面向智能盾构施工的人因研究综述

为提高盾构司机对智能盾构的接受度和适应性、实现人机协同,以智能化、人因工程和工程建造为主题进行关键词检索。通过文献分析软件VOSviewer对178篇文献的关键词进行共现分析,形成人机信任、人因风险和人因设计3个研究维度,并对3个主题下的文献进行综述;通过对主题关键词的引用时间进行归纳总结,发现人机协同是人与智能施工机械交互的重要研究趋势。在此基础上得到智能盾构人因研究启示,根据实际项目数据分析发现,解释性是提高人对智能盾构接受度的关键,同时提出从完善人工作负荷测量、应用数字化技术等方面增强人的适应性;从人机智能融合、人机功能分配、工作模式设计等方面实现人机协同。

基于数据驱动的盾构自主姿态控制体系设计和应用

为改变盾构掘进过程中姿态控制容易出现不够稳定、准确的问题,提出一种综合人工智能和传统控制理论思想的盾构姿态自主控制体系,以提高成型隧道质量,减少对环境的扰动。控制体系分为规划层和执行层:1)规划层采用集合经验模态分解方法,将原始数据中的高频原始信号平稳化处理后,通过盾构施工过程历史数据和实时数据的离线和在线训练建立盾构运动模型,基于设计轴线对控制轨迹进行规划;2)执行层基于神经网络构建位姿控制器模型,根据实时反馈调节推进参数,实现盾构姿态预测及自主控制。自主姿态控制体系被应用在“智驭号”盾构自主掘进控制系统中,并在杭州至绍兴地铁隧道项目柯桥—笛扬路区间左线施工现场中使用。结果表明,该控制体系的预测准确率、控制精度和稳定性均显著高于人工控制水平。

盾构自动驾驶性能评价体系设计和应用

针对当前自主驾驶盾构评价缺乏一套系统、客观、全面的评价标准和方法的问题,在分析当前盾构自主驾驶发展现状基础上,围绕隧道质量、环境安全、掘进效率、控制性能和用户体验5个维度建立了盾构自动驾驶性能评价体系。并以此为基础,以“智驭号”盾构自主掘进控制系统在南京和郑州的应用为例,对项目的自动驾驶性能进行评价和分析。评价结果表明:“智驭号”盾构自主掘进控制系统在各维度下控制效果好,对不同情况适应性强,但在高程下坡姿态控制、自立性差的土层中的沉降控制、砂性土中速度和转矩的控制方面有提升的空间,掘进效率方面也有改进的空间。该评价体系能够科学准确地识别盾构自动驾驶系统性能的特点、实现简洁清晰的评分。评价体系不仅有助于定量化地分析各个控制系统的特点,而且还可以帮助开发者和实施者发现盾构自动驾驶系统存在的问题,为盾构自动驾驶技术发展和工业化应用提供参考。

基于过程数据的工程项目管理团队绩效评价

为科学合理的设计绩效指标实现对项目管理团队的定量化评价,在总结、提炼、修正已有评价指标的基础上,建立了一个公正、稳定、可量化的绩效考核评价体系。该体系从业绩、能力、态度出发,规避传统评价体系中定性指标难以获取且主观性较强的弊端,创造性地结合智能化工程管理平台中的过程数据,通过对文本和数值数据进行筛选、清洗、转化等处理步骤,将总体指标量化为底层指标。案例结果表明,该评价体系具有一定的准确性,为评价方法提供了一个全新的视角。

隧道机电设备长期性能维修策略动态选择

机电系统可靠性是隧道安全运营的重要保障。如何从成本和性能控制角度,选择合理的维修策略成为运维实践中一个重要问题。为解决目前研究中设备维修策略存在的程式化问题,在保障设备完好率满足规范的前提下,综合考虑设备运维长期的维修成本和社会成本,基于设备可靠度变化趋势预测,提出了维修策略动态选择模型(MSDSM)。利用该模型,结合大连路隧道机电设备的历史数据,以排水泵为例分析不同情形下维修策略选择的规律,结果表明:1)在设备全生命周期采取预防维修策略,有助于节约设备的养护成本;2)结合预防维修的效果,一般在设备寿命前期采取预防维修策略,在设备寿命后期采取预防更换策略。

数据和知识双驱动下的土压平衡盾构结泥饼事件预警模型

针对施工中结泥饼事件成因机制复杂、预判难度大的问题,从数据建模和知识推理2种角度综合判断盾构结泥饼事件概率。从数据建模角度,采用无阈值递归图转换和极限学习机自编码器技术建立基于施工多维时序数据的结泥饼异常诊断子模型;从知识推理角度,提取土压平衡盾构结泥饼事件规则,形成事件诊断知识库,建立基于历史施工经验的结泥饼事件诊断子模型。基于2个子模型输出结果,采用综合概率法,建立数据和知识双驱动的结泥饼事件预警模型。实际工程应用表明:数据和知识双驱动的预警模型能够有效预测结泥饼事件,且预警效果优于单一形式的子模型,较子模型的误报率更低,预警时间早于人工发现的结泥饼事件,为工程安全提供了技术保障。

基于Transformer的盾构泥水舱液位智能预测与控制

泥水液位控制是泥水平衡盾构施工的关键环节,其通过调节泥水循环系统参数进行控制。由于长距离的管道泥水运输,系统存在显著的时滞效应,其控制特性也随地质和管道长度的变化而改变,依靠人工或传统控制方法难以实现准确控制。为解决这一难题并确保盾构推进过程中切口压力的稳定,通过对盾构泥水循环系统控制机制的深入分析,提出一种基于Transformer的盾构泥水舱液位智能预测与控制方法,该方法采用Transformer网络对泥水循环系统的动态特性进行建模,通过迭代多步预测方法对给定控制参数序列下的未来液位情况进行预测。此外,为了优化控制性能并满足系统约束,引入自适应梯度下降方法来解决优化问题及其约束条件,以获得系统的最优控制参数。该方法在苏州河段深层排水隧道的施工数据集上进行仿真验证,试验结果表明:1)在粉砂夹粉质黏土地层的泥水盾构隧道施工中,所提出的控制方法能够有效提高泥水循环系统的控制效果;2)通过与传统控制方法的比较,该智能控制方法显示出更高的控制精度和稳定性,证明其在盾构施工中的应用价值。