程中的砂石信息调整所述砂石生产子系统内各设备的工作参数,以及控制所述运输子系统和混凝土拌合子系统工作。
可选的,所述方法还包括:
获取多个泵管沿程点位的压力时域数据、泵送功率的时域数据,所述泵管用于泵送混凝土拌合子系统制成的混凝土至待浇筑位置;
将多个泵管沿程点位的压力时域数据、泵送功率的时域数据输入到训练好的堵管判断模型,输出堵管情况,所述堵管情况包括:堵管是否会发生、堵管发生时间、有堵管迹象发生的时间。
可选的,将多个泵管沿程点位的压力时域数据、泵送功率的时域数据输入到训练好的机器学习模型之前,所述方法还包括:
获取多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据,以及与多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据对应的标签,所述标签用于表述砂石泵送过程中的堵管情况,所述堵管情况包括:堵管是否会发生、堵管发生时间、有堵管迹象发生的时间;
基于多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据,以及与多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据对应的标签训练机器学习模型,以得到用于判断堵管情况的堵管判断模型。
可选的,通过砂石生产子系统利用隧洞挖掘过程中产生的砂石进行制砂处理,包括:
获取隧洞挖掘过程中产生的砂石,并利用破碎设备对隧洞挖掘过程中产生的砂石进行破碎处理;
利用制砂设备对所述破碎设备破碎后的砂石进行制砂;
利用储料设备储放制砂设备产生的砂石;
在此过程中,利用传输设备完成所述制砂设备制造的砂石在隧洞内,以及在隧洞内与隧洞外之间的运输,利用感知设备感知所述破碎设备和所述制砂设备入口和出口的砂石的砂石信息,并根据所述砂石信息对所述破碎设备、所述传输设备和所述制砂设备的工作参数进行调节,所述砂石物理参数包括:砂石产量数据、砂石粗细数据、级配数据、砂石的石粉含量数据。
可选的,利用混凝土拌合子系统对所述砂石生产子系统生产出的砂石进行拌合处理,获取混凝土,包括:
获取混凝土的原材料参数;
根据混凝土的原材料参数调整预设第一配合比,获取第二配合比;
根据所述第二配合比对混凝土的原材料进行搅拌,获取混凝土;
判断所述混凝土的性能是否符合预设要求,若符合,则完成拌合,若不符合,则对所述混凝土中各原材料的含量进行调整。
可选的,所述原材料的参数信息包括:砂的含水率数据、粗骨料的含水率数据、砂的含粉量数据、砂的级配数据、砂颗粒的形状数据。
可选的,所述混凝土的性能参数包括:塌落度、塌落扩展度SF、V漏斗时间VF、流动性、填充性、抗离析指标和保塑性。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述方法的计算机程序。
本发明实施例中,通过设置砂石生产子系统、控制子系统、运输子系统和混凝土拌合子系统,并将砂石生产子系统内的各部件通过物联网连接,将控制子系统通过5G通信模块与砂石生产子系统、运输子系统和混凝土拌合子系统连接,提高了砂石生产子系统内各部件之间的交互速度,以及控制子系统与砂石生产子系统、运输子系统、混凝土拌合子系统之间的数据传输速度,进而提高了工作效率。通过设置运输子系统,并利用其完成生产作业物料在隧洞内与隧洞外之间的运输,实现了隧洞狭小空间的最大化利用及材料的连续供应。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本发明实施例中基于5G和物联网的隧洞衬砌智能化控制系统的结构示意图;
图2为本发明实施例中基于5G和物联网的隧洞衬砌智能化控制方法的流程图;
图3为本发明实施例中第一泵管沿程点位的压力时域数据获取装置的结构示意图;
图4为本发明实施例中第二泵管沿程点位的压力时域数据获取装置的结构示意图。
附图标记如下:
1砂石生产子系统,
2控制子系统,
3运输子系统,
4混凝土拌合子系统。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
本发明实施例提供了一种基于5G和物联网的隧洞衬砌智能化控制系统,如图1所示,该系统包括:隧洞内的砂石生产子系统1、控制子系统2、运输子系统3和混凝土拌合子系统4。其中,砂石生产子系统1用于利用隧洞挖掘过程中产生的砂石进行制砂处理,且砂石生产子系统1内的各部件通过物联网连接。运输子系统3用于移动砂石生产子系统1、控制子系统2、运输子系统3和混凝土拌合子系统4,以及实现生产作业物料在隧洞内,和在隧洞内与隧洞外之间的运输。混凝土拌合子系统4用于对砂石生产子系统1生产出的砂石进行拌合处理,获取混凝土。控制子系统2通过5G通信模块与砂石生产子系统1、运输子系统3和混凝土拌合子系统4连接,控制子系统2用于根据砂石生产子系统1生产砂石过程中的砂石信息调整砂石生产子系统1内各设备的工作参数,以及控制运输子系统3 和混凝土拌合子系统4工作。
本发明实施例提供的基于5G和物联网的隧洞衬砌智能化控制系统,通过设置砂石生产子系统1、控制子系统2、运输子系统3和混凝土拌合子系统4,并将砂石生产子系统1 内的各部件通过物联网连接,将控制子系统2通过5G通信模块与砂石生产子系统1、运输子系统3和混凝土拌合子系统4连接,提高了砂石生产子系统1内各部件之间的交互速度,以及控制子系统2与砂石生产子系统1、运输子系统3、混凝土拌合子系统4之间的数据传输速度,进而提高了工作效率。通过设置运输子系统3,并利用其完成生产作业物料在隧洞内与隧洞外之间的运输,实现了隧洞狭小空间的最大化利用及材料的连续供应。
其中,生产作业物料包括:混凝土原材料,隧洞内制的砂、骨料、石粉,洞外的胶凝材料、外加剂、水等,以及生产出来的混凝土。需要说明的是,混凝土的拌和除了需要砂石系统生产出来的砂、骨料、石粉意外,还需要洞外运输的胶凝材料(水泥、硅粉、粉煤灰等)、水、外加剂(减水剂、保塑剂、消泡剂、缓凝剂等)。
进一步地,为了实时获取混凝土拌合子系统4制成的混凝土在后续泵送作业过程中的堵管,进而减少甚至避免后续发生堵管情况,避免发生安全事故(泵送混凝土是用混凝土泵或泵车沿输送管运输和浇筑混凝土拌合物。是一种有效的混凝土拌合物运输方式,速度快、劳动力少,尤其适合于大体积混凝土和高层建筑混凝土的运输和浇筑),该系统还包括:
数据获取模块,用于获取多个泵管沿程点位的压力时域数据、泵送功率的时域数据,所述泵管用于泵送混凝土拌合子系统4制成的混凝土至待浇筑位置;
堵管判断模块,用于将多个泵管沿程点位的压力时域数据、泵送功率的时域数据输入到训练好的堵管判断模型,输出堵管情况,所述堵管情况包括:堵管是否会发生、堵管发生时间、有堵管迹象发生的时间。
进一步地,为了顺利获取该堵管判断模型,所述系统还包括:
历史数据获取模块,用于获取多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据,以及与多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据对应的标签,所述标签用于表述砂石泵送过程中的堵管情况,所述堵管情况包括:堵管是否会发生、堵管发生时间、有堵管迹象发生的时间;
模型训练模块,用于基于多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据,以及与多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据对应的标签训练机器学习模型,以得到用于判断堵管情况的堵管判断模型。
其中,机器学习模型可以为深度学习模型。
需要说明的是,不管在堵管判断模型训练过程中,还是应用过程中,输入参数除了泵管沿程点位的压力时域数据、泵送功率的时域数据外,还可以包括辅助参数,如累计泵送高差、累计泵送水平距离、泵管直径、泵管累计转弯角度、新拌混凝土工作性能等。
在此过程中,数个泵管沿程点位的压力时域数据、泵送功率的时域数据。这是预测的最关键的数据,这些数据是过程数据,也就是时域。
其中一种泵管沿程点位的压力时域数据获取方法:入口处设置一测点,每经过一次弯头,加1个测点(也可以在弯头前后分别各加1个测点);水平/竖直累计泵送距离达到设定阈值(比如水平30米、竖直10米)再增设一个测点,不足1个以1个计,第一泵管沿程点位的压力时域数据获取装置的结构示意图参见图3。
另一种泵管沿程点位的压力时域数据获取方法:入口处设置一测点,累计转弯角度达到设定阈值(比如90°),增设一个测点;水平/竖直累计泵送距离达到设定阈值(比如水平30米、竖直10米)再增设一个测点。不足1个以1个计,第二泵管沿程点位的压力时域数据获取装置的结构示意图参见图4。
在本发明实施例中,所述砂石生产子系统1包括:设置在隧洞内的破碎设备、传输设备、制砂设备、感知设备、储料设备、分析控制设备,以及用于移动所述破碎设备、所述传输设备、所述制砂设备、所述感知设备、所述储料设备、所述分析控制设备的行走设备;
所述破碎设备用于对隧洞挖掘过程中产生的砂石进行破碎处理;
所述制砂设备用于对所述破碎设备破碎后的砂石进行制砂;
所述传输设备用于完成所述制砂设备制造的砂石在隧洞内,以及在隧洞内与隧洞外之间的运输;
储料设备用于储放所述制砂设备产生的砂石;
所述感知设备用于感知所述破碎设备和所述制砂设备入口和出口的砂石的砂石信息,并利用所述分析控制设备根据所述砂石信息对所述破碎设备、所述传输设备和所述制砂设备的工作参数进行调节,所述砂石物理参数包括:砂石产量数据、砂石粗细数据、级配数据、砂石的石粉含量数据。
为了进一步保证提高制砂效率和制砂质量,该系统还包括:筛分设备,用于根据粒径大小对所述破碎设备破碎后的砂石进行筛分处理。该筛分设备与感知设备、分析控制设备连接,分析控制设备用于根据感知设备感知到的筛分设备入口和出口的砂石信息对筛分设备的工作参数进行调整。
具体实施时,获取隧洞挖掘过程中产生的砂石,并利用破碎设备对隧洞挖掘过程中产生的砂石进行破碎处理;隧洞开挖将产生大量的洞渣,洞渣中的大块石料先由破碎设备粗碎部分进行初步破碎,得到较大的石料,然后通过传输设备输送到细碎部分进一步破碎,细碎后的石料进入到筛分设备,筛分出两种石子,一部分粒径满足制砂装置进料粒度的石子进制砂机制砂,另一部分粒径不满足制砂装置要求的石子返料;利用制砂设备将筛分设备筛分后,满足预设粒径大小的砂石进行制砂;利用储料设备储放筛分设备和制砂设备产生的砂石。在此过程中,利用感知设备感知破碎设备、筛分设备和制砂设备入口和出口的砂石的砂石信息,并根据砂石信息对破碎设备、传输设备、筛分设备和制砂设备的工作参数进行调节,所述砂石物理参数包括:砂石产量数据、砂石粗细数据、级配数据、砂石的石粉含量数据。
通过设置破碎设备、筛分设备、传输设备、制砂设备、感知设备、储料设备、分析控制设备,并利用感知设备感知破碎设备、筛分设备和制砂设备入口和出口的砂石的砂石信息,利用分析控制设备根据砂石信息对破碎设备、传输设备、筛分设备和制砂设备的工作参数进行调节,实现了在制砂石过程中对生产设备的实时调整,无需等到原料运行完流程后,保证了制砂石的质量和效率,降低了由人为因素导致的出错率,同时降低了管理和人工成本,提高了生产效益。通过利用破碎设备对隧洞挖掘过程中产生的砂石进行破碎处理,再利用传输设备对破碎设备破碎后的砂石传输至筛分设备,利用筛分设备根据粒径大小对破碎后的砂石进行筛分处理,可以将隧洞挖掘过程中产生的洞渣制成可制造混凝土的砂石,将其他的运出洞外,如此,不仅减少了资源的消耗,降低了成本,而且也避免了在隧洞内堆放过多砂石,影响工作人员走动或其他作业的进行。通过设置行走设备,可以带动破碎设备、传输设备、筛分设备、制砂设备、感知设备、储料设备、分析控制设备在隧洞内移动,对于高原隧洞地段复杂环境,可以按需要,将各设备移动到利于施工的位置。
在本发明实施例中,所述混凝土拌合子系统4包括:
参数获取模块,用于获取混凝土的原材料参数;
第二配合比调整模块,用于根据混凝土的原材料参数调整预设第一配合比,获取第二配合比;
混凝土获取模块,用于根据所述第二配合比对混凝土的原材料进行搅拌,获取混凝土;
判断模块,用于判断所述混凝土的性能是否符合预设要求,若符合,则完成拌合,若不符合,则对所述混凝土中各原材料的含量进行调整。
通过如此设置,可以对所述混凝土中各原材料的含量进行调整,在拌合混凝土的过程中可以根据实时数据进行了二次调节,不具有滞后性,保证了混凝土的质量。
其中,所述原材料的参数信息包括:砂的含水率数据、粗骨料的含水率数据、砂的含粉量数据、砂的级配数据、砂颗粒的形状数据。
所述混凝土的性能参数包括:塌落度、塌落扩展度SF、V漏斗时间VF、流动性、填充性、抗离析指标和保塑性。
其中,对于塌落度、塌落扩展度SF、V漏斗时间VF,其实时获取方法如下:建立搅拌过程视频与SF和V漏斗时间的数据集,然后用数据集对时序型的机器学习模型(尤其是深度学习)进行训练,得到一个通过输入搅拌过程的视频就可以判断工作性能(SF和V 漏斗时间)的模型,从而实现工作性能的实时判断,采用传统的滞后的非实时的工作性能测试手段是做不到的。
对于抗离析指标,其性能分析方法如下:
S1:根据自密实混凝土的物理参数及坍落扩展度饼的几何参数确定新拌自密实混凝土抗离析性能的基础指标值;其中,基础指标值包括:长度指标值、面积指标值及体积指标值;
可以理解的是,在实际工程中,在进行新拌自密实混凝土抗离析性能分析时,可先对新拌自密实混凝土进行坍落扩展度试验,得到坍落扩展度饼。然后利用直尺等常规测量工具对该坍落扩展度饼进行几何参数测量,这些参数包括但不限于饼体直径及饼体高度。另外,新拌自密实混凝土具有其固有的物理参数,这些参数包括但不限于新拌自密实混凝土中粗骨料的体积及密度。根据新拌自密实混凝土的物理参数及坍落扩展度饼的几何参数可以确定新拌自密实混凝土抗离析性能的基础指标值。这些基础指标值反映了新拌自密实混凝土的长度特征、面积特征及体积特征。
具体地,长度指标值包括饼体最大直径D1、饼体最小直径D2、饼体最大高度H1、中心扎堆骨料最大直径D3、中心扎堆骨料最小直径D4及中心扎堆骨料最大高度H2;面积指标值包括泌水面积S1、未被砂浆包裹的粗骨料面积S2、非泌水面积S3及中心扎堆骨料面积S4;体积指标值包括粗骨料的总体积V1、未被砂浆包裹的粗骨料的体积V2、未被砂浆包裹的粗骨料漏出部分的体积V3、泌水水体体积V6及中心扎堆骨料的体积V7、新拌自密实混凝土的总体积V4、新拌自密实混凝土中砂浆的体积V5及水当量体积V8。
S2:根据基础指标值确定新拌自密实混凝土抗离析性能的衍生指标值;其中,衍生指标值包括:泌水指标、砂浆包裹粗骨料程度指标及中间石子堆积指标;
可以理解的是,为了更好地分析新拌自密实混凝土抗离析性能,本申请还提出了多个衍生指标值。这些衍生指标值可以通过上述基础指标值确定,反映了新拌自密实混凝土的泌水程度、砂浆包裹粗骨料程度及中间石子堆积程度。本领域技术人员知道新拌自密实混凝土抗离析性能在坍落扩展度饼的边缘无泌水时情况更好,在砂浆完全包裹住粗骨料时情况更好,在坍落扩展度饼的中间无石子堆积时情况更好。
本申请提出的衍生指标值中,利用或能够表征新拌自密实混凝土的泌水程度;利用或能够表征砂浆包裹粗骨料程度;利用或能够表征中间石子堆积程度;利用或能够表征砂浆包裹粗骨料程度;利用或能够表征砂浆包裹粗骨料程度;利用或或能够表征新拌自密实混凝土的泌水程度;利用或能够表征中间石子堆积程度;利用或能够表征砂浆包裹粗骨料程度。其中,D11及D21分别表示含泌水区最大直径及含泌水区最小直径。
S3:根据衍生指标值及预设的新拌自密实混凝土抗离析性能的分析阈值对新拌自密实混凝土抗离析性能进行分析。
可以理解的是,本申请可以预设设定新拌自密实混凝土抗离析性能的分析阈值,参见表1~表8。以下阈值可分别对应于S2中所述的各程度指标所对应的计算结果。
表1
表2
表3
表4
表5
表6
表7
表8
从上述描述可知,本申请能够确定新拌自密实混凝土抗离析性能的基础指标值,进而确定新拌自密实混凝土抗离析性能的衍生指标值,对新拌自密实混凝土抗离析性能进行分析。
当基础指标值为长度指标值时,根据新拌自密实混凝土的物理参数及坍落扩展度饼的几何参数确定新拌自密实混凝土抗离析性能的基础指标值,包括:
获取坍落扩展度饼的饼体最大直径D1、饼体最小直径D2及饼体最大高度H1;其中,饼体最大直径D1包括含泌水区最大直径D11及非泌水区最大直径D12;饼体最小直径D2 包括泌水区最小直径D21及非泌水区最小直径D22;
获取坍落扩展度饼的中心扎堆骨料最大直径D3、中心扎堆骨料最小直径D4及中心扎堆骨料最大高度H2。
可以理解的是,上述各基础指标值可以通过直尺等常规测量工具进行实际测量,从而获得各个参数。
从上述描述可知,本申请能够根据新拌自密实混凝土的物理参数及坍落扩展度饼的几何参数确定新拌自密实混凝土抗离析性能的基础指标值。
当基础指标值为面积指标值时,根据新拌自密实混凝土的物理参数及坍落扩展度饼的几何参数确定新拌自密实混凝土抗离析性能的基础指标值,包括:
对所述坍落扩展度饼对应的图像进行校正,得到其正视图;
可以理解的是,本申请实施例先用Canny边缘检测算子对每帧坍落扩展度图像进行边缘检测,从而绘制面积指标值中各面积指标对应的面积边界。在检测过程中,可将坍落扩展度图像中的所有物体掏空,只剩边缘,从而得到所有物体的边缘轮廓图像。由于在进行新拌自密实混凝土坍落扩展度试验时,需将新拌自密实混凝土放在一块底板上进行试验,因此坍落扩展度图像中都会包含一块底板。一般而言,相较于坍落扩展度图像中的其他物体,底板的边缘轮廓最大,因此利用跨平台计算机视觉和机器学习软件库OpenCV中的函数findcounter及drawcounter可很容易地将底板的边缘轮廓找到,并按顺时针方向将底板的边缘轮廓点绘出来。这样一来,由于底板通常为一正方形,底板的四个角点可通过点绘出来的线条得以确定。一般而言,组成底板边缘轮廓的点的各坐标可以保存于一二维数组中,数组中的每一元素表示边缘轮廓中一个点的坐标信息,沿轮廓按顺时针方向储存。数组中最小的横坐标Xmin及最小的纵坐标Ymin所对应的点即为底板的左上角点,数组中最大的横坐标Xmax及最小的纵坐标Ymin所对应的点即为底板的右上角点,数组中最小的横坐标 Xmin及最大的纵坐标Ymax所对应的点即为底板的左下角点,数组中最大的横坐标Xmax及最大的纵坐标Ymax所对应的点即为底板的右下角点。这四个角点的坐标值是透视变换模型的必要参数,透视变换模型对应于跨平台计算机视觉和机器学习软件库OpenCV中的函数getPerspectiveTransform,透视变换模型可实现对视频中坍落扩展度图像的底板的校正,使自然拍摄状态下歪歪斜斜的底板转化为一正视图,也就是坍落扩展度图像的Mask图像。
在进行坐标计算时,可以使用底板的实际值进行定位计算也可使用坍落扩展度图像中各点的像素值进行定位计算,像素值与实际值转换公式如下:
其中,p为目标长度的像素尺寸,d为坍落扩展度图像的位深度,l为目标长度的实际尺寸,2.54为英寸转为厘米的换算。利用此公式可将底板的实际尺寸转化为像素尺寸,便于进行底板的透视变换。
在正视图中绘制面积指标值中各面积指标对应的面积边界,得到各面积区域;
本申请实施例将校正后的坍落扩展度图像加载到背景消除模型中可去除坍落扩展度图像中的背景,这些背景包括但不限于底板,从而得到仅含新拌自密实混凝土的Mask图像。其中,背景消除模型能够针对视频中处于动态的物体进行分离。本申请实施例采用跨平台计算机视觉和机器学习软件库OpenCV中的函数BackgroundSubtractorKNN进行。
然后,采用分水岭算法继续对上述Mask图像进行边缘检测及轮廓识别,可以绘制面积指标值中各面积指标对应的面积边界,得到各面积区域。此时采用的是跨平台计算机视觉和机器学习软件库OpenCV中的函数Threshold。分水岭算法是一种图像区域分割方法,在分割的过程中,会先获取图像中各像素点的灰度值,然后根据各像素点的灰度值计算各像素点之间的相似度,从而将在空间位置上相近且灰度值相近的像素点互相连接起来,构成一个封闭的轮廓,最终完成对校正后的每帧坍落扩展度图像进行轮廓识别。
对各面积区域内的面积分别求和,得到坍落扩展度饼对应的各面积指标值。
从上述描述可知,本申请能够根据新拌自密实混凝土的物理参数及坍落扩展度饼的几何参数确定新拌自密实混凝土抗离析性能的基础指标值。
一实施例中,在正视图中绘制所述面积指标值中各面积指标对应的面积边界,得到各面积区域,包括:
利用预先训练得到的图像语义分割机器学习模型进行图像语义分割,得到所述面积指标值中各面积指标对应的面积边界。
可以理解的是,图像语义分割机器学习模型多种多样,本申请不以此为限。本领域技术人员知道常用的图像语义分割机器学习模型可以卷积神经网络(ConvolutionalNeural Networks,CNN)或全卷积神经网络(Fully Convolutional Network,FCN)等为基础进行训练。训练完成后的图像语义分割机器学习模型能够对图像中的各物体进行图像语义分割,得到本申请实施例所需要的面积边界。
从上述描述可知,本申请能够在正视图中绘制所述面积指标值中各面积指标对应的面积边界,得到各面积区域。
对于保塑性,其获取方法如下:
步骤100:获取目标混凝土在目标环境下的流动图像数据以及环境数据,其中,所述流动图像数据包括按预设顺序获取的至少两个混凝土图片数据。
在步骤100中,对于与外加剂等浆体混合后的流动的混凝土,可直接利用图像采集设备于任意角度、距离取像。图像采集设备包括但不限于手机、相机、摄像机、摄像头、监控等。
在本申请的一个或多个实施例中,所述预设顺序是指预先设置的流动图像数据中各个混凝土图片数据的排布顺序,例如按采集时间顺序排序的各个混凝土图片数据或者按图像处理时间顺序排序的的各个混凝土图片数据等。
可以理解的是,所述目标混凝土图像数据是指目标区域内的混凝土的流动图像数据,可以从任意角度进行采集。
在步骤100中,目标混凝土可以为制造或生产线中的普通混凝土或自密实混凝土,也可以为实验室中的普通混凝土或自密实混凝土。
若通过实验方式获得目标混凝土,则可以采用两种实验方式,其一为震动台实验:做一个标准的膜具(长和宽>300mm,高>150mm)放在震动台上(振动频率为50±5Hz,振幅05±02mm),取一定体积的混凝土(混凝土的高>100mm)放入膜具中,待混凝土表面完全被浆体覆盖停止,整个过程进行视频拍摄取样。实验条件所对应的环境数组(优先选择温度、湿度。其二为新拌混凝土工作性能试验:采集坍落度或坍落扩展度实验时混凝土流动时候的动态视频。实验条件所对应的环境数组(优先选择温度、湿度、风速)。
基于此,在拍摄过程中应固定拍摄设备,视频拍摄角度不限,尽量保证视频界面尽可能多地包含混凝土。针对上述的震动台实验预测方法:需要尽量保证视频包含膜具口的各边界和大部分的膜具腹部内壁。针对上述的坍落度或坍落扩展度实验预测方法:需要尽量保证视频包含整个混凝土的扩展饼。
步骤200:将所述流动图像数据以及环境数据输入训练好的保塑性能检测模型,并基于该保塑性能检测模型的输出的确定所述目标混凝土在目标环境下的保塑性能检测结果数据。
在本申请的一个或多个实施例中,所述环境数据是指温度数据和湿度数据,也可以包括其他类型的环境数据,具体根据实际应用情形设置。
在步骤200中,可以将按预设顺序获取的至少两个混凝土图片数据和环境数据输入通过机器学习训练好的模型,并自动计算得出混凝土的保塑性能。所述保塑性能检测模型预先基于预设的机器学习模型训练得到,该机器学习模型具体可以为深度学习模型,例如 CNN(图片特征)和LSTM(预设顺序信息获取)进行特征提取。
需要说明的是,本发明实施例提供的原材料的参数信息和混凝土的性能参数,主要都是实时的获取,而非传统的滞后式的获取(传统的方法一般是待混凝土制备后再进行性能测试),该滞后式的获取方法是无法实现调节的,通过该方法获取到的混凝土,不合格率较高。
在本发明实施例中,对所述混凝土中各原材料的含量进行调整之后,所述方法还包括:
记录对所述混凝土中各原材料调整的量;
根据对所述混凝土中各原材料调整的量,获取第三配合比。
由于在混凝土拌合过程中,原材料在不断发生变化,为了便于后续调用原材料的量对应的配合比,可以在获取到第三配合比后,将该第三配合比与混凝土中各原材料的量的对应关系存储在数据库中。
为了准确掌握混凝土各原材料的量,根据所述第二配合比对混凝土的原材料进行搅拌之前,所述方法还包括:
对所述混凝土的各原材料进行计量。
基于同一发明构思,本发明实施例中还提供了一种基于5G和物联网的隧洞衬砌智能化控制方法,如下面的实施例所述。由于基于5G和物联网的隧洞衬砌智能化控制方法解决问题的原理与基于5G和物联网的隧洞衬砌智能化控制系统相似,因此,基于5G和物联网的隧洞衬砌智能化控制方法的实施可以参见基于5G和物联网的隧洞衬砌智能化控制系统的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图2为本发明实施例提供的一种基于5G和物联网的隧洞衬砌智能化控制方法的流程图,如图2所示,该方法包括:
步骤201、通过砂石生产子系统1利用隧洞挖掘过程中产生的砂石进行制砂处理,其中,所述砂石生产子系统1内的各部件通过物联网连接;
步骤202、利用混凝土拌合子系统4对砂石生产子系统1生产出的砂石进行拌合处理,获取混凝土,并使用运输子系统3移动所述砂石生产子系统1、所述控制子系统2、所述运输子系统3和所述混凝土拌合子系统4,以及实现生产作业物料在隧洞内,和在隧洞内与隧洞外之间的运输;
步骤203、在此过程中,控制子系统2通过5G通信模块与所述砂石生产子系统1、所述运输子系统3和混凝土拌合子系统4进行实时数据通信,所述控制子系统2根据所述砂石生产子系统1生产砂石过程中的砂石信息调整所述砂石生产子系统1内各设备的工作参数,以及控制所述运输子系统3和混凝土拌合子系统4工作。
在本发明实施例中,所述方法还包括:
获取多个泵管沿程点位的压力时域数据、泵送功率的时域数据,所述泵管用于泵送混凝土拌合子系统4制成的混凝土至待浇筑位置;
将多个泵管沿程点位的压力时域数据、泵送功率的时域数据输入到训练好的堵管判断模型,输出堵管情况,所述堵管情况包括:堵管是否会发生、堵管发生时间、有堵管迹象发生的时间。
在本发明实施例中,将多个泵管沿程点位的压力时域数据、泵送功率的时域数据输入到训练好的机器学习模型之前,所述方法还包括:
获取多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据,以及与多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据对应的标签,所述标签用于表述砂石泵送过程中的堵管情况,所述堵管情况包括:堵管是否会发生、堵管发生时间、有堵管迹象发生的时间;
基于多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据,以及与多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据对应的标签训练机器学习模型,以得到用于判断堵管情况的堵管判断模型。
在本发明实施例中,通过砂石生产子系统1利用隧洞挖掘过程中产生的砂石进行制砂石料(包括砂、粗骨料、石粉等)处理,包括:
获取隧洞挖掘过程中产生的砂石,并利用破碎设备对隧洞挖掘过程中产生的砂石进行破碎处理;
利用制砂设备对所述破碎设备破碎后的砂石进行制砂;
利用储料设备储放制砂设备产生的砂石;
在此过程中,利用传输设备完成所述制砂设备制造的砂石在隧洞内,以及在隧洞内与隧洞外之间的运输,利用感知设备感知所述破碎设备和所述制砂设备入口和出口的砂石的砂石信息,并根据所述砂石信息对所述破碎设备、所述传输设备和所述制砂设备的工作参数进行调节,所述砂石物理参数包括:砂石产量数据、砂石粗细数据、级配数据、砂石的石粉含量数据。
在本发明实施例中,利用混凝土拌合子系统4对所述砂石生产子系统1生产出的砂石进行拌合处理,获取混凝土,包括:
获取混凝土的原材料参数;
根据混凝土的原材料参数调整预设第一配合比,获取第二配合比;
根据所述第二配合比对混凝土的原材料进行搅拌,获取混凝土;
判断所述混凝土的性能是否符合预设要求,若符合,则完成拌合,若不符合,则对所述混凝土中各原材料的含量进行调整。
在本发明实施例中,所述原材料的参数信息包括:砂的含水率数据、粗骨料的含水率数据、砂的含粉量数据、砂的级配数据、砂颗粒的形状数据。
在本发明实施例中,所述混凝土的性能参数包括:塌落度、塌落扩展度SF、V漏斗时间VF、流动性、填充性、抗离析指标和保塑性。
为了实现上述目的,根据本申请的另一方面,还提供了一种计算机设备。该计算机设备包括存储器、处理器、通信接口以及通信总线,在存储器上存储有可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施例方法中的步骤。
处理器可以为中央处理器(Central Processing Unit,CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array, FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及单元,如本发明上述方法实施例中对应的程序单元。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及作品数据处理,即实现上述方法实施例中的方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个单元存储在所述存储器中,当被所述处理器执行时,执行上述实施例中的方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述方法的计算机程序。
综上所述,本发明通过设置砂石生产子系统1、控制子系统2、运输子系统3和混凝土拌合子系统4,并将砂石生产子系统1内的各部件通过物联网连接,将控制子系统2通过5G通信模块与砂石生产子系统1、运输子系统3和混凝土拌合子系统4连接,提高了砂石生产子系统1内各部件之间的交互速度,以及控制子系统2与砂石生产子系统1、运输子系统3、混凝土拌合子系统4之间的数据传输速度,进而提高了工作效率。本发明的整个系统可以像盾构机的后配套设备一样,进行设备集成,整体移动,同时预留人员、物资运输通道。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种基于5G和物联网的隧洞衬砌智能化控制系统,其特征在于,包括:隧洞内的砂石生产子系统(1)、控制子系统(2)、运输子系统(3)和混凝土拌合子系统(4);
所述砂石生产子系统(1)用于利用隧洞挖掘过程中产生的砂石进行制砂处理,且所述砂石生产子系统(1)内的各部件通过物联网连接;
所述运输子系统(3)用于移动所述砂石生产子系统(1)、所述控制子系统(2)、所述运输子系统(3)和所述混凝土拌合子系统(4),以及实现生产作业物料在隧洞内,和在隧洞内与隧洞外之间的运输;
所述混凝土拌合子系统(4)用于对所述砂石生产子系统(1)生产出的砂石进行拌合处理,获取混凝土;
所述控制子系统(2)通过5G通信模块与所述砂石生产子系统(1)、所述运输子系统(3)和混凝土拌合子系统(4)连接,所述控制子系统(2)用于根据所述砂石生产子系统(1)生产砂石过程中的砂石信息调整所述砂石生产子系统(1)内各设备的工作参数,以及控制所述运输子系统(3)和混凝土拌合子系统(4)工作;
所述系统,还包括:
数据获取模块,用于获取多个泵管沿程点位的压力时域数据、泵送功率的时域数据,所述泵管用于泵送混凝土拌合子系统(4)制成的混凝土至待浇筑位置;
堵管判断模块,用于将多个泵管沿程点位的压力时域数据、泵送功率的时域数据输入到训练好的堵管判断模型,输出堵管情况,所述堵管情况包括:堵管是否会发生、堵管发生时间、有堵管迹象发生的时间;
历史数据获取模块,用于获取多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据,以及与多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据对应的标签,所述标签用于表述砂石泵送过程中的堵管情况,所述堵管情况包括:堵管是否会发生、堵管发生时间、有堵管迹象发生的时间;
模型训练模块,用于基于多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据,以及与多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据对应的标签训练机器学习模型,以得到用于判断堵管情况的堵管判断模型。
2.如权利要求1所述的系统,其特征在于,所述砂石生产子系统(1)包括:设置在隧洞内的破碎设备、传输设备、制砂设备、感知设备、储料设备、分析控制设备,以及用于移动所述破碎设备、所述传输设备、所述制砂设备、所述感知设备、所述储料设备、所述分析控制设备的行走设备;
所述破碎设备用于对隧洞挖掘过程中产生的砂石进行破碎处理;
所述制砂设备用于对所述破碎设备破碎后的砂石进行制砂;
所述传输设备用于完成所述制砂设备制造的砂石在隧洞内,以及在隧洞内与隧洞外之间的运输;
储料设备用于储放所述制砂设备产生的砂石;
所述感知设备用于感知所述破碎设备和所述制砂设备入口和出口的砂石的砂石信息,并利用所述分析控制设备根据所述砂石信息对所述破碎设备、所述传输设备和所述制砂设备的工作参数进行调节,所述砂石物理参数包括:砂石产量数据、砂石粗细数据、级配数据、砂石的石粉含量数据。
3.如权利要求1所述的系统,其特征在于,所述混凝土拌合子系统(4)包括:
参数获取模块,用于获取混凝土的原材料参数;
第二配合比调整模块,用于根据混凝土的原材料参数调整预设第一配合比,获取第二配合比;
混凝土获取模块,用于根据所述第二配合比对混凝土的原材料进行搅拌,获取混凝土;
判断模块,用于判断所述混凝土的性能是否符合预设要求,若符合,则完成拌合,若不符合,则对所述混凝土中各原材料的含量进行调整。
4.如权利要求3所述的系统,其特征在于,所述原材料的参数信息包括:砂的含水率数据、粗骨料的含水率数据、砂的含粉量数据、砂的级配数据、砂颗粒的形状数据。
5.如权利要求3所述的系统,其特征在于,所述混凝土的性能参数包括:塌落度、塌落扩展度SF、V漏斗时间VF、流动性、填充性、抗离析指标和保塑性。
6.一种基于5G和物联网的隧洞衬砌智能化控制方法,其特征在于,包括:
通过砂石生产子系统(1)利用隧洞挖掘过程中产生的砂石进行制砂处理,其中,所述砂石生产子系统(1)内的各部件通过物联网连接;
利用混凝土拌合子系统(4)对所述砂石生产子系统(1)生产出的砂石进行拌合处理,获取混凝土,并使用运输子系统(3)移动所述砂石生产子系统(1)、所述控制子系统(2)、所述运输子系统(3)和所述混凝土拌合子系统(4),以及实现生产作业物料在隧洞内,和在隧洞内与隧洞外之间的运输;
在此过程中,控制子系统(2)通过5G通信模块与所述砂石生产子系统(1)、所述运输子系统(3)和混凝土拌合子系统(4)进行实时数据通信,所述控制子系统(2)根据所述砂石生产子系统(1)生产砂石过程中的砂石信息调整所述砂石生产子系统(1)内各设备的工作参数,以及控制所述运输子系统(3)和混凝土拌合子系统(4)工作;
所述方法,还包括:
获取多个泵管沿程点位的压力时域数据、泵送功率的时域数据,所述泵管用于泵送混凝土拌合子系统(4)制成的混凝土至待浇筑位置;
将多个泵管沿程点位的压力时域数据、泵送功率的时域数据输入到训练好的堵管判断模型,输出堵管情况,所述堵管情况包括:堵管是否会发生、堵管发生时间、有堵管迹象发生的时间;
获取多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据,以及与多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据对应的标签,所述标签用于表述砂石泵送过程中的堵管情况,所述堵管情况包括:堵管是否会发生、堵管发生时间、有堵管迹象发生的时间;
基于多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据,以及与多个历史泵管沿程点位的压力时域数据、泵送功率的时域数据对应的标签训练机器学习模型,以得到用于判断堵管情况的堵管判断模型。
7.如权利要求6所述的方法,其特征在于,通过砂石生产子系统(1)利用隧洞挖掘过程中产生的砂石进行制砂石料处理,包括:
获取隧洞挖掘过程中产生的砂石,并利用破碎设备对隧洞挖掘过程中产生的砂石进行破碎处理;
利用制砂设备对所述破碎设备破碎后的砂石进行制砂;
利用储料设备储放制砂设备产生的砂石;
在此过程中,利用传输设备完成所述制砂设备制造的砂石在隧洞内,以及在隧洞内与隧洞外之间的运输,利用感知设备感知所述破碎设备和所述制砂设备入口和出口的砂石的砂石信息,并根据所述砂石信息对所述破碎设备、所述传输设备和所述制砂设备的工作参数进行调节,所述砂石物理参数包括:砂石产量数据、砂石粗细数据、级配数据、砂石的石粉含量数据。
8.如权利要求6所述的方法,其特征在于,利用混凝土拌合子系统(4)对所述砂石生产子系统(1)生产出的砂石进行拌合处理,获取混凝土,包括:
获取混凝土的原材料参数;
根据混凝土的原材料参数调整预设第一配合比,获取第二配合比;
根据所述第二配合比对混凝土的原材料进行搅拌,获取混凝土;
判断所述混凝土的性能是否符合预设要求,若符合,则完成拌合,若不符合,则对所述混凝土中各原材料的含量进行调整。
9.如权利要求8所述的方法,其特征在于,所述原材料的参数信息包括:砂的含水率数据、粗骨料的含水率数据、砂的含粉量数据、砂的级配数据、砂颗粒的形状数据。
10.如权利要求8所述的方法,其特征在于,所述混凝土的性能参数包括:塌落度、塌落扩展度SF、V漏斗时间VF、流动性、填充性、抗离析指标和保塑性。
11.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求6-10任一项所述方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求6-10任一项所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110058070.2A CN112904813B (zh) | 2021-01-15 | 2021-01-15 | 基于5g和物联网的隧洞衬砌智能化控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110058070.2A CN112904813B (zh) | 2021-01-15 | 2021-01-15 | 基于5g和物联网的隧洞衬砌智能化控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112904813A CN112904813A (zh) | 2021-06-04 |
CN112904813B true CN112904813B (zh) | 2022-03-29 |
Family
ID=76113924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110058070.2A Active CN112904813B (zh) | 2021-01-15 | 2021-01-15 | 基于5g和物联网的隧洞衬砌智能化控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112904813B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113506339A (zh) * | 2021-09-10 | 2021-10-15 | 北京科技大学 | 设备的工作功率的控制方法、装置及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288625A (zh) * | 2011-07-08 | 2011-12-21 | 李典基 | 一种渠道混凝土衬砌无损检测系统 |
CN107263730A (zh) * | 2017-06-23 | 2017-10-20 | 中国葛洲坝集团第五工程有限公司 | 地下洞室砂石拌和系统及方法 |
CN109781338A (zh) * | 2019-01-24 | 2019-05-21 | 中建三局集团有限公司 | 混凝土泵送监测系统及方法 |
CN110130920A (zh) * | 2019-04-28 | 2019-08-16 | 贵州成智重工科技有限公司 | 隧道出渣、砂石加工及砼加工输送一体化设备及工艺 |
CN110924991A (zh) * | 2019-11-30 | 2020-03-27 | 鹰潭市智汇物联网应用研究院有限公司 | 一种受限空间作业的智能施工系统 |
CN110966022A (zh) * | 2019-12-24 | 2020-04-07 | 中铁隧道局集团有限公司工程试验分公司 | 一种基于中高流动性混凝土的铁路隧道衬砌施工方法 |
CN111396083A (zh) * | 2019-09-29 | 2020-07-10 | 中铁隧道局集团有限公司 | 一种隧道衬砌带压入模浇筑工艺及其衬砌混凝土压力及饱满状态的监测方法 |
CN111443130A (zh) * | 2020-04-22 | 2020-07-24 | 上海建工集团股份有限公司 | 一种混凝土泵送管道堵塞状态监测装置 |
CN111860960A (zh) * | 2020-06-19 | 2020-10-30 | 山西交通建设监理咨询集团有限公司 | 基于大数据互联网+区块链预测预控云智慧监理共享平台 |
CN212135219U (zh) * | 2020-05-22 | 2020-12-11 | 中船重工(青岛)轨道交通装备有限公司 | 基于5g通讯网络的隧道掘进机远程集中控制系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9638194B2 (en) * | 2015-01-02 | 2017-05-02 | General Electric Company | System and method for power management of pumping system |
CN106404274A (zh) * | 2016-09-27 | 2017-02-15 | 中建三局集团有限公司 | 基于无线监测技术的超高层施工泵管堵管预警系统及方法 |
US11085295B2 (en) * | 2019-01-24 | 2021-08-10 | Huaneng Tibet Yarlungzangbo River Hydropower Development Investment Co., Ltd. | Tunnel boring robot and remote mobile terminal command system |
CN110259656A (zh) * | 2019-06-17 | 2019-09-20 | 重庆大学 | 泵送混凝土非定常流泵送压力动态分析方法 |
-
2021
- 2021-01-15 CN CN202110058070.2A patent/CN112904813B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288625A (zh) * | 2011-07-08 | 2011-12-21 | 李典基 | 一种渠道混凝土衬砌无损检测系统 |
CN107263730A (zh) * | 2017-06-23 | 2017-10-20 | 中国葛洲坝集团第五工程有限公司 | 地下洞室砂石拌和系统及方法 |
CN109781338A (zh) * | 2019-01-24 | 2019-05-21 | 中建三局集团有限公司 | 混凝土泵送监测系统及方法 |
CN110130920A (zh) * | 2019-04-28 | 2019-08-16 | 贵州成智重工科技有限公司 | 隧道出渣、砂石加工及砼加工输送一体化设备及工艺 |
CN111396083A (zh) * | 2019-09-29 | 2020-07-10 | 中铁隧道局集团有限公司 | 一种隧道衬砌带压入模浇筑工艺及其衬砌混凝土压力及饱满状态的监测方法 |
CN110924991A (zh) * | 2019-11-30 | 2020-03-27 | 鹰潭市智汇物联网应用研究院有限公司 | 一种受限空间作业的智能施工系统 |
CN110966022A (zh) * | 2019-12-24 | 2020-04-07 | 中铁隧道局集团有限公司工程试验分公司 | 一种基于中高流动性混凝土的铁路隧道衬砌施工方法 |
CN111443130A (zh) * | 2020-04-22 | 2020-07-24 | 上海建工集团股份有限公司 | 一种混凝土泵送管道堵塞状态监测装置 |
CN212135219U (zh) * | 2020-05-22 | 2020-12-11 | 中船重工(青岛)轨道交通装备有限公司 | 基于5g通讯网络的隧道掘进机远程集中控制系统 |
CN111860960A (zh) * | 2020-06-19 | 2020-10-30 | 山西交通建设监理咨询集团有限公司 | 基于大数据互联网+区块链预测预控云智慧监理共享平台 |
Also Published As
Publication number | Publication date |
---|---|
CN112904813A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108277720B (zh) | 沥青搅拌站骨料级配在线检测、防溢料控制方法及系统 | |
CN107956483B (zh) | 一种复杂地质区域智慧注浆系统和注浆方法 | |
CN112873533A (zh) | 混凝土自适应智能拌合方法及装置 | |
CN112959513B (zh) | 混凝土隧洞内智能化自适应拌合系统及方法 | |
CN108677656A (zh) | 一种沥青混合搅拌的防溢料装置及方法 | |
CN112904813B (zh) | 基于5g和物联网的隧洞衬砌智能化控制系统及方法 | |
CN105696640B (zh) | 用于建筑工程填方疏浚泥添料搅拌机械 | |
CN105444987B (zh) | 一种基于高清摄影的薄层水流滚波测量系统与方法 | |
CN107459249A (zh) | 一种河流淤泥的固化方法 | |
CN206448541U (zh) | 一种砌墙多功能灰桶 | |
CN111077147B (zh) | 研究堆石混凝土填充堵塞性能的方法及试验装置 | |
CN111535322B (zh) | 一种底部加浆的变态混凝土施工方法 | |
CN115263364A (zh) | 一种隧道混凝土喷射回弹率的控制方法及湿喷系统 | |
CN115807543A (zh) | 一种基于图像识别和激光雷达数据融合的混凝土浇筑方法 | |
CN102581959B (zh) | 一种搅拌车卸料速度控制系统及方法 | |
CN108986118A (zh) | 一种全尾砂膏体搅拌均质性在线监测系统与使用方法 | |
CN112183308A (zh) | 一种胶结砂砾石料在线识别与级配优化方法及系统 | |
CN105421336A (zh) | 一种疏浚泥管中混合固化系统 | |
CN204826571U (zh) | 砂浆喷涂机 | |
CN209478553U (zh) | 一种泥浆水调配装置及高浓度泥浆水回用系统 | |
CN112801953A (zh) | 新拌自密实混凝土抗离析性能分析方法及装置 | |
CN207567834U (zh) | 混凝土桩基超灌自动提醒装置 | |
CN209065447U (zh) | 污水浓度调节装置 | |
CN103163136A (zh) | 利用拌和过程图像实时判别混凝土工作度的方法 | |
CN207908306U (zh) | 土石料级配自动检测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |