CN115773127A - 一种泥水平衡盾构智能决策方法、系统、设备及介质 - Google Patents
一种泥水平衡盾构智能决策方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN115773127A CN115773127A CN202211531485.8A CN202211531485A CN115773127A CN 115773127 A CN115773127 A CN 115773127A CN 202211531485 A CN202211531485 A CN 202211531485A CN 115773127 A CN115773127 A CN 115773127A
- Authority
- CN
- China
- Prior art keywords
- parameters
- shield
- section
- current
- tunneling section
- 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.)
- Pending
Links
Images
Landscapes
- Excavating Of Shafts Or Tunnels (AREA)
Abstract
本发明公开了一种泥水平衡盾构智能决策方法、系统、设备及介质,涉及隧道工程施工领域。该方法包括:根据当前掘进段的盾构机主动控制参数、当前掘进段的隧道前方地质编码和盾构响应参数预测模型预测当前掘进段的盾构机被动响应参数;根据当前掘进段的地质信息编码、当前掘进段的几何参数、当前掘进段的盾构机技术参数和地表沉降预测模型预测当前掘进段的地表收敛沉降;判断地表收敛沉降是否在设定范围内;若否,则重新生成当前掘进段的盾构机主动控制参数,并返回预测当前掘进段的盾构机被动响应参数的步骤;若是,则进一步确定当前掘进段的泥水控制系统参数,并将最终确定的参数作为建议掘进参数输出。本发明能够实现对于盾构施工参数的决策。
Description
技术领域
本发明涉及隧道工程施工领域,特别是涉及一种泥水平衡盾构智能决策方法、系统、设备及介质。
背景技术
盾构法作为一种便捷、对地面交通影响小的机械化施工方法,已广泛应用于地铁隧道建设中。但在盾构机掘进时,开挖对土体造成的扰动不可避免的会对临近地层与周围既有建筑物产生附加荷载,引起其沉降与变形。随着盾构施工环境的逐渐复杂化,对于地表沉降的控制需求逐步增加。因此,地表沉降的预测受到众多学者关注,出现了经验法、理论法等用于预测地表沉降的传统方法,但由于原状土参数难以获取、方法的地域性太强等原因,这些方法并不能被广泛的应用于实际工程中。
随着人工智能算法的兴起,越来越多人工智能算法被应用于工程建设中。通过利用神经网络学习盾构参数、几何参数与地质参数间的关系实现盾构移动轨迹的实时预测、盾构机掘进姿态的智能预测、掘进沉降的实时预测等。在实际工程中,隧道掘进引起的沉降通常是通过人工监测的方法获得的,盾构机的运行参数是操作员通过经验进行调节的,但人工作业的滞后性导致其不能为盾构机的参数调节提供实时指导。为了确保隧道的施工安全与质量,避免因信息传递不畅导致损失,许多智能系统被开发出来用于实时监测施工沉降与盾构机的状态。
但目前的针对盾构隧道的智能系统大多是针对现有盾构机数据的储存、管理与可视化。通过盾构机上的传感器采集盾构施工作业参数并在系统平台进行存储与展示,这些都是针对历史掘进段的数据处理与可视化分析,仍然需要专家系统分析系统数据并给出相应建议,这种方法具有明显劳动密集与耗时的特征,只适用于关键风险节点的控制且具有延时性,无法对全线提供实时的建议。为满足实际需求,一些学者开发了具有施工风险的预警的系统,通过分析监测数据以确定施工风险,但人工上传监测数据导致了系统的效率低下。
目前中国已有较多针对盾构隧道施工的数字化平台,但是这些平台集中于数据的收集储存或者可视化。仅有少量研究对平台数据进行了简单的数据分析处理。目前没有基于数据分析对盾构隧道工程施工给出专业化的工程建议的盾构决策平台。数据仅仅收集储存与可视化并不能充分发挥工程数据在指导工程施工方面的作用。
发明内容
本发明的目的是提供一种泥水平衡盾构智能决策方法、系统、设备及介质,以实现对于盾构施工参数的决策。
为实现上述目的,本发明提供了如下方案:
一种泥水平衡盾构智能决策方法,所述方法包括:
获取盾构隧道的当前掘进段的地质勘测探孔数据和当前掘进段的几何参数;所述几何参数包括:隧道直径、隧道埋深、管片厚度和地下水位;
根据所述当前掘进段的地质勘测探孔数据确定当前掘进段的地质信息编码;所述地质信息编码包括:隧道前方地质编码和隧道上方地质编码;
根据历史掘进参数生成当前掘进段的盾构机主动控制参数;所述盾构机主动控制参数包括:推进速度、刀盘转速和泥水舱压力;
根据所述当前掘进段的盾构机主动控制参数、当前掘进段的隧道前方地质编码和盾构响应参数预测模型预测当前掘进段的盾构机被动响应参数;所述盾构机被动响应参数包括:总推力和刀盘扭矩;
根据所述当前掘进段的地质信息编码、所述当前掘进段的几何参数、当前掘进段的盾构机技术参数和地表沉降预测模型预测当前掘进段的地表收敛沉降;所述当前掘进段的盾构机技术参数包括:所述当前掘进段的盾构机主动控制参数和所述当前掘进段的盾构机被动响应参数;
判断所述地表收敛沉降是否在设定地表沉降控制目标范围内,得到第一判断结果;
若所述第一判断结果为否,则采用寻优算法,根据所述历史掘进参数重新生成当前掘进段的盾构机主动控制参数,并返回“根据所述当前掘进段的盾构机主动控制参数、当前掘进段的隧道前方地质编码和盾构响应参数预测模型预测当前掘进段的盾构机被动响应参数”的步骤;
若所述第一判断结果为是,则根据设定泥水压力控制目标和所述历史掘进参数确定当前掘进段的泥水控制系统参数,并将所述当前掘进段的盾构机技术参数和所述当前掘进段的泥水控制系统参数作为建议掘进参数输出;所述建议掘进参数用于辅助盾构机驾驶人员驾驶盾构机完成掘进工作;所述泥水控制系统参数包括:泥水舱主动控制参数和泥水舱被动响应参数;所述泥水舱主动控制参数包括:进浆流量、出浆流量和气舱压力;所述泥水舱被动响应参数包括:切口压力;所述设定泥水压力控制目标是根据所述当前掘进段的盾构机主动控制参数中的泥水舱压力确定的。
可选地,所述根据设定泥水压力控制目标和所述历史掘进参数确定当前掘进段的泥水控制系统参数,并将所述当前掘进段的盾构机技术参数和所述当前掘进段的泥水控制系统参数作为建议掘进参数输出,具体包括:
根据所述历史掘进参数生成当前掘进段的泥水舱主动控制参数;
根据所述当前掘进段的泥水舱主动控制参数和泥水响应参数预测模型预测当前掘进段的泥水舱被动响应参数;
判断所述当前掘进段的泥水舱被动响应参数是否在设定泥水压力控制目标范围内,得到第二判断结果;
若所述第二判断结果为否,则采用寻优算法,根据所述历史掘进参数重新生成当前掘进段的泥水舱主动控制参数,并返回“根据所述当前掘进段的泥水舱主动控制参数和泥水响应参数预测模型预测当前掘进段的泥水舱被动响应参数”的步骤;
若所述第二判断结果为是,则将所述当前掘进段的盾构机技术参数和所述当前掘进段的泥水控制系统参数作为建议掘进参数输出。
可选地,所述方法还包括:
在当前掘进段完成掘进后,获取当前掘进段的实际盾构机技术参数、当前掘进段的实际泥水控制系统参数和当前掘进段的实际地表收敛沉降并输入至工程数据库中,作为历史掘进参数;所述历史掘进参数用于训练预测模型以及确定下一掘进段的盾构机主动控制参数和泥水舱主动控制参数;所述预测模型包括:所述盾构响应参数预测模型、所述地表沉降预测模型和所述泥水响应参数预测模型。
可选地,所述根据所述当前掘进段的地质勘测探孔数据确定当前掘进段的地质信息编码,具体包括:
将所述当前掘进段的地质勘测探孔数据按照土质物理力学参数的不同划分为多个土层类别;多个所述土层类别包括:粘性土、粉土、沙土、砂石和岩石;
对盾构机前方隧道区域内的各所述土层类别的高度信息和厚度信息进行编码,得到当前掘进段的隧道前方地质编码;
对盾构机前方隧道上方的各所述土层类别的高度信息和厚度信息进行编码,得到当前掘进段的隧道上方地质编码;
将所述当前掘进段的隧道前方地质编码和所述当前掘进段的隧道上方地质编码作为当前掘进段的地质信息编码。
可选地,所述根据所述当前掘进段的盾构机主动控制参数、当前掘进段的隧道前方地质编码和盾构响应参数预测模型预测当前掘进段的盾构机被动响应参数,具体包括:
将所述当前掘进段的盾构机主动控制参数和所述当前掘进段的隧道前方地质编码输入至所述盾构响应参数预测模型中,预测得到当前掘进段的盾构机被动响应参数;
所述盾构响应参数预测模型是以历史掘进段的实际盾构机主动控制参数和历史掘进段的隧道前方地质编码为输入,以历史掘进段的预测盾构机被动响应参数为输出,以历史掘进段的预测盾构机被动响应参数与历史掘进段的实际盾构机被动响应参数的误差满足设定条件为目标训练得到的。
可选地,所述根据所述当前掘进段的地质信息编码、所述当前掘进段的几何参数、当前掘进段的盾构机技术参数和地表沉降预测模型预测当前掘进段的地表收敛沉降,具体包括:
将所述当前掘进段的地质信息编码、所述当前掘进段的几何参数和当前掘进段的盾构机技术参数输入至所述地表沉降预测模型中,预测得到当前掘进段的地表收敛沉降;
所述地表沉降预测模型是以历史掘进段的地质信息编码、历史掘进段的几何参数和历史掘进段的实际盾构机技术参数为输入,以历史掘进段的预测地表收敛沉降为输出,以历史掘进段的预测地表收敛沉降与历史掘进段的实际地表收敛沉降的误差满足设定条件为目标训练得到的。
可选地,所述根据所述当前掘进段的泥水舱主动控制参数和泥水响应参数预测模型预测当前掘进段的泥水舱被动响应参数,具体包括:
将所述当前掘进段的泥水舱主动控制参数输入至所述泥水响应参数预测模型中,预测得到当前掘进段的泥水舱被动响应参数;
所述泥水响应参数预测模型是以历史掘进段的实际泥水舱主动控制参数为输入,以历史掘进段的预测泥水舱被动响应参数为输出,以历史掘进段的预测泥水舱被动响应参数与历史掘进段的实际泥水舱被动响应参数的误差满足设定条件为目标训练得到的。
一种泥水平衡盾构智能决策系统,所述系统包括:
数据获取模块,用于获取盾构隧道的当前掘进段的地质勘测探孔数据和当前掘进段的几何参数;所述几何参数包括:隧道直径、隧道埋深、管片厚度和地下水位;
地质信息编码模块,用于根据所述当前掘进段的地质勘测探孔数据确定当前掘进段的地质信息编码;所述地质信息编码包括:隧道前方地质编码和隧道上方地质编码;
盾构控制参数生成模块,用于根据历史掘进参数生成当前掘进段的盾构机主动控制参数;所述盾构机主动控制参数包括:推进速度、刀盘转速和泥水舱压力;
盾构响应参数预测模块,用于根据所述当前掘进段的盾构机主动控制参数、当前掘进段的隧道前方地质编码和盾构响应参数预测模型预测当前掘进段的盾构机被动响应参数;所述盾构机被动响应参数包括:总推力和刀盘扭矩;
地表沉降预测模块,用于根据所述当前掘进段的地质信息编码、所述当前掘进段的几何参数、当前掘进段的盾构机技术参数和地表沉降预测模型预测当前掘进段的地表收敛沉降;所述当前掘进段的盾构机技术参数包括:所述当前掘进段的盾构机主动控制参数和所述当前掘进段的盾构机被动响应参数;
沉降控制目标判断模块,用于判断所述地表收敛沉降是否在设定地表沉降控制目标范围内,得到第一判断结果;
盾构控制参数优化模块,用于若所述第一判断结果为否,则采用寻优算法,根据所述历史掘进参数重新生成当前掘进段的盾构机主动控制参数,并返回所述盾构响应参数预测模块;
泥水压力控制模块,用于若所述第一判断结果为是,则根据设定泥水压力控制目标和所述历史掘进参数确定当前掘进段的泥水控制系统参数,并将所述当前掘进段的盾构机技术参数和所述当前掘进段的泥水控制系统参数作为建议掘进参数输出;所述建议掘进参数用于辅助盾构机驾驶人员驾驶盾构机完成掘进工作;所述泥水控制系统参数包括:泥水舱主动控制参数和泥水舱被动响应参数;所述泥水舱主动控制参数包括:进浆流量、出浆流量和气舱压力;所述泥水舱被动响应参数包括:切口压力;所述设定泥水压力控制目标是根据所述当前掘进段的盾构机主动控制参数中的泥水舱压力确定的。
一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行上述的泥水平衡盾构智能决策方法。
一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现上述的泥水平衡盾构智能决策方法。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的泥水平衡盾构智能决策方法,将盾构机技术参数分为主动控制参数和被动响应参数,利用基于神经网络训练得到的盾构响应参数预测模型和地表沉降预测模型充分学习以往的实际工程数据,提取各参数的时空特性,挖掘影响决策的多源异构数据的价值,从而能够利用当前掘进段的地质勘测探孔数据和几何数据预测盾构施工参数,辅助盾构机驾驶人员驾驶盾构机完成掘进工作。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的泥水平衡盾构智能决策方法的流程图;
图2为本发明提供的泥水平衡盾构智能决策系统的模块图;
图3为本发明实施例提供的盾构隧道的结构示意图;
图4为本发明实施例提供的泥水平衡盾构智能决策系统的结构框图;
图5为本发明实施例提供的泥水平衡盾构智能决策系统的工作流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种泥水平衡盾构智能决策方法、系统、设备及介质,以实现对于盾构施工参数的决策。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
本实施例提供一种泥水平衡盾构智能决策方法。如图1所示,所述方法包括:
步骤101:获取盾构隧道的当前掘进段的地质勘测探孔数据和当前掘进段的几何参数;所述几何参数包括:隧道直径、隧道埋深、管片厚度和地下水位。
步骤102:根据所述当前掘进段的地质勘测探孔数据确定当前掘进段的地质信息编码;所述地质信息编码包括:隧道前方地质编码和隧道上方地质编码。
步骤103:根据历史掘进参数生成当前掘进段的盾构机主动控制参数;所述盾构机主动控制参数包括:推进速度、刀盘转速和泥水舱压力。
步骤104:根据所述当前掘进段的盾构机主动控制参数、当前掘进段的隧道前方地质编码和盾构响应参数预测模型预测当前掘进段的盾构机被动响应参数;所述盾构机被动响应参数包括:总推力和刀盘扭矩。该步骤具体包括:
将所述当前掘进段的盾构机主动控制参数和所述当前掘进段的隧道前方地质编码输入至所述盾构响应参数预测模型中,预测得到当前掘进段的盾构机被动响应参数。其中,所述盾构响应参数预测模型是以历史掘进段的实际盾构机主动控制参数和历史掘进段的隧道前方地质编码为输入,以历史掘进段的预测盾构机被动响应参数为输出,以历史掘进段的预测盾构机被动响应参数与历史掘进段的实际盾构机被动响应参数的误差满足设定条件为目标训练得到的。
步骤105:根据所述当前掘进段的地质信息编码、所述当前掘进段的几何参数、当前掘进段的盾构机技术参数和地表沉降预测模型预测当前掘进段的地表收敛沉降;所述当前掘进段的盾构机技术参数包括:所述当前掘进段的盾构机主动控制参数和所述当前掘进段的盾构机被动响应参数。该步骤具体包括:
将所述当前掘进段的地质信息编码、所述当前掘进段的几何参数和当前掘进段的盾构机技术参数输入至所述地表沉降预测模型中,预测得到当前掘进段的地表收敛沉降;其中,所述地表沉降预测模型是以历史掘进段的地质信息编码、历史掘进段的几何参数和历史掘进段的实际盾构机技术参数为输入,以历史掘进段的预测地表收敛沉降为输出,以历史掘进段的预测地表收敛沉降与历史掘进段的实际地表收敛沉降的误差满足设定条件为目标训练得到的。
步骤106:判断所述地表收敛沉降是否在设定地表沉降控制目标范围内,得到第一判断结果。
步骤107:若所述第一判断结果为否,则采用寻优算法,根据所述历史掘进参数重新生成当前掘进段的盾构机主动控制参数,并返回“根据所述当前掘进段的盾构机主动控制参数、当前掘进段的隧道前方地质编码和盾构响应参数预测模型预测当前掘进段的盾构机被动响应参数”的步骤。
步骤108:若所述第一判断结果为是,则根据设定泥水压力控制目标和所述历史掘进参数确定当前掘进段的泥水控制系统参数,并将所述当前掘进段的盾构机技术参数和所述当前掘进段的泥水控制系统参数作为建议掘进参数输出;所述建议掘进参数用于辅助盾构机驾驶人员驾驶盾构机完成掘进工作;所述泥水控制系统参数包括:泥水舱主动控制参数和泥水舱被动响应参数;所述泥水舱主动控制参数包括:进浆流量、出浆流量和气舱压力;所述泥水舱被动响应参数包括:切口压力;所述设定泥水压力控制目标是根据所述当前掘进段的盾构机主动控制参数中的泥水舱压力确定的。
进一步地,步骤102具体包括:
步骤102.1:将所述当前掘进段的地质勘测探孔数据按照土质物理力学参数的不同划分为多个土层类别;多个所述土层类别包括:粘性土、粉土、沙土、砂石和岩石。
步骤102.2:对盾构机前方隧道区域内的各所述土层类别的高度信息和厚度信息进行编码,得到当前掘进段的隧道前方地质编码。
步骤102.3:对盾构机前方隧道上方的各所述土层类别的高度信息和厚度信息进行编码,得到当前掘进段的隧道上方地质编码。
步骤102.4:将所述当前掘进段的隧道前方地质编码和所述当前掘进段的隧道上方地质编码作为当前掘进段的地质信息编码。
进一步地,在步骤108中,所述根据设定泥水压力控制目标和所述历史掘进参数确定当前掘进段的泥水控制系统参数,并将所述当前掘进段的盾构机技术参数和所述当前掘进段的泥水控制系统参数作为建议掘进参数输出,具体包括:
步骤108.1:根据所述历史掘进参数生成当前掘进段的泥水舱主动控制参数。
步骤108.2:根据所述当前掘进段的泥水舱主动控制参数和泥水响应参数预测模型预测当前掘进段的泥水舱被动响应参数。该步骤具体包括:
将所述当前掘进段的泥水舱主动控制参数输入至所述泥水响应参数预测模型中,预测得到当前掘进段的泥水舱被动响应参数;其中,所述泥水响应参数预测模型是以历史掘进段的实际泥水舱主动控制参数为输入,以历史掘进段的预测泥水舱被动响应参数为输出,以历史掘进段的预测泥水舱被动响应参数与历史掘进段的实际泥水舱被动响应参数的误差满足设定条件为目标训练得到的。所述设定条件优选为在设定个数的训练轮次内所有训练样本的总误差最小或所有训练样本的总误差小于设定阈值。
步骤108.3:判断所述当前掘进段的泥水舱被动响应参数是否在设定泥水压力控制目标范围内,得到第二判断结果。
步骤108.4:若所述第二判断结果为否,则采用寻优算法,根据所述历史掘进参数重新生成当前掘进段的泥水舱主动控制参数,并返回步骤108.2。
步骤108.5:若所述第二判断结果为是,则将所述当前掘进段的盾构机技术参数和所述当前掘进段的泥水控制系统参数作为建议掘进参数输出。
优选地,所述方法还包括:在当前掘进段完成掘进后,获取当前掘进段的实际盾构机技术参数、当前掘进段的实际泥水控制系统参数和当前掘进段的实际地表收敛沉降并输入至工程数据库中,作为历史掘进参数;所述历史掘进参数用于训练预测模型以及确定下一掘进段的盾构机主动控制参数和泥水舱主动控制参数;所述预测模型包括:所述盾构响应参数预测模型、所述地表沉降预测模型和所述泥水响应参数预测模型。
为了执行上述实施例一对应的方法,以实现相应的功能和技术效果,本实施例还提供一种泥水平衡盾构智能决策系统。如图2所示,所述系统包括:
数据获取模块201,用于获取盾构隧道的当前掘进段的地质勘测探孔数据和当前掘进段的几何参数;所述几何参数包括:隧道直径、隧道埋深、管片厚度和地下水位。
地质信息编码模块202,用于根据所述当前掘进段的地质勘测探孔数据确定当前掘进段的地质信息编码;所述地质信息编码包括:隧道前方地质编码和隧道上方地质编码。
盾构控制参数生成模块203,用于根据历史掘进参数生成当前掘进段的盾构机主动控制参数;所述盾构机主动控制参数包括:推进速度、刀盘转速和泥水舱压力。
盾构响应参数预测模块204,用于根据所述当前掘进段的盾构机主动控制参数、当前掘进段的隧道前方地质编码和盾构响应参数预测模型预测当前掘进段的盾构机被动响应参数;所述盾构机被动响应参数包括:总推力和刀盘扭矩。
地表沉降预测模块205,用于根据所述当前掘进段的地质信息编码、所述当前掘进段的几何参数、当前掘进段的盾构机技术参数和地表沉降预测模型预测当前掘进段的地表收敛沉降;所述当前掘进段的盾构机技术参数包括:所述当前掘进段的盾构机主动控制参数和所述当前掘进段的盾构机被动响应参数。
沉降控制目标判断模块206,用于判断所述地表收敛沉降是否在设定地表沉降控制目标范围内,得到第一判断结果。
盾构控制参数优化模块207,用于若所述第一判断结果为否,则采用寻优算法,根据所述历史掘进参数重新生成当前掘进段的盾构机主动控制参数,并返回所述盾构响应参数预测模块204。
泥水压力控制模块208,用于若所述第一判断结果为是,则根据设定泥水压力控制目标和所述历史掘进参数确定当前掘进段的泥水控制系统参数,并将所述当前掘进段的盾构机技术参数和所述当前掘进段的泥水控制系统参数作为建议掘进参数输出;所述建议掘进参数用于辅助盾构机驾驶人员驾驶盾构机完成掘进工作;所述泥水控制系统参数包括:泥水舱主动控制参数和泥水舱被动响应参数;所述泥水舱主动控制参数包括:进浆流量、出浆流量和气舱压力;所述泥水舱被动响应参数包括:切口压力;所述设定泥水压力控制目标是根据所述当前掘进段的盾构机主动控制参数中的泥水舱压力确定的。
进一步地,所述系统还包括:
工程数据处理模块,用于在当前掘进段完成掘进后,获取当前掘进段的实际盾构机技术参数、当前掘进段的实际泥水控制系统参数和当前掘进段的实际地表收敛沉降并输入至工程数据库中,作为历史掘进参数;所述历史掘进参数用于训练预测模型以及确定下一掘进段的盾构机主动控制参数和泥水舱主动控制参数;所述预测模型包括:所述盾构响应参数预测模型、所述地表沉降预测模型和所述泥水响应参数预测模型。
由于该泥水平衡盾构智能决策系统与上述泥水平衡盾构智能决策方法相对应,因此对于与方法部分相同或相应内容,在此不做赘述。
实施例二
本实施例结合实施例一中提供的泥水平衡盾构智能决策方法及系统,对泥水平衡盾构智能决策系统中主要模块的作用及工作流程进行详细论述。
首先,为便于理解,下面对隧道施工工程领域的部分专业名词进行解释:
盾构施工:地铁隧道施工时,对于以土质为主的区间,采用盾构机施工的地铁隧道施工。
盾构施工沉降:由于盾构施工时会不可避免的造成地层扰动,而地层扰动进一步发展到地表时就会发生地表沉降。
盾构机主动控制参数:泥水平衡盾构机施工过程中,盾构机驾驶主要是通过控制盾构机的推进速度与刀盘转速稳定在一定数值范围内来控制盾构机参数的,所以盾构机的泥水舱压力、刀盘转速和推进速度可以作为盾构机控制的主动控制参数。
盾构机被动响应参数:盾构机在控制推进速度、刀盘转速和泥水舱压力在不同的地层中掘进时,盾构机的刀盘扭矩与总推力会由于地层的不同而不同,是盾构机的被动响应参数。
为实现盾构机的正常掘进,保证施工质量,需要盾构机操作员设置盾构机合理的主动参数。但目前没有实现盾构机掘进参数决策的智能系统,因为盾构机主动控制参数与工程质量的关系是复杂的,同时缺少盾构机参数的控制标准。需要了解盾构机参数与工程质量间关系,建立选取合适的控制标准,才能实现盾构机参数的智能决策。
如图3所示,本实施例对智能决策系统中的六个主要模块展开论述,分别为地质信息编码模块、盾构响应参数预测模块、地表沉降预测模块、盾构控制参数优化模块、泥水压力控制模块和工程数据处理模块,上述六个模块包括传统的数据收集模块和数据储存模块,同时还有基于收集数据的不同类型智能预测模块,并且还能够根据预测模型寻找最优化的盾构工程施工参数,给予工程施工人员建议,保障工程施工安全与高效。
(1)地质信息编码模块
地质信息编码模块是基于地质勘测中的探孔数据形成盾构隧道上方与盾构隧道前方的地质信息编码的模块。地质勘测探孔数据首先需要依据土质物理力学参数,如摩擦角,粘聚力,压缩模量或标准贯入度等,划分为五个类别。这五个类别包括粘性土、粉土、沙土、砂石和岩石。然后将每一个土层的高度与厚度信息进行地质信息编码,分别形成高度信息数组与厚度信息数组。盾构隧道的结构参见图4,由于隧道上方的地层力学响应与隧道区域内的地层力学响应程度不同,故隧道上方的地质信息与隧道处的地质信息需要分别输入,保证输入信息不会相互掩盖。根据探孔信息的线性插值,获取盾构隧道每一环的隧道上方与隧道前方的地层信息编码。地质信息编码将作为盾构响应参数预测模块与地表沉降预测模块的输入。
具体地,地质信息编码模块的输入为地质勘测探孔数据,输出为隧道上方地质信息编码与隧道前方地质信息编码。
(2)盾构响应参数预测模块
在盾构掘进过程中,与土层具有相互作用关系的盾构机技术参数有五种,其中部分参数为主动控制参数,该参数在掘进中由盾构机驾驶人员主动控制,一般为推进速度、刀盘转速和泥水舱压力;其余参数为被动响应参数,是盾构机主动控制参数对掘进地层的响应,由主动控制参数与地层性质共同决定,一般为总推力和刀盘扭矩。在盾构机掘进中,盾构机驾驶人员控制主动控制参数,盾构机的数据获取系统会获取盾构机的所有参数,包括主动控制参数与被动响应参数。对于已经掘进的区域,盾构机的所有技术参数都被盾构系统收集下来。但是对于盾构机刀盘前方未掘进段所有盾构机参数却是未知的,其中主动控制参数可以由驾驶人员主动控制,而被动响应参数则由系统进行预测,与有盾构机驾驶人员控制的主动控制参数共同组成未开挖段的盾构机技术参数。并且根据掘进方式的不同,盾构机的主动控制与被动响应参数会有所不同。
盾构响应参数预测模块的输入为隧道前方的地质编码与假定的盾构机主动控制参数(根据历史掘进参数随机生成),输出为未开挖段(即当前掘进段)的盾构机技术参数。
(3)地表沉降预测模块
地表沉降预测模块根据盾构隧道的几何参数、地质参数、盾构机技术参数预测盾构机前方测点的地表收敛沉降。优选地,上述所有参数都包括预测截面的前后五环范围所有环的所有参数。其中盾构几何参数包括隧道直径、隧道轴线埋深、隧道管片厚度和地下水位。地质参数包括由地质信息编码模块获取的隧道上方地质编码与隧道前方地质编码。盾构机的技术参数包括由系统获取的盾构机技术参数与由盾构响应参数预测模块获取的未开挖段盾构机技术参数。
地表沉降预测模块的输入为盾构工程几何参数、隧道上方地质信息编码、隧道前方地质信息编码与完整的盾构机技术参数,输出为地表的收敛沉降值。
(4)盾构控制参数优化模块
盾构控制参数优化模块基于盾构响应参数预测模块与地表沉降预测模块,实现对盾构机主动控制参数的最优化选取。优选地,首先模块将最临近的已开挖段的主动控制参数作为盾构响应参数预测模块的输入,获取完整的盾构刀盘前方的完整盾构技术参数。然后将参数代入地表沉降预测模块,获取预测的地表收敛沉降。如果预测的地表收敛沉降满足沉降控制要求,该主动控制参数是最优化的主动控制参数的目标。如果预测的地表沉降不满足沉降控制要求,则需要根据寻优算法在原主动控制参数的基础上改变主动控制参数,重新输入到盾构响应参数预测模块,循环往复,直到预测沉降满足地表沉降控制要求。
盾构控制参数优化模块的输入为初始主动控制参数与地表沉降控制目标,输出为最优化的盾构机主动控制参数。
(5)泥水压力控制模块
泥水压力作为泥水平衡盾构机开挖隧道区别于其他工法的主要特征。泥水压力的控制尤为复杂,需要多个控制系统间的协同工作。本模块以盾构控制参数优化模块的最优化的泥水舱压力(通常由切口压力反映)为控制目标,以空气舱压力(即气舱压力)、进浆流量和出浆流量为控制手段。通过调节空气舱压力、进浆流量和出浆流量,保证泥水舱压力达到目标值,从而保证地表沉降。
泥水压力控制模块的输入为泥水压力优化值(即泥水压力控制目标),输出为泥水舱压力符合控制目标要求时的空气舱压力、进浆流量和出浆流量。
(6)工程数据处理模块
对于盾构掘进每一环掘进完成后,需要将收集的监测数据与盾构机系统记录的盾构机技术参数录入系统,并且对数据进行处理,用于地表沉降预测模块的模型与盾构响应参数预测模块的模型的进一步训练。具体地,对于地表沉降监测数据,需要判断测点的收敛沉降。对于盾构机技术参数,需要进行数据划分、除错、降噪和加权平均等,以获取每一环的加权平均数以代表每一环盾构机的状态。地表收敛沉降主要用于地表沉降预测模块,而处理的盾构机技术参数同时运用于盾构响应参数预测模块和地表沉降预测模块。
此外,对于泥水压力控制模块,若需要预测泥水控制系统参数中的被动响应参数,则还需要收集泥水控制系统参数录入系统,并且对数据进行处理,用于泥水响应参数预测模型的进一步训练,其数据处理方式与盾构机技术参数的数据处理方式类似,在此不做赘述。
工程数据处理模块的输入为地表原始监测数据与盾构机系统收集的全量数据,输出为地表收敛沉降与每一环的盾构机技术参数。
智能决策系统的工作流程如图5所示。首先,在系统模型运算前,盾构工程的数字孪生模型工程数据库会在工程开始前收集到足够数据。内容包括工程的地质勘测探孔数据(作为地质信息编码模块的输入)、盾构工程的几何数据(作为地表沉降预测模块的输入),工程所有环号的盾构机技术参数,包括泥水舱压力、推进速度、总推力、刀盘扭矩和刀盘转速。其中,所述几何参数具体参见表1,所述盾构机技术参数具体参见表2。
首先利用地质信息编码模块,获取隧道前方与隧道上方的地质编码。
盾构控制参数优化模块会根据以往掘进参数随机产生主动控制参数。主动控制参数与隧道前方地质编码共同输入到盾构响应参数预测模块,预测对应于此次盾构机主动控制参数的盾构机被动响应参数。预测得到的盾构机被动响应参数与本次的盾构机主动控制参数共同形成完整的盾构机技术参数。
将完整的盾构机技术参数、隧道上方地质信息编码、隧道前方地质信息编码与工程几何参数共同输入到地表预测模块,输出预测得到的地表收敛沉降。
然后判断沉降是否满足盾构控制参数优化模块的输入,即沉降控制标准,亦即设定地表沉降控制目标。如果预测沉降大于沉降控制标准,控制参数优化模块将继续产生与之前不同的主动控制参数,继续预测流程。如果预测沉降小于沉降控制标准,此时的主动控制参数将满足沉降控制标准,将此时的主动控制参数作为最优化的主动控制参数,最优化的主动控制参数将作为盾构控制参数优化模块的输出。
最优化的主动控制参数中的泥水舱压力将作为泥水压力控制模块的输入值,输出泥水压力间接控制参数(即进浆流量,出浆流量与气舱压力)。如此,最优化的盾构机技术参数(特别是其中的盾构机主动控制参数)与泥水控制系统参数(特别是其中的泥水舱主动控制参数)便作为盾构施工的建议掘进参数,盾构机驾驶人员根据工程经验和建议掘进参数合理选择实际参数。
在盾构机掘进完成后,将获取得到的地表沉降监测数据与盾构机系统收集的盾构机技术参数输入到工程数据处理模块,获取处理好的数据,即地表收敛沉降,每一环的盾构机技术参数。处理好的数据与收集到的数据都将会被放入数字孪生模型工程中,供模型训练和下一阶盾构机掘进使用。
表1数字孪生模型工程数据库几何参数详表
表2盾构机技术参数详表
进一步地,对于间接控制型泥水平衡盾构机,其工作原理为通过调整进出浆管浆液量与气舱压力控制泥水舱的泥水压力,使得盾构泥水压力与前方地层水土压力持平保持开挖面的稳定性。
作为一种具体的实施方式,对于泥水压力控制模块,其输入为优化的泥水压力(即设定泥水压力控制目标),输出为泥水控制系统参数。在泥水压力控制系统中,主动控制参数为气舱压力与进出浆管的进出浆量,通过这些参数控制了盾构机的泥水压力。盾构机的泥水压力是通过切口压力反映的,因此被动响应参数为切口压力。该模块的工作流程与盾构响应参数预测模块、地表沉降预测模块与盾构控制参数优化模块的工作流程相似,输入的优化泥水压力为其控制目标,模块不断优化主动控制参数,若当前主动控制参数对应的切口压力符合控制目标要求,则模块计算完成,输出当前的泥水控制系统参数,否则继续优化主动控制参数。所述泥水控制系统参数具体参见表3。
表3泥水控制系统参数详表
需要说明的是,对于盾构相应参数预测模块的盾构机技术参数,在盾构机掘进每一环的范围内是基本不变的,当掘进完该环后该掘进下一环前才需要进行调整。但泥水压力是需要时刻变化与前方水土压力平衡,保证开挖面稳定性的,泥水压力控制模块是输入了该环内的泥水压力优化值后输出时刻变化的泥水控制系统的参数。因此,为了减小系统的计算量,将对泥水控制系统参数的预测和优化分为了单独的泥水压力控制模块进行工作。
实施例三
本发明实施例还提供一种电子设备,包括存储器和处理器,该存储器用于存储计算机程序,该处理器用于运行计算机程序以使电子设备执行实施例一中的泥水平衡盾构智能决策方法。所述电子设备可以是服务器。
另外,本发明还提供一种计算机可读存储介质,其存储有计算机程序,该计算机程序被处理器执行时实现实施例一中的泥水平衡盾构智能决策方法。
本发明提供一种泥水平衡盾构智能决策方法、系统、设备及介质,利用智能深度学习技术与专业知识,构建多个模块,模块之间利用参数相互连接。最终使系统能够辅助盾构机操作人员驾驶盾构机。系统能够利用物联网技术对施工参数与监测数据进行实时获取并利用神经网络对数据进行分析。神经网络通过学习前面的实际工程数据,利用当前环地质数据与几何数据预测盾构参数,将预测的盾构参数与几何、地质数据输入网络预测沉降数据,并通过沉降控制值与预测值来调整盾构参数实现对于盾构参数与地表沉降的控制。与现有技术相比,本发明具有以下优势:
本发明将盾构机的技术参数分为主动控制参数与被动响应参数,利用神经网络模型提取参数的时空特性,充分挖掘影响决策的多源异构数据的价值,基于土体力学响应基础,建立系统六大功能模块,实现对于盾构参数的决策,搭建盾构参数智能决策系统。本发明基于模块化结构,结合深度学习等智能技术与传统的理论知识,实现对盾构机控制参数的决策。相较于只使用智能技术的盾构机参数预测,具有更高的可信度。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种泥水平衡盾构智能决策方法,其特征在于,所述方法包括:
获取盾构隧道的当前掘进段的地质勘测探孔数据和当前掘进段的几何参数;所述几何参数包括:隧道直径、隧道埋深、管片厚度和地下水位;
根据所述当前掘进段的地质勘测探孔数据确定当前掘进段的地质信息编码;所述地质信息编码包括:隧道前方地质编码和隧道上方地质编码;
根据历史掘进参数生成当前掘进段的盾构机主动控制参数;所述盾构机主动控制参数包括:推进速度、刀盘转速和泥水舱压力;
根据所述当前掘进段的盾构机主动控制参数、当前掘进段的隧道前方地质编码和盾构响应参数预测模型预测当前掘进段的盾构机被动响应参数;所述盾构机被动响应参数包括:总推力和刀盘扭矩;
根据所述当前掘进段的地质信息编码、所述当前掘进段的几何参数、当前掘进段的盾构机技术参数和地表沉降预测模型预测当前掘进段的地表收敛沉降;所述当前掘进段的盾构机技术参数包括:所述当前掘进段的盾构机主动控制参数和所述当前掘进段的盾构机被动响应参数;
判断所述地表收敛沉降是否在设定地表沉降控制目标范围内,得到第一判断结果;
若所述第一判断结果为否,则采用寻优算法,根据所述历史掘进参数重新生成当前掘进段的盾构机主动控制参数,并返回“根据所述当前掘进段的盾构机主动控制参数、当前掘进段的隧道前方地质编码和盾构响应参数预测模型预测当前掘进段的盾构机被动响应参数”的步骤;
若所述第一判断结果为是,则根据设定泥水压力控制目标和所述历史掘进参数确定当前掘进段的泥水控制系统参数,并将所述当前掘进段的盾构机技术参数和所述当前掘进段的泥水控制系统参数作为建议掘进参数输出;所述建议掘进参数用于辅助盾构机驾驶人员驾驶盾构机完成掘进工作;所述泥水控制系统参数包括:泥水舱主动控制参数和泥水舱被动响应参数;所述泥水舱主动控制参数包括:进浆流量、出浆流量和气舱压力;所述泥水舱被动响应参数包括:切口压力;所述设定泥水压力控制目标是根据所述当前掘进段的盾构机主动控制参数中的泥水舱压力确定的。
2.根据权利要求1所述的泥水平衡盾构智能决策方法,其特征在于,所述根据设定泥水压力控制目标和所述历史掘进参数确定当前掘进段的泥水控制系统参数,并将所述当前掘进段的盾构机技术参数和所述当前掘进段的泥水控制系统参数作为建议掘进参数输出,具体包括:
根据所述历史掘进参数生成当前掘进段的泥水舱主动控制参数;
根据所述当前掘进段的泥水舱主动控制参数和泥水响应参数预测模型预测当前掘进段的泥水舱被动响应参数;
判断所述当前掘进段的泥水舱被动响应参数是否在设定泥水压力控制目标范围内,得到第二判断结果;
若所述第二判断结果为否,则采用寻优算法,根据所述历史掘进参数重新生成当前掘进段的泥水舱主动控制参数,并返回“根据所述当前掘进段的泥水舱主动控制参数和泥水响应参数预测模型预测当前掘进段的泥水舱被动响应参数”的步骤;
若所述第二判断结果为是,则将所述当前掘进段的盾构机技术参数和所述当前掘进段的泥水控制系统参数作为建议掘进参数输出。
3.根据权利要求2所述的泥水平衡盾构智能决策方法,其特征在于,所述方法还包括:
在当前掘进段完成掘进后,获取当前掘进段的实际盾构机技术参数、当前掘进段的实际泥水控制系统参数和当前掘进段的实际地表收敛沉降并输入至工程数据库中,作为历史掘进参数;所述历史掘进参数用于训练预测模型以及确定下一掘进段的盾构机主动控制参数和泥水舱主动控制参数;所述预测模型包括:所述盾构响应参数预测模型、所述地表沉降预测模型和所述泥水响应参数预测模型。
4.根据权利要求1所述的泥水平衡盾构智能决策方法,其特征在于,所述根据所述当前掘进段的地质勘测探孔数据确定当前掘进段的地质信息编码,具体包括:
将所述当前掘进段的地质勘测探孔数据按照土质物理力学参数的不同划分为多个土层类别;多个所述土层类别包括:粘性土、粉土、沙土、砂石和岩石;
对盾构机前方隧道区域内的各所述土层类别的高度信息和厚度信息进行编码,得到当前掘进段的隧道前方地质编码;
对盾构机前方隧道上方的各所述土层类别的高度信息和厚度信息进行编码,得到当前掘进段的隧道上方地质编码;
将所述当前掘进段的隧道前方地质编码和所述当前掘进段的隧道上方地质编码作为当前掘进段的地质信息编码。
5.根据权利要求1所述的泥水平衡盾构智能决策方法,其特征在于,所述根据所述当前掘进段的盾构机主动控制参数、当前掘进段的隧道前方地质编码和盾构响应参数预测模型预测当前掘进段的盾构机被动响应参数,具体包括:
将所述当前掘进段的盾构机主动控制参数和所述当前掘进段的隧道前方地质编码输入至所述盾构响应参数预测模型中,预测得到当前掘进段的盾构机被动响应参数;
所述盾构响应参数预测模型是以历史掘进段的实际盾构机主动控制参数和历史掘进段的隧道前方地质编码为输入,以历史掘进段的预测盾构机被动响应参数为输出,以历史掘进段的预测盾构机被动响应参数与历史掘进段的实际盾构机被动响应参数的误差满足设定条件为目标训练得到的。
6.根据权利要求1所述的泥水平衡盾构智能决策方法,其特征在于,所述根据所述当前掘进段的地质信息编码、所述当前掘进段的几何参数、当前掘进段的盾构机技术参数和地表沉降预测模型预测当前掘进段的地表收敛沉降,具体包括:
将所述当前掘进段的地质信息编码、所述当前掘进段的几何参数和当前掘进段的盾构机技术参数输入至所述地表沉降预测模型中,预测得到当前掘进段的地表收敛沉降;
所述地表沉降预测模型是以历史掘进段的地质信息编码、历史掘进段的几何参数和历史掘进段的实际盾构机技术参数为输入,以历史掘进段的预测地表收敛沉降为输出,以历史掘进段的预测地表收敛沉降与历史掘进段的实际地表收敛沉降的误差满足设定条件为目标训练得到的。
7.根据权利要求2所述的泥水平衡盾构智能决策方法,其特征在于,所述根据所述当前掘进段的泥水舱主动控制参数和泥水响应参数预测模型预测当前掘进段的泥水舱被动响应参数,具体包括:
将所述当前掘进段的泥水舱主动控制参数输入至所述泥水响应参数预测模型中,预测得到当前掘进段的泥水舱被动响应参数;
所述泥水响应参数预测模型是以历史掘进段的实际泥水舱主动控制参数为输入,以历史掘进段的预测泥水舱被动响应参数为输出,以历史掘进段的预测泥水舱被动响应参数与历史掘进段的实际泥水舱被动响应参数的误差满足设定条件为目标训练得到的。
8.一种泥水平衡盾构智能决策系统,其特征在于,所述系统包括:
数据获取模块,用于获取盾构隧道的当前掘进段的地质勘测探孔数据和当前掘进段的几何参数;所述几何参数包括:隧道直径、隧道埋深、管片厚度和地下水位;
地质信息编码模块,用于根据所述当前掘进段的地质勘测探孔数据确定当前掘进段的地质信息编码;所述地质信息编码包括:隧道前方地质编码和隧道上方地质编码;
盾构控制参数生成模块,用于根据历史掘进参数生成当前掘进段的盾构机主动控制参数;所述盾构机主动控制参数包括:推进速度、刀盘转速和泥水舱压力;
盾构响应参数预测模块,用于根据所述当前掘进段的盾构机主动控制参数、当前掘进段的隧道前方地质编码和盾构响应参数预测模型预测当前掘进段的盾构机被动响应参数;所述盾构机被动响应参数包括:总推力和刀盘扭矩;
地表沉降预测模块,用于根据所述当前掘进段的地质信息编码、所述当前掘进段的几何参数、当前掘进段的盾构机技术参数和地表沉降预测模型预测当前掘进段的地表收敛沉降;所述当前掘进段的盾构机技术参数包括:所述当前掘进段的盾构机主动控制参数和所述当前掘进段的盾构机被动响应参数;
沉降控制目标判断模块,用于判断所述地表收敛沉降是否在设定地表沉降控制目标范围内,得到第一判断结果;
盾构控制参数优化模块,用于若所述第一判断结果为否,则采用寻优算法,根据所述历史掘进参数重新生成当前掘进段的盾构机主动控制参数,并返回所述盾构响应参数预测模块;
泥水压力控制模块,用于若所述第一判断结果为是,则根据设定泥水压力控制目标和所述历史掘进参数确定当前掘进段的泥水控制系统参数,并将所述当前掘进段的盾构机技术参数和所述当前掘进段的泥水控制系统参数作为建议掘进参数输出;所述建议掘进参数用于辅助盾构机驾驶人员驾驶盾构机完成掘进工作;所述泥水控制系统参数包括:泥水舱主动控制参数和泥水舱被动响应参数;所述泥水舱主动控制参数包括:进浆流量、出浆流量和气舱压力;所述泥水舱被动响应参数包括:切口压力;所述设定泥水压力控制目标是根据所述当前掘进段的盾构机主动控制参数中的泥水舱压力确定的。
9.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行如权利要求1至7中任意一项所述的泥水平衡盾构智能决策方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的泥水平衡盾构智能决策方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211531485.8A CN115773127A (zh) | 2022-12-01 | 2022-12-01 | 一种泥水平衡盾构智能决策方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211531485.8A CN115773127A (zh) | 2022-12-01 | 2022-12-01 | 一种泥水平衡盾构智能决策方法、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115773127A true CN115773127A (zh) | 2023-03-10 |
Family
ID=85390979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211531485.8A Pending CN115773127A (zh) | 2022-12-01 | 2022-12-01 | 一种泥水平衡盾构智能决策方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115773127A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117592163A (zh) * | 2023-12-04 | 2024-02-23 | 南宁轨道交通建设有限公司 | 盾构隧道纵向差异沉降治理的辅助决策方法 |
CN118070567A (zh) * | 2024-04-18 | 2024-05-24 | 安徽省交通控股集团有限公司 | 基于隧道施工环境量化模拟的盾构速度控制系统及方法 |
-
2022
- 2022-12-01 CN CN202211531485.8A patent/CN115773127A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117592163A (zh) * | 2023-12-04 | 2024-02-23 | 南宁轨道交通建设有限公司 | 盾构隧道纵向差异沉降治理的辅助决策方法 |
CN117592163B (zh) * | 2023-12-04 | 2024-04-16 | 南宁轨道交通建设有限公司 | 盾构隧道纵向差异沉降治理的辅助决策方法 |
CN118070567A (zh) * | 2024-04-18 | 2024-05-24 | 安徽省交通控股集团有限公司 | 基于隧道施工环境量化模拟的盾构速度控制系统及方法 |
CN118070567B (zh) * | 2024-04-18 | 2024-07-23 | 安徽省交通控股集团有限公司 | 基于隧道施工环境量化模拟的盾构速度控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115773127A (zh) | 一种泥水平衡盾构智能决策方法、系统、设备及介质 | |
KR102211421B1 (ko) | 터널 굴진면의 전방 지질 상태 예측에 기반한 tbm 제어 파라미터 결정 방법 및 시스템 | |
RU2414743C2 (ru) | Способ для интерактивной автоматической обработки моделирования разломов, включающий в себя способ для интеллектуального распознавания взаимосвязей разлом-разлом | |
KR102003612B1 (ko) | 쉴드 tbm의 실굴진속도 예측 장치 및 그 방법 | |
CN114329936B (zh) | 基于多智能体深度强化学习的虚拟综采生产系统推演方法 | |
KR102294384B1 (ko) | 머신러닝을 이용한 굴진율 예측 시추운전가이드 모델 구축방법 및 이를 이용한 굴진율 예측시스템 | |
CN111967079A (zh) | 一种基于改进的人工蜂群算法与bp神经网络的基坑变形预测方法 | |
CN112901195B (zh) | 一种悬臂纵轴式掘进机自动断面成形控制系统及方法 | |
CN113255990A (zh) | 盾构法隧道施工开挖面土质实时预测系统及方法 | |
CN112502613B (zh) | 一种钻井方法及装置 | |
CN117556687A (zh) | 一种隧道爆破参数确定方法、系统、电子设备及介质 | |
CN117910112A (zh) | 一种tbm隧道岩爆段支护方案智能设计方法 | |
CN115455727A (zh) | 数字孪生驱动的综采装备与煤层耦合系统优化决策方法 | |
CN117973007A (zh) | 隧道钻爆参数控制方法、装置、设备及可读存储介质 | |
EP4240941A1 (en) | Agent guided drilling assessment | |
CN117172360A (zh) | 一种基于mlp和高效pso的钻井机械钻速优化方法、系统、设备及介质 | |
JP7492482B2 (ja) | シールド掘進機の掘進予測モデル | |
CN115796019A (zh) | 一种基于数据驱动盾构施工参数多目标优化的方法 | |
JP7544633B2 (ja) | シールド掘進機の施工管理方法 | |
CN113282990A (zh) | 一种盾构运动轨迹的智能化实时确定方法、终端和介质 | |
CN113486463A (zh) | 基于深度强化学习的盾构最优自主掘进控制方法 | |
CN115769216A (zh) | 用于数值模拟的智能时间步进 | |
JP2022143627A (ja) | シールド掘進機の掘進予測モデル | |
GB2595944A (en) | Metric-based sustainability index for wellbore life cycle | |
CN117404099B (zh) | 一种基于XGBoost算法的TBM掘进速度智能控制方法 |
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 |