CN114370284A - 盾构开挖面地层性质实时感知与掘进参数调整方法及系统 - Google Patents

盾构开挖面地层性质实时感知与掘进参数调整方法及系统 Download PDF

Info

Publication number
CN114370284A
CN114370284A CN202111486022.XA CN202111486022A CN114370284A CN 114370284 A CN114370284 A CN 114370284A CN 202111486022 A CN202111486022 A CN 202111486022A CN 114370284 A CN114370284 A CN 114370284A
Authority
CN
China
Prior art keywords
parameters
shield
tunneling
soil
real
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.)
Granted
Application number
CN202111486022.XA
Other languages
English (en)
Other versions
CN114370284B (zh
Inventor
周宗青
孙毅
王华伟
宋曙光
李利平
刘四进
杨为民
刘洪亮
杨钧岩
王超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
China Railway 14th Bureau Group Co Ltd
Original Assignee
Shandong University
China Railway 14th Bureau Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University, China Railway 14th Bureau Group Co Ltd filed Critical Shandong University
Priority to CN202111486022.XA priority Critical patent/CN114370284B/zh
Publication of CN114370284A publication Critical patent/CN114370284A/zh
Application granted granted Critical
Publication of CN114370284B publication Critical patent/CN114370284B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
    • E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
    • E21D9/06—Making by using a driving shield, i.e. advanced by pushing means bearing against the already placed lining
    • E21D9/093—Control of the driving shield, e.g. of the hydraulic advancing cylinders
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
    • E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
    • E21D9/003—Arrangement of measuring or indicating devices for use during driving of tunnels, e.g. for guiding machines
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mining & Mineral Resources (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Geology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Excavating Of Shafts Or Tunnels (AREA)

Abstract

本发明属于盾构机控制领域，提供了一种盾构开挖面地层性质实时感知与掘进参数调整方法及系统。其中该方法包括获取盾构掘进区间的盾构隧道掘进参数与开挖土体工程参数；拟合盾构隧道掘进参数与开挖土体工程参数之间的关系，从而建立盾构隧道掘进参数与土体性质之间的映射规律模型；根据盾构隧道掘进参数与土体性质之间的映射规律模型及实时感知的盾构开挖面开挖土体工程参数，预测出相应掘进参数并进行调控。

Description

盾构开挖面地层性质实时感知与掘进参数调整方法及系统
技术领域
本发明属于盾构机控制领域，尤其涉及一种盾构开挖面地层性质实时感知与掘进参数调整方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
盾构机被广泛应用于地下工程建设中。盾构机工作效率高，机械化程度高，优点显著，但也存在明显的短板，盾构机开挖面易失稳、难预测，盾构机掘进前方土体失稳机理至今仍没有统一的理论解释。盾构机掘进过程中，掘进参数是影响掘进效果的重要因素。发明人发现，当前盾构掘进参数主要依靠人工经验判断调整，若掘进参数选择不合理，就会导致前方开挖面坍塌或者上方地表的隆起等工程事故。
发明内容
为了解决上述背景技术中存在的技术问题，本发明提供一种盾构开挖面地层性质实时感知与掘进参数调整方法及系统，其能够实现盾构机更加合理、安全和高效地掘进。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种盾构开挖面地层性质实时感知与掘进参数调整方法，其包括：
获取盾构掘进区间的盾构隧道掘进参数与开挖土体工程参数；
拟合盾构隧道掘进参数与开挖土体工程参数之间的关系，从而建立盾构隧道掘进参数与土体性质之间的映射规律模型；
根据盾构隧道掘进参数与土体性质之间的映射规律模型及实时感知的盾构开挖面开挖土体工程参数，预测出相应掘进参数并进行调控。
本发明的第二个方面提供一种盾构开挖面地层性质实时感知与掘进参数调整系统，其包括：
参数获取模块，其用于获取盾构掘进区间的盾构隧道掘进参数与开挖土体工程参数；
映射规律模型构建模块，其用于拟合盾构隧道掘进参数与开挖土体工程参数之间的关系，从而建立盾构隧道掘进参数与土体性质之间的映射规律模型；
掘进参数调控模块，其用于根据盾构隧道掘进参数与土体性质之间的映射规律模型及实时感知的盾构开挖面开挖土体工程参数，预测出相应掘进参数并进行调控。
本发明的第三个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的盾构开挖面地层性质实时感知与掘进参数调整方法中的步骤。
本发明的第四个方面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程序时实现如上述所述的盾构开挖面地层性质实时感知与掘进参数调整方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明通过取获盾构隧道掘进参数与开挖土体工程参数，建立掘进参数与土体性质之间映射关系，调控开挖面地层性质的预测与掘进参数，实现了盾构机更加合理、安全和高效地掘进。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例的盾构开挖面地层性质实时感知与掘进参数调整方法流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
如图1所示，本实施例提供了一种盾构开挖面地层性质实时感知与掘进参数调整方法，其具体包括如下步骤：
S101：获取盾构掘进区间的盾构隧道掘进参数与开挖土体工程参数。
其中，所述盾构隧道掘进参数包括，包括贯入度、盾构总推力、刀盘扭矩、推进速度和刀盘转速。这些参数可通过盾构控制平台直接获取。
所述开挖土体工程参数通过现场取样获取土体样本，室内试验测试土体样本的力学参数和物理性质而得到。
其中，力学参数包括压缩模量和变形模量，物理性质包括颗粒组成、比重、土体干密度、湿密度。测试结果输入第一个掘进区间内的样本数据库。
在施工现场获取土体样本，要明确在掘进区间范围内的取样次数和取样间隔，采取钻孔设备凿开管片上的二次注浆孔，穿过同步注浆范围区，取出取样时应注意避开围岩的扰动影响区，记录每次钻孔取样的取样位置。
S102：拟合盾构隧道掘进参数与开挖土体工程参数之间的关系，从而建立盾构隧道掘进参数与土体性质之间的映射规律模型。利用机器学习线性回归算法拟合盾构隧道掘进参数与开挖土体工程参数之间的关系。
所述盾构掘进区间的盾构隧道掘进参数与开挖土体工程参数均存入样本数据库中。数据库采用spss数据统计系统对所获取的掘进区间内掘进参数数据库进行文件建立和管理，通过spss系统中的Data菜单和Transform菜单实现。在spss数据分析系统中，采用person相关系数法对主掘进参数在施工过程中的变化量进行统计分析，输出统计结果，建立主掘进参数之间的两两相关性。
样本库数据预处理方面，首先进行样本数据清洗，主要处理的是缺失值、异常值和重复值。通过对数据的丢弃、填充、替换、去重等操作，达到去除异常、纠正错误、补足缺失的目的。对于掘进区间内缺失值的处理采用补全方式。因采样的属于数值型数据，故使用均值、加权均值、中位的方法补全，从而形成更完整的数据记录。对于异常值的处理，首先定义大于3倍标准差的样本数据可以被认为是异常值，在实际操作中，将被定义为异常值的数据用均值进行替换。
为避免数据的冗余，选取贯入度、盾构总推力、刀盘扭矩、推进速度、刀盘转速作为主掘进参数，以主掘进参数作为识别开挖面土体特性的依据。基于上一步中对掘进参数的相关性统计分析，获取主掘进参数之间的关联方程作为机器学习训练模型的约束条件。在此基础上，对样本数据库中的海量数据进行预处理，主要体现为对数据进行降噪，去除奇异点等干扰数据保证参数变化趋势的连续性，提高分析结果的准确性。通过数据挖掘的方式，对样本数据库中的数据进行特征处理。选择有意义的特征数据输入机器学习的算法和训练模型中，此时的自变量是土体的力学参数和物理性质参数，因变量是主掘进参数，因回归分析中包含有多个因变量，机器学习线性回归算法为多元多重回归模型。
将样本数据库中的参数数据按照一定比例分割成测试集与训练集，然后进入建模环节，使用专门用于统计建模的第三方模块statsmodels，调用子模块中的ols函数进行建模。x为压缩模量、弹性模量、颗粒组成、比值、土体干密度、湿密度等多组因变量参数。y为主掘进参数，贯入度、盾构总推力、刀盘扭矩、推进速度、刀盘转速。
在其他实施例中，对盾构隧道掘进参数与土体性质之间的映射规律模型还进行显著性检验以及回归系数显著性检验。
模型的判决系数R2，用来衡量自变量对因变量的解释程度。当R2大于规定阈值时，说明模型的预测准度未达到要求，此时需要把样本划分成多个小范围区间，重复地对各个区间中的样本数据进行多项式拟合，得到不同区间上的加权回归曲线，把这些回归曲线的中心连在一起合成完整的回归曲线。该方法起到数据平滑的作用，实现对多元线性回归预测模型的优化，提高准确性。当R2满足规定阈值范围内时，可输出最终的映射规律模型，为后续施工掘进参数的调控作指导。
S103：根据盾构隧道掘进参数与土体性质之间的映射规律模型及实时感知的盾构开挖面开挖土体工程参数，预测出相应掘进参数并进行调控。
在一些实施例中，所述样本数据库基于盾构开挖随时更新。
实施例二
本实施例提供了一种盾构开挖面地层性质实时感知与掘进参数调整系统，其具体包括如下模块：
参数获取模块，其用于获取盾构掘进区间的盾构隧道掘进参数与开挖土体工程参数；
映射规律模型构建模块，其用于拟合盾构隧道掘进参数与开挖土体工程参数之间的关系，从而建立盾构隧道掘进参数与土体性质之间的映射规律模型；
掘进参数调控模块，其用于根据盾构隧道掘进参数与土体性质之间的映射规律模型及实时感知的盾构开挖面开挖土体工程参数，预测出相应掘进参数并进行调控。
此处需要说明的是，本实施例中的各个模块与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的盾构开挖面地层性质实时感知与掘进参数调整方法中的步骤。
实施例四
本实施例提供了一种电子设备，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程序时实现如上述所述的盾构开挖面地层性质实时感知与掘进参数调整方法中的步骤。
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。
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，均应包含在本发明的保护范围之内。

Claims (10)

1.一种盾构开挖面地层性质实时感知与掘进参数调整方法，其特征在于，包括：
获取盾构掘进区间的盾构隧道掘进参数与开挖土体工程参数；
拟合盾构隧道掘进参数与开挖土体工程参数之间的关系，从而建立盾构隧道掘进参数与土体性质之间的映射规律模型；
根据盾构隧道掘进参数与土体性质之间的映射规律模型及实时感知的盾构开挖面开挖土体工程参数，预测出相应掘进参数并进行调控。
2.如权利要求1所述的盾构开挖面地层性质实时感知与掘进参数调整方法，其特征在于，所述盾构隧道掘进参数包括，包括贯入度、盾构总推力、刀盘扭矩、推进速度和刀盘转速。
3.如权利要求1所述的盾构开挖面地层性质实时感知与掘进参数调整方法，其特征在于，所述开挖土体工程参数通过现场取样获取土体样本，室内试验测试土体样本的力学参数和物理性质而得到。
4.如权利要求1所述的盾构开挖面地层性质实时感知与掘进参数调整方法，其特征在于，利用机器学习线性回归算法拟合盾构隧道掘进参数与开挖土体工程参数之间的关系。
5.如权利要求1所述的盾构开挖面地层性质实时感知与掘进参数调整方法，其特征在于，对盾构隧道掘进参数与土体性质之间的映射规律模型还进行显著性检验以及回归系数显著性检验。
6.如权利要求1所述的盾构开挖面地层性质实时感知与掘进参数调整方法，其特征在于，所述盾构掘进区间的盾构隧道掘进参数与开挖土体工程参数均存入样本数据库中。
7.如权利要求6所述的盾构开挖面地层性质实时感知与掘进参数调整方法，其特征在于，所述样本数据库基于盾构开挖随时更新。
8.一种盾构开挖面地层性质实时感知与掘进参数调整系统，其特征在于，包括：
参数获取模块，其用于获取盾构掘进区间的盾构隧道掘进参数与开挖土体工程参数；
映射规律模型构建模块，其用于拟合盾构隧道掘进参数与开挖土体工程参数之间的关系，从而建立盾构隧道掘进参数与土体性质之间的映射规律模型；
掘进参数调控模块，其用于根据盾构隧道掘进参数与土体性质之间的映射规律模型及实时感知的盾构开挖面开挖土体工程参数，预测出相应掘进参数并进行调控。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的盾构开挖面地层性质实时感知与掘进参数调整方法中的步骤。
10.一种计算机设备，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程序时实现如权利要求1-7中任一项所述的盾构开挖面地层性质实时感知与掘进参数调整方法中的步骤。
CN202111486022.XA 2021-12-07 2021-12-07 盾构开挖面地层性质实时感知与掘进参数调整方法及系统 Active CN114370284B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111486022.XA CN114370284B (zh) 2021-12-07 2021-12-07 盾构开挖面地层性质实时感知与掘进参数调整方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111486022.XA CN114370284B (zh) 2021-12-07 2021-12-07 盾构开挖面地层性质实时感知与掘进参数调整方法及系统

Publications (2)

Publication Number Publication Date
CN114370284A true CN114370284A (zh) 2022-04-19
CN114370284B CN114370284B (zh) 2023-03-10

Family

ID=81140908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111486022.XA Active CN114370284B (zh) 2021-12-07 2021-12-07 盾构开挖面地层性质实时感知与掘进参数调整方法及系统

Country Status (1)

Country Link
CN (1) CN114370284B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108491590A (zh) * 2018-03-05 2018-09-04 北京交通大学 基于灰色系统模型的盾构掘进参数预测方法
JP2021014726A (ja) * 2019-07-12 2021-02-12 株式会社奥村組 シールド掘進工法における掘進予測モデルの作成方法
AU2021101920A4 (en) * 2021-04-14 2021-06-03 Guiyang Urban Rall Transit CO.,LTD Multi-objective intelligent optimization control method of shield construction parameters based on data mining
CN113090274A (zh) * 2021-06-08 2021-07-09 北京建工土木工程有限公司 基于大数据的自动巡航盾构超前地质预报系统及工作方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108491590A (zh) * 2018-03-05 2018-09-04 北京交通大学 基于灰色系统模型的盾构掘进参数预测方法
JP2021014726A (ja) * 2019-07-12 2021-02-12 株式会社奥村組 シールド掘進工法における掘進予測モデルの作成方法
AU2021101920A4 (en) * 2021-04-14 2021-06-03 Guiyang Urban Rall Transit CO.,LTD Multi-objective intelligent optimization control method of shield construction parameters based on data mining
CN113090274A (zh) * 2021-06-08 2021-07-09 北京建工土木工程有限公司 基于大数据的自动巡航盾构超前地质预报系统及工作方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张娜等: "TBM掘进参数智能控制系统的研究与应用", 《隧道建设(中英文)》 *

Also Published As

Publication number Publication date
CN114370284B (zh) 2023-03-10

Similar Documents

Publication Publication Date Title
Salimi et al. Evaluating the suitability of existing rock mass classification systems for TBM performance prediction by using a regression tree
WO2009075667A2 (en) Method and system for predicting performance of a drilling system having multiple cutting structures
DE112013007668T5 (de) Steuern einer Bohrgarnitur in einem Bohrloch
CN108415079B (zh) 基于凿岩冲击声识别的岩层分界面圈定方法
CN111254912B (zh) 基于地质编录大数据的锚固和灌浆工程管理系统
CN111126735B (zh) 一种钻井数字孪生系统
CN111832223A (zh) 基于神经网络的盾构施工地表沉降预测方法
CN114417697A (zh) 一种基于神经网络的tbm滚刀磨损实时预测方法及系统
US11091989B1 (en) Real-time parameter adjustment in wellbore drilling operations
GB2583870A (en) Generating a high-resolution lithology model for subsurface formation evaluation
CN110727985A (zh) 一种邻近基坑工程的既有地铁隧道竖向变形的预测方法
Chen et al. Prediction of TBM tunneling parameters through an LSTM neural network
CN109542884B (zh) 采用大数据耦合参数以优化破岩效率的方法和系统
NO20201234A1 (en) Adjusting Well Tool Operation to Manipulate the Rate-of-Penetration (ROP) of a Drill Bit Based on Multiple ROP Projections
CN112502613B (zh) 一种钻井方法及装置
CN114370284B (zh) 盾构开挖面地层性质实时感知与掘进参数调整方法及系统
CN113283182B (zh) 地层压力预测分析方法、装置、介质及设备
CN110806859A (zh) 基于机器学习的模块化钻探数据监测与设计系统
CN115773127A (zh) 一种泥水平衡盾构智能决策方法、系统、设备及介质
CN113158562B (zh) 基于物理约束与数据挖掘的tbm岩机映射构建方法及系统
US20220187484A1 (en) Subsurface fluid-type likelihood using explainable machine learning
US11693141B2 (en) Methods and systems for processing borehole dispersive waves with a physics-based machine learning analysis
CN114086887A (zh) 一种基于人工智能的待钻井眼轨道井下规划方法
JP2022080756A (ja) 地下水環境自動予測システム、地下水環境自動予測方法
You et al. Stratigraphic identification using real-time drilling data

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