一种盾构机部件强化修复过程控制方法及系统与流程

摘要: 本技术涉及盾构机部件强化修复,尤其涉及一种盾构机部件强化修复过程控制方法及系统。背景技术:1、在大型隧道工程中,盾构机刀盘、刀具等关键部件长期在极端恶劣地质条件...
一种盾构机部件强化修复过程控制方法及系统与流程

本技术涉及盾构机部件强化修复,尤其涉及一种盾构机部件强化修复过程控制方法及系统。

背景技术:

1、在大型隧道工程中,盾构机刀盘、刀具等关键部件长期在极端恶劣地质条件下工作,导致其表面产生严重的磨损、裂纹。

2、为了保证施工进度和安全,这些磨损部件需要定期进行强化修复。传统的修复方式严重依赖经验丰富的焊接技师,通过手工堆焊或火焰喷涂等方式进行,不仅劳动强度大、工作环境差,而且修复质量的稳定性和一致性难以保证。

3、为了解决这些问题,引入了自动化修复系统。该系统通过三维视觉扫描获取磨损区域精确轮廓,与原始设计模型比对,计算修复材料量和修复路径。中央控制台根据预设修复工艺数据库生成初始修复作业指令,包括机器人运动轨迹、激光或等离子弧功率、送粉或送丝速率、保护气体流量等关键参数。修复过程中,熔池温度传感器、光谱分析仪等在线监测设备实时采集修复区域数据,并反馈给中央控制系统,系统根据反馈信息对修复参数进行微调,以期实现修复层厚度均匀、与基体材料结合良好。

4、然而,在实际修复作业中,盾构机刀盘本身并非均质整体,不同功能区域可能采用不同合金材料或经过不同热处理工艺,导致基体材料导热系数、热膨胀系数等物理特性在不同位置存在明显差异。此外,很多刀盘在使用过程中已经历数次修复,旧修复区域所用材料与原始基体材料性能相去甚远。当自动化系统按照统一基准参数对这样一个“非均质”工件进行修复时,当激光束或等离子弧移动到导热性较差的区域(例如,某个旧的堆焊补丁)时,即使输入的能量恒定,该区域温度也会迅速飙升,远超正常熔池温度,导致基体材料和填充材料过度烧熔,甚至产生气孔、裂纹等冶金缺陷。而当其移动到导热性非常好的区域时,又可能因热量散失太快,导致熔池温度偏低,填充材料未能与基体充分熔合,形成虚焊或假焊,严重影响结合强度,从而使得盾构机部件强化修复过程控制的效率较低。

技术实现思路

1、本技术提供一种盾构机部件强化修复过程控制方法及系统,能够提升盾构机部件强化修复过程控制的效率。

2、为达到上述目的,本技术采用如下技术方案:

3、第一方面,本技术公开了一种盾构机部件强化修复过程控制方法,包括:获取盾构机的待修复基体的目标位置类型、待修复基体的目标弹性波信号数据、待修复基体上修复材料的目标热辐射光谱信号数据和待修复基体所处环境的目标环境数据;根据目标位置类型、目标弹性波信号数据和目标热辐射光谱信号数据确定待修复基体的修复正常指数;在修复正常指数小于预设正常指数阈值的情况下,将目标位置类型、目标弹性波信号数据、目标热辐射光谱信号数据输入目标深度强化学习算法,得到目标深度强化学习算法输出的待修复基体的目标修复控制策略。

4、进一步地,根据目标位置类型、目标弹性波信号数据和目标热辐射光谱信号数据确定待修复基体的修复正常指数,包括:获取第一对应关系;第一对应关系包括多个位置类型与多个第一信息之间的一一对应关系;第一信息包括对应的正常弹性波特征和正常热辐射特征;将第一对应关系中目标位置类型对应的第一信息作为目标第一信息;根据目标第一信息、目标弹性波信号数据和目标热辐射光谱信号数据确定待修复基体的修复正常指数。

5、更加具体的,在一些实施方案中,根据目标第一信息、目标弹性波信号数据和目标热辐射光谱信号数据确定待修复基体的修复正常指数,包括:确定目标弹性波信号数据的目标弹性波特征,以及确定目标热辐射光谱信号数据的目标热辐射特征;确定目标弹性波特征与目标第一信息中的正常弹性波特征之间的第一相似度,以及确定目标热辐射特征与目标第一信息中的正常热辐射特征之间的第二相似度;将第一相似度和第二相似度的加权和作为待修复基体的修复正常指数。

6、在上述基础上,本技术进一步提出了,在得到目标深度强化学习算法输出的待修复基体的目标修复控制策略之后,该方法还包括:对待修复基体执行目标修复控制策略后,获取待修复基体的目标修复缺陷信息;根据目标修复缺陷信息对目标深度强化学习算法进行优化,得到优化后的目标深度强化学习算法。

7、优选地,目标修复缺陷信息包括缺陷的数量和每个缺陷的面积,根据目标修复缺陷信息对目标深度强化学习算法进行优化,得到优化后的目标深度强化学习算法,包括:根据缺陷的数量确定数量惩罚指数;根据缺陷的面积确定面积惩罚指数;将数量惩罚指数和面积惩罚指数的加权和作为目标修复控制策略的缺陷惩罚指数;根据缺陷惩罚指数对目标深度强化学习算法进行优化,得到优化后的目标深度强化学习算法。

8、在一种实施方式中,根据缺陷的数量确定数量惩罚指数,包括:获取盾构机修复的缺陷的最大允许数量;将缺陷的数量与最大允许数量的比值作为数量惩罚指数。

9、在另一种实施方式中,根据缺陷的面积确定面积惩罚指数,包括:获取待修复基体的基体面积;将待修复基体中缺陷的面积的总和与基体面积的比值作为面积惩罚指数。

10、为了增强功能,根据缺陷惩罚指数对目标深度强化学习算法进行优化,得到优化后的目标深度强化学习算法,包括:对待修复基体执行目标修复控制策略后,获取待修复基体的目标修复厚度;根据目标修复厚度和缺陷惩罚指数对目标深度强化学习算法进行优化,得到优化后的目标深度强化学习算法。

11、为完善方案,根据目标修复厚度和缺陷惩罚指数对目标深度强化学习算法进行优化,得到优化后的目标深度强化学习算法,包括:获取待修复基体的预设修复厚度;将目标值与预设修复厚度的比值作为厚度惩罚指数;目标值为预设修复厚度与目标修复厚度的差值的绝对值;将厚度惩罚指数与缺陷惩罚指数的加权作为目标惩罚指数;根据目标惩罚指数对目标深度强化学习算法进行优化,得到优化后的目标深度强化学习算法。

12、第二方面,本技术还公开了一种盾构机部件强化修复过程控制系统,包括:获取装置和处理装置;获取装置,用于获取盾构机的待修复基体的目标位置类型、待修复基体的目标弹性波信号数据、待修复基体上修复材料的目标热辐射光谱信号数据和待修复基体所处环境的目标环境数据;处理装置,用于根据目标位置类型、目标弹性波信号数据和目标热辐射光谱信号数据确定待修复基体的修复正常指数;处理装置,用于在修复正常指数小于预设正常指数阈值的情况下,将目标位置类型、目标弹性波信号数据、目标热辐射光谱信号数据输入目标深度强化学习算法,得到目标深度强化学习算法输出的待修复基体的目标修复控制策略。

13、有益效果:本技术公开了一种盾构机部件强化修复过程控制方法,通过获取盾构机的待修复基体的目标位置类型、目标弹性波信号数据、修复材料的目标热辐射光谱信号数据和环境数据,并根据这些数据确定待修复基体的修复正常指数。当修复正常指数低于预设阈值时,将这些数据输入目标深度强化学习算法,从而得到定制化的目标修复控制策略。该方法有效解决了现有技术中由于盾构机部件基体材料不均匀性导致的局部热量失衡问题,以及传统控制系统无法有效分辨温度异常根本原因、调节滞后的缺陷。通过综合考虑基体材料的物理特性(弹性波信号)、修复材料的热辐射特性以及环境因素,本技术能够更准确地评估基体的修复状态,并利用深度强化学习算法的自适应和优化能力,智能生成针对不同区域和材料特性的修复策略。这使得修复过程能够精准控制,避免了过度烧熔或虚焊等冶金缺陷的产生,显著提升了修复层内部质量的稳定性和一致性,降低了对经验丰富的技师的依赖,提高了修复效率和自动化水平,能够提升盾构机部件强化修复过程控制的效率。