基于工业大数据的岩溶地层盾构机掘进参数动态优化方法与流程

摘要: 本发明涉及盾构隧道施工智能化控制,尤其涉及基于工业大数据的岩溶地层盾构机掘进参数动态优化方法。背景技术:1、随着城市轨道交通建设向岩溶发育地区延伸,盾构法在岩溶...
基于工业大数据的岩溶地层盾构机掘进参数动态优化方法与流程

本发明涉及盾构隧道施工智能化控制,尤其涉及基于工业大数据的岩溶地层盾构机掘进参数动态优化方法。

背景技术:

1、随着城市轨道交通建设向岩溶发育地区延伸,盾构法在岩溶地层中的应用日益增多。岩溶地层具有高度非均质性,溶洞、溶蚀裂隙和软弱填充物随机分布,给盾构掘进施工带来显著挑战。注浆加固是处理岩溶地层的常用手段,通过向溶洞和裂隙中注入浆液提高地层强度和稳定性。然而,由于岩溶地层中溶蚀通道的扩散路径高度随机,浆液的实际扩散范围难以精确控制,注浆加固体边缘往往形成“半加固半原状”的特殊界面。当盾构掘进至该界面时,刀盘一侧进入注浆加固区、另一侧仍在原状岩溶地层中,两侧地层的力学性质差异导致刀盘承受非对称载荷。

2、公布号为cn119917808a、公布日期为2025年5月2日的中国发明专利申请中,公开了基于联邦学习的岩溶地层盾构掘进参数预测方法及系统,通过构建深度学习分类模型结合多模态数据建立溶洞三维分布模型,将微观特征指标输入参数映射模型建立微观特征与掘进参数之间的内在关系,进而输出掘进参数调整指令。该发明专利申请主要侧重于基于地质探测数据的掘进参数预测,其参数映射模型以地层微观特征为输入,输出为静态的掘进参数调整量,并未针对“半加固半原状”界面工况下刀盘两侧载荷的相位差及其引发的动态响应问题进行建模与分析,也缺乏对土压平衡系统在该工况下出现的双稳态振荡现象的识别与处理机制,无法在掘进过程中根据实时采集的扭矩时序信号和土压时序信号对刀盘转速和土仓压力进行动态修正。

技术实现思路

1、针对现有技术的不足,本发明提供了基于工业大数据的岩溶地层盾构机掘进参数动态优化方法,旨在解决岩溶地层盾构掘进至注浆加固区边缘时,因刀盘两侧地层力学性质差异导致的载荷相位差引发结构共振风险、以及土压平衡系统双稳态振荡引发掌子面失稳风险的问题,通过工业大数据驱动实现掘进参数的动态优化。

2、为实现以上目的,本发明通过以下技术方案予以实现:基于工业大数据的岩溶地层盾构机掘进参数动态优化方法,包括如下步骤:

3、s1、采集盾构机掘进过程中的工业数据,工业数据包括刀盘左区扭矩时序信号、刀盘右区扭矩时序信号、土仓压力时序信号和刀盘转速时序信号;

4、s2、对刀盘左区扭矩时序信号与刀盘右区扭矩时序信号执行时域与频域分析,提取高扭矩侧扭矩峰值频率,并计算瞬时相位差序列,根据瞬时相位差序列与刀盘转速时序信号计算相位-转速耦合特征量,以相位-转速耦合特征量为寻优目标反向匹配规避刀盘结构共振的刀盘转速调节量;

5、s3、对土仓压力时序信号执行时域分割,得到压力分段时段,从各压力分段时段中提取压力值在预设稳态判别时间窗内持续高于预设第一压力阈值的时段作为高压稳态时段和持续低于预设的第二压力阈值的低压稳态时段;

6、s4、计算高压稳态时段与低压稳态时段的交替周期和过渡斜率,对交替周期与过渡斜率进行乘积运算,生成土压双稳态振荡特征值;基于刀盘转速调节量、土压双稳态振荡特征值和高扭矩侧扭矩峰值频率构成界面掘进工况的特征向量;

7、s5、将特征向量输入预构建的掘进参数动态优化模型,输出当前界面掘进工况下的刀盘转速修正值和土仓压力设定值修正值;

8、s6、以刀盘转速修正值对刀盘转速调节量进行更新得到优化刀盘转速,以土仓压力设定值修正值进行更新得到优化土仓压力设定值。

9、进一步的,所述采集盾构机掘进过程中的工业数据,工业数据包括刀盘左区扭矩时序信号、刀盘右区扭矩时序信号、土仓压力时序信号和刀盘转速时序信号,包括:

10、通过盾构机刀盘驱动电机编码器采集刀盘转速时序信号;

11、通过盾构机刀盘左区扭矩传感器采集预设掘进循环内的左区原始扭矩电压信号;

12、通过盾构机刀盘右区扭矩传感器采集预设掘进循环内的右区原始扭矩电压信号;

13、获取预先标定的左区扭矩传感器标定系数和右区扭矩传感器标定系数;

14、通过左区扭矩传感器标定系数对左区原始扭矩电压信号进行线性换算,生成左区初始扭矩时序信号;

15、通过右区扭矩传感器标定系数对右区原始扭矩电压信号进行线性换算,生成右区初始扭矩时序信号;

16、对左区初始扭矩时序信号与右区初始扭矩时序信号进行数字低通滤波,得到刀盘左区扭矩时序信号与刀盘右区扭矩时序信号;

17、通过土仓隔板上部压力变送器采集土仓压力原始模拟电流信号;

18、对土仓压力原始模拟电流信号进行模数转换,生成土仓压力原始数字序列;

19、对土仓压力原始数字序列进行中值滤波,生成土仓压力时序信号。

20、进一步的,所述对刀盘左区扭矩时序信号与刀盘右区扭矩时序信号执行时域与频域分析,提取高扭矩侧扭矩峰值频率,并计算瞬时相位差序列,包括:

21、对刀盘左区扭矩时序信号与刀盘右区扭矩时序信号进行移动平均运算,生成左区扭矩平滑序列与右区扭矩平滑序列;

22、对左区扭矩平滑序列与右区扭矩平滑序列进行算术平均运算,生成左区扭矩均值与右区扭矩均值;

23、将左区扭矩均值与右区扭矩均值进行比较,将较大的一侧标记为高扭矩侧,将较小的一侧标记为低扭矩侧;

24、对高扭矩侧对应的扭矩时序信号与低扭矩侧对应的扭矩时序信号进行快速傅里叶变换,生成高扭矩侧扭矩频谱与低扭矩侧扭矩频谱;

25、从高扭矩侧扭矩频谱中提取幅度最大值对应的频率,得到高扭矩侧扭矩峰值频率;

26、对高扭矩侧对应的扭矩时序信号与低扭矩侧对应的扭矩时序信号进行希尔伯特变换,生成高扭矩侧解析信号与低扭矩侧解析信号;

27、从高扭矩侧解析信号与低扭矩侧解析信号中提取瞬时相位,生成高扭矩侧瞬时相位序列与低扭矩侧瞬时相位序列;

28、对高扭矩侧瞬时相位序列与低扭矩侧瞬时相位序列进行差值运算,生成瞬时相位差序列。

29、进一步的,所述根据瞬时相位差序列与刀盘转速时序信号计算相位-转速耦合特征量,以相位-转速耦合特征量为寻优目标反向匹配规避刀盘结构共振的刀盘转速调节量,包括:

30、对瞬时相位差序列进行差分运算,生成瞬时相位差变化率序列;

31、对瞬时相位差变化率序列进行绝对值运算,生成瞬时相位差变化率幅值序列;

32、对刀盘转速时序信号进行单位换算,生成刀盘转速频率信号,对高扭矩侧扭矩峰值频率与刀盘转速频率信号进行除法运算,生成扭矩-转速频率比序列;

33、对瞬时相位差变化率幅值序列与扭矩-转速频率比序列进行对应点乘积运算后求取算术平均值,生成相位-转速耦合特征量;

34、获取盾构机刀盘结构的有限元模态分析结果中的固有频率集合;

35、将刀盘转速时序信号的当前时刻采样值作为初始转速,在刀盘转速允许调节范围内以预设转速步长生成候选转速序列,剔除候选转速序列中换算后的候选转速频率值与固有频率集合的差值绝对值小于预设邻域半径的候选转速值,生成可行转速序列;

36、对可行转速序列中的每一个可行转速值,计算可行转速值对应的扭矩-转速频率比,将扭矩-转速频率比与瞬时相位差变化率幅值序列进行对应点乘积运算后求取算术平均值,作为相位-转速耦合特征量预估值;

37、选取相位-转速耦合特征量预估值最小的可行转速值作为目标转速值;

38、将目标转速值与初始转速进行差值运算,生成刀盘转速调节量。

39、进一步的,所述对土仓压力时序信号执行时域分割,得到压力分段时段,从各压力分段时段中提取压力值在预设稳态判别时间窗内持续高于预设第一压力阈值的时段作为高压稳态时段和持续低于预设的第二压力阈值的低压稳态时段,包括:

40、对土仓压力时序信号进行低通滤波,生成土仓压力滤波信号;

41、对土仓压力滤波信号进行中值滤波,生成土仓压力去噪信号;

42、对土仓压力去噪信号进行一阶差分运算,生成土仓压力差分序列;

43、对土仓压力差分序列进行过零检测,提取土仓压力差分序列中符号发生变化的采样点索引,生成过零点索引集合;

44、以过零点索引集合中的索引位置为分割边界,对土仓压力去噪信号进行切分,生成压力分段时段;

45、剔除压力分段时段中持续时长小于预设稳态判别时间窗的压力分段时段,生成有效压力分段时段;

46、对于每一个有效压力分段时段,提取有效压力分段时段内所有采样点的压力值,并标记出压力值持续高于预设第一压力阈值且持续时间超过预设稳态判别时间窗的连续区间为高压稳态时段;

47、对于每一个有效压力分段时段,提取有效压力分段时段内所有采样点的压力值,并标记出压力值持续低于预设第二压力阈值且持续时间超过预设稳态判别时间窗的连续区间为低压稳态时段。

48、进一步的,所述计算高压稳态时段与低压稳态时段的交替周期和过渡斜率,对交替周期与过渡斜率进行乘积运算,生成土压双稳态振荡特征值;基于刀盘转速调节量、土压双稳态振荡特征值和高扭矩侧扭矩峰值频率构成界面掘进工况的特征向量,包括:

49、将所有高压稳态时段按起始时刻升序排列,生成高压稳态时段序列;

50、将所有低压稳态时段按起始时刻升序排列,生成低压稳态时段序列;

51、以高压稳态时段序列中相邻两个高压稳态时段的起始时刻之间的时间间隔作为一次完整的交替周期,对高压稳态时段序列中所有相邻高压稳态时段的起始时刻进行差值运算,生成交替周期序列;

52、对高压稳态时段序列中每一个高压稳态时段,提取与高压稳态时段在时间上相邻且起始时刻晚于高压稳态时段终止时刻的第一个低压稳态时段,将高压稳态时段的终止时刻与低压稳态时段的起始时刻之间的土仓压力去噪信号作为过渡区间信号,对过渡区间信号进行最小二乘线性拟合,以拟合直线斜率的绝对值作为过渡斜率,生成过渡斜率序列;

53、对交替周期序列中所有交替周期进行算术平均运算,生成平均交替周期;

54、对过渡斜率序列中所有过渡斜率进行算术平均运算,生成平均过渡斜率;

55、对平均交替周期与平均过渡斜率进行乘积运算,生成土压双稳态振荡特征值;

56、将刀盘转速调节量、土压双稳态振荡特征值和高扭矩侧扭矩峰值频率组合为三维向量,生成界面掘进工况的特征向量。

57、进一步的,所述将特征向量输入预构建的掘进参数动态优化模型,输出当前界面掘进工况下的刀盘转速修正值和土仓压力设定值修正值,包括:

58、获取掘进参数动态优化模型,掘进参数动态优化模型的输入特征维度与界面掘进工况特征向量的维度相同,掘进参数动态优化模型的输出为刀盘转速修正值和土仓压力设定值修正值;

59、将界面掘进工况特征向量输入掘进参数动态优化模型,生成刀盘转速修正值和土仓压力设定值修正值。

60、进一步的,所述掘进参数动态优化模型的预先构建过程包括:

61、构建以刀盘转速和土仓压力为决策变量的掘进性能代价函数,掘进性能代价函数由掘进速度项、刀盘扭矩波动项和土仓压力偏差项经归一化后加权求和构成,权重采用层次分析法与熵权法组合赋权确定;

62、获取历史掘进循环的界面掘进工况特征向量样本;

63、对每一个界面掘进工况特征向量样本,以掘进性能代价函数最小化为目标,采用贝叶斯优化算法在刀盘转速调节范围和土仓压力调节范围内搜索最优刀盘转速调整量和最优土仓压力调整量;

64、以界面掘进工况特征向量样本作为输入特征,以搜索得到的最优刀盘转速调整量和最优土仓压力调整量作为输出标签,构建训练样本集;

65、构建包含输入层、隐藏层和输出层的全连接神经网络,隐藏层采用线性整流函数作为激活函数,输出层设置两个输出节点;

66、将训练样本集输入全连接神经网络进行训练,以输出层两个节点的输出值与对应标签的均方误差作为损失函数,通过反向传播更新网络权重,迭代至损失函数收敛,生成掘进参数动态优化模型。

67、进一步的,所述以刀盘转速修正值对刀盘转速调节量进行更新得到优化刀盘转速,以土仓压力设定值修正值进行更新得到优化土仓压力设定值,包括:

68、获取刀盘转速时序信号的当前时刻采样值;

69、对刀盘转速时序信号的当前时刻采样值与刀盘转速调节量进行加法运算,生成基准刀盘转速;

70、对基准刀盘转速与刀盘转速修正值进行加法运算,生成优化刀盘转速;

71、获取土仓压力时序信号的当前时刻采样值;

72、对土仓压力时序信号的当前时刻采样值与土仓压力设定值修正值进行加法运算,生成优化土仓压力设定值。

73、本发明提供的基于工业大数据的岩溶地层盾构机掘进参数动态优化方法,其有益效果主要体现在以下方面:

74、1、本发明通过对刀盘左区扭矩时序信号与右区扭矩时序信号执行时域与频域分析,提取高扭矩侧扭矩峰值频率并计算瞬时相位差序列,进而计算相位-转速耦合特征量,以此反向匹配规避刀盘结构共振的刀盘转速调节量。该方法将载荷相位差异纳入掘进参数优化考量,而非仅关注载荷幅值差异,能够有效降低交变偏载力矩激发刀盘结构模态共振的风险,弥补了现有研究在载荷动态响应分析方面的不足。

75、2、本发明通过对土仓压力时序信号执行时域分割,提取高压稳态时段与低压稳态时段,计算交替周期和过渡斜率并生成土压双稳态振荡特征值,将其与刀盘转速调节量、高扭矩侧扭矩峰值频率共同构成界面掘进工况的特征向量,输入掘进参数动态优化模型后输出刀盘转速修正值和土仓压力设定值修正值。该方法能够识别土压平衡系统在“半加固半原状”界面工况下出现的分钟级低频振荡,避免将其误判为正常波动,通过动态修正土仓压力设定值抑制双稳态振荡,降低掌子面局部失稳的风险。