基于随机森林-NSGA-Ⅲ的盾构姿态优化控制

为实现盾构机的姿态控制,保证隧道施工的安全和质量,提出一种将随机森林(RF)和非支配排序遗传算法-Ⅲ(NSGA-Ⅲ)相结合的混合智能框架。以武汉地铁为工程背景,选取17个影响因素作为输入变量,通过RF算法建立输入参数与盾构姿态之间的非线性映射函数关系作为NSGA-Ⅲ的适应度函数,然后通过RF算法确定关键影响因素。以盾构姿态参数绝对值最小化为目标,建立RF-NSGA-Ⅲ多目标智能优化模型,基于所提出的优化原则进行案例研究,以测试所提方法的适用性和有效性。结果表明,通过RF算法对工程实测数据进行训练模拟,得到的预测模型的精度较高;通过研发的RF-NSGA-Ⅲ智能算法,对盾构姿态的优化控制效果显著。

基于高斯Copula贝叶斯模型的盾构下穿既有隧道施工风险的分析

为对盾构下穿既有隧道施工工程安全风险进行分析和管控,提出一种基于高斯Copula贝叶斯(GCBN)模型的盾构下穿既有隧道施工风险分析方法。基于故障树建立了一套包括12个因素的施工安全风险指标体系,将贝叶斯网络的动态推理诊断与Copula理论的依赖性表达相结合,在不确定和不完全信息下构建盾构下穿既有隧道施工风险分析的GCBN模型。以武汉轨道交通12号线下穿既有7号线工程为例,利用高斯Copula识别各因素边际分布类型,计算各因素间相关系数并连接网络中结点。通过模型推理进行定性和定量分析,识别盾构下穿施工安全风险状态,分析各致险因素对风险结果的影响。最后,对敏感性高的因素采取措施进行防控。通过防控前、后模型计算结果对比,实现盾构下穿施工过程实时动态安全预警管控。实践表明:GCBN模型预测结果与专家评价结果吻合,验证了所构建GCBN风险分析模型的可靠性。