TBM施工智能控制方法与流程

本发明涉及隧道掘进施工，具体涉及一种tbm施工智能控制方法。

背景技术：

1、全断面隧道掘进机在长大隧洞施工中应用日益广泛，但其掘进控制参数的设定仍主要依赖操作人员根据实时监测数据进行主观判断和调整。由于tbm掘进过程涉及多参数耦合、围岩条件复杂多变，仅凭操作人员的经验和有限精力难以统筹全部信息并给出与当前岩体条件相匹配的控制参数。这种依赖人工经验的参数选取方式不仅增加了人力负担，而且在实际施工中时常出现控制参数与岩体条件不匹配的情况，制约了掘进效率的进一步提升。

2、为减少对人工经验的依赖，现有技术中提出了利用数据驱动模型预测掘进参数的方案。公开号为cn112183993a的申请文件公开了一种tbm掘进控制参数智能预测及优化决策方法，其对tbm掘进参数和刀盘振动加速度进行预处理，采用长短时记忆网络模型对掘进控制参数进行预测，并基于预测结果生成优化的掘进控制参数；公开号为cn110895730a的申请文件公开了一种基于lstm算法的tbm掘进参数的预测方法，其以刀盘转速、推进速度、总推力和刀盘扭矩作为训练特征建立预测模型，输出稳定阶段掘进参数的预测值，为操作人员提供后续操作参数建议。

3、然而，上述方案在获得掘进参数的预测结果后即将其用于后续的控制或操作决策，并未针对推进液压系统从电液比例阀的阀芯接收到控制指令至推进液压缸的活塞产生对应位移之间存在的固有响应延迟对预测结果进行补偿，当围岩条件发生变化时，实际施加的推进力滞后于控制指令的变化，控制指令不能及时跟随工况变化；此外，现有技术对模型的在线更新多采用固定周期或单一判据触发的方式，难以兼顾数据稳定性与对掘进状态动态变化的跟踪能力。

4、tbm推进液压系统是驱动刀盘向前破岩的核心执行机构，由多个液压缸并联工作。在掘进过程中，从电液比例阀的阀芯接收到控制指令到推进液压缸的活塞产生相应位移响应之间，存在由液压油的可压缩性、管路沿程阻力以及阀口液阻等物理因素共同决定的固有响应延迟。启动阶段的响应迟缓会降低系统初期的跟踪性能，限制整体控制精度。在软硬交错地层、高含水量等复杂条件下，这种延迟容易诱发速度滞后、超调或压力尖峰等问题，进而放大同步误差并导致局部载荷集中。在稳态掘进阶段，当围岩条件发生变化时，推进液压系统的响应延迟会使实际施加的推进力滞后于控制指令的变化，导致控制指令不能及时跟随工况变化。

5、电液比例阀的响应特性受液压油温度、粘度等物理参数的影响，推进液压缸的动态特性又取决于负载条件和系统压力，这些因素使响应延迟的具体时长在掘进过程中并非固定不变。如何在不需要额外硬件投入的前提下，使推进液压系统的实际输出能够更及时地跟随控制指令的变化，是tbm自动控制领域面临的一项工程挑战。

技术实现思路

1、本发明提供一种tbm施工智能控制方法，以在不增加硬件投入的前提下补偿推进液压系统的响应延迟，使推进液压系统的实际输出能够更及时地跟随控制指令的变化，从而提高控制过程对围岩条件变化的适应性。

2、为了实现根据本发明的这些目的和其他优点，提供了一种tbm施工智能控制方法，包括以下步骤：

3、步骤一、按固定采样周期采集刀盘转速、刀盘扭矩、推进速度、推进力、机身姿态角偏差值并打包为数据帧存入历史掘进数据集；

4、步骤二、将历史掘进数据集中当前时间步之前10至50个数据帧的推进速度、推进力均值、推进力方差、机身姿态角偏差及变化率输入长短期记忆网络模型，得到推进力调整量和扭矩调整量；

5、步骤三、采集阀芯位移信号和活塞位移信号存入历史掘进数据集和存储队列，其长度等于从阀芯接收指令至活塞产生位移的采样周期数，存满后逆序排列为反演响应序列；

6、步骤四、以刀盘每旋转预设圈数为判断周期，计算该判断周期内活塞位移实际值与历史掘进数据集中提前一个延迟时长的活塞位移历史值的平均位移偏差，将该平均位移偏差与预设最大偏差的比值作为第二权重，第二权重的值大于1时取为1，以1减第二权重作为第一权重，将当前阀芯位移信号与反演响应序列对应时刻的阀芯位移信号按两权重加权求和，得到阀芯位移补偿信号；该平均位移偏差小于第一偏差阈值时以第一更新比例、大于第二偏差阈值时以第二更新比例更新该存储队列，其他情形保持不变，第二偏差阈值大于第一偏差阈值；

7、步骤五、将推进力调整量转换为阀芯目标位移指令并与补偿信号叠加后发送至电液比例阀；将扭矩调整量转换为扭矩控制信号发送至刀盘驱动系统变频器。

8、优选的是，所述的tbm施工智能控制方法中，在步骤一中，还同步采集刀盘驱动电机的电流信号和推进液压系统的压力信号；在步骤一与步骤二之间还包括以下步骤，其中以刀盘每旋转一圈为一个采集周期：

9、对步骤一中采集的电流信号进行包络检波获得电流幅值包络信号，对该电流幅值包络信号进行傅里叶变换获得包络频谱，从包络频谱中提取刀盘旋转频率的基频幅值以及该基频的二倍频幅值，计算二倍频幅值与基频幅值的比值，将该比值记为二次谐波比；

10、对步骤一中采集的推进液压系统的压力信号，计算压力信号在单位时间内的上升沿数量，将该上升沿数量记为压力冲击频次；

11、将二次谐波比与压力冲击频次相乘，获得地质特征融合值；

12、当地质特征融合值在连续三个采集周期内单调递增时，判定掌子面岩性变硬，将步骤二中提取的推进力均值乘以一个大于1的第一修正系数后作为修正推进力均值输入长短期记忆网络模型；

13、当地质特征融合值在连续三个采集周期内单调递减时，判定掌子面岩性变软，将步骤二中提取的推进力均值乘以一个小于1的第二修正系数后作为修正推进力均值输入长短期记忆网络模型。

14、优选的是，所述的tbm施工智能控制方法中，采集刀盘驱动电机的电流信号和推进液压系统的压力信号，对步骤一中采集的电流信号进行包络检波获得电流幅值包络信号，对该电流幅值包络信号进行傅里叶变换获得包络频谱的具体方式为：

15、以刀盘每旋转一圈为一个采集周期，在每个采集周期内连续采集电流信号和压力信号；

16、将当前采集周期及之前连续四个采集周期共五个采集周期的电流信号存入电流滑动窗口，将当前采集周期及之前连续两个采集周期共三个采集周期的压力信号存入压力滑动窗口；

17、在每个采集周期结束时，对电流滑动窗口内的全部电流信号进行包络检波后傅里叶变换获得包络频谱，对压力滑动窗口内的全部压力信号统计上升沿数量，将该数量除以该压力滑动窗口的总时长（以分钟计），获得该压力滑动窗口的压力冲击频次；

18、将电流滑动窗口的二次谐波比与压力滑动窗口的压力冲击频次相乘，获得该采集周期的地质特征融合值。

19、优选的是，所述的tbm施工智能控制方法中，在每个采集周期结束时，对电流滑动窗口内的全部电流信号进行包络检波后傅里叶变换获得包络频谱，对压力滑动窗口内的全部压力信号统计上升沿数量，将该数量除以该压力滑动窗口的总时长（以分钟计），获得该压力滑动窗口的压力冲击频次的具体方式为：

20、在每个采集周期结束时，将电流滑动窗口与压力滑动窗口在时间轴上的交集部分确定为公共时间窗口，公共时间窗口的长度等于压力滑动窗口的长度；

21、对电流滑动窗口内全部电流信号进行包络检波后傅里叶变换获得包络频谱，从该包络频谱中提取二次谐波比；

22、对公共时间窗口内的压力信号统计上升沿数量，将该数量除以公共时间窗口的总时长（以分钟计），获得该公共时间窗口的压力冲击频次；

23、将二次谐波比与公共时间窗口的压力冲击频次相乘，获得该采集周期的地质特征融合值。

24、优选的是，所述的tbm施工智能控制方法中，步骤二中由长短期记忆网络模型得到推进力调整量和扭矩调整量的具体方式为：

25、长短期记忆网络模型在每一个时间步输出一个推进力预测值和一个扭矩预测值；

26、将当前时间步输出的推进力预测值与当前时间步采集的推进力实际值相减，获得推进力瞬时误差，将当前时间步输出的扭矩预测值与当前时间步采集的扭矩实际值相减，获得扭矩瞬时误差；

27、将包含当前时间步在内的连续p个时间步的推进力瞬时误差构成推进力误差序列，计算推进力误差序列的方差，记为推进力误差方差，将包含当前时间步在内的连续p个时间步的扭矩瞬时误差构成扭矩误差序列，计算扭矩误差序列的方差，记为扭矩误差方差；

28、当推进力误差方差大于第一方差阈值时，将当前时间步的推进力预测值替换为当前时间步之前预设数量个时间步推进力实际值的算术平均值或加权移动平均值后作为推进力调整量输出，该预设数量小于p；

29、当扭矩误差方差大于第二方差阈值时，将当前时间步的扭矩预测值替换为当前时间步之前预设数量个时间步扭矩实际值的算术平均值或加权移动平均值后作为扭矩调整量输出。

30、优选的是，所述的tbm施工智能控制方法中，当推进力误差方差大于第一方差阈值时，将当前时间步的推进力预测值替换为当前时间步之前预设数量个时间步推进力实际值的算术平均值或加权移动平均值后作为推进力调整量输出的具体方式为：

31、计算包含当前时间步在内的连续p个时间步的推进力误差序列的方差，即所述推进力误差方差，记为当前方差；

32、对于包含当前时间步在内的连续p个时间步中的每个时间步，计算该时间步的推进力预测值与该时间步之前偏移k个时间步的推进力实际值的差值，k从1取至k，k为预设最大延迟步数，获得k个偏移误差序列，分别计算各偏移误差序列的方差，记为各偏移方差；

33、将当前方差与各偏移方差逐一比较，当存在小于当前方差的偏移方差时，选取其中最小的偏移方差所对应的k值作为估计延迟步数；当各偏移方差均大于或等于当前方差时，估计延迟步数为0；

34、当估计延迟步数为0或1时，将当前时间步的推进力预测值替换为当前时间步之前1个时间步的推进力实际值后作为推进力调整量输出；

35、当估计延迟步数大于1且小于或等于预设的第一延迟阈值时，将当前时间步的推进力预测值替换为当前时间步之前估计延迟步数个时间步的推进力实际值的算术平均值后作为推进力调整量输出；

36、当估计延迟步数大于第一延迟阈值时，将当前时间步的推进力预测值替换为当前时间步之前预设固定数量个时间步的推进力实际值的加权移动平均值后作为推进力调整量输出。

37、优选的是，所述的tbm施工智能控制方法中，计算包含当前时间步在内的连续p个时间步的推进力误差序列的方差，以及计算各偏移误差序列的方差的具体方式为：

38、对推进力误差序列进行线性回归，获得该推进力误差序列的线性回归斜率；

39、根据该线性回归的斜率和截距生成趋势项序列，从推进力误差序列的每个值中减去该趋势项序列中对应时刻的趋势值，获得去趋势推进力误差序列；

40、计算去趋势推进力误差序列的方差，作为当前方差；

41、对各偏移误差序列分别进行线性去趋势处理后计算各偏移误差序列的方差，作为各偏移方差。

42、优选的是，所述的tbm施工智能控制方法中，步骤二中长短期记忆网络模型按照以下方式进行在线更新：

43、以刀盘每旋转n圈为一个更新周期，n为大于1的整数，在每个更新周期结束时，采集该更新周期内长短期记忆网络模型在各时间步输出的推进力预测值序列和扭矩预测值序列，以及对应时刻的推进力实际值序列和扭矩实际值序列；

44、计算推进力预测值序列中相邻两个时间步预测值之间的差值，获得推进力预测差分序列，计算推进力实际值序列中相邻两个时间步实际值之间的差值，获得推进力实际差分序列，计算推进力预测差分序列与推进力实际差分序列之间的符号一致率，记为推进力趋势一致率；

45、计算扭矩预测值序列中相邻两个时间步预测值之间的差值，获得扭矩预测差分序列，计算扭矩实际值序列中相邻两个时间步实际值之间的差值，获得扭矩实际差分序列，计算扭矩预测差分序列与扭矩实际差分序列之间的符号一致率，记为扭矩趋势一致率；

46、当推进力趋势一致率低于第一一致率阈值或扭矩趋势一致率低于第二一致率阈值时，将该更新周期内的全部数据帧作为新增训练样本加入长短期记忆网络模型的训练集，对长短期记忆网络模型进行增量训练后更新模型参数。

47、优选的是，所述的tbm施工智能控制方法中，还包括以下步骤：

48、当推进力趋势一致率大于或等于第一一致率阈值时，进一步计算该更新周期内各时间步推进力预测值与推进力实际值的相对偏差，其中相对偏差为推进力预测值减去推进力实际值后除以不为零的推进力实际值，获得推进力相对偏差序列；

49、计算推进力相对偏差序列的线性回归斜率；

50、当该线性回归斜率为正值且大于预设正斜率阈值时，或者当该线性回归斜率为负值且绝对值大于预设负斜率阈值的绝对值时，将该更新周期内的全部数据帧作为新增训练样本加入长短期记忆网络模型的训练集，对长短期记忆网络模型进行增量训练后更新模型参数。

51、优选的是，所述的tbm施工智能控制方法中，还按照以下方式检测突变型幅值漂移：

52、计算该更新周期内各时间步推进力预测值与推进力实际值的相对偏差，按时间顺序排列获得推进力相对偏差序列，并将该序列按时间顺序等分为前段序列和后段序列，序列长度为奇数时，中间的元素归入前段序列；

53、计算前段序列的算术平均值，作为前段均值，计算后段序列的算术平均值，作为后段均值；

54、计算后段均值与前段均值的差值；

55、当该差值大于第一差值阈值时，或者当该差值小于第二差值阈值时，将该更新周期内的全部数据帧作为新增训练样本加入长短期记忆网络模型的训练集，对长短期记忆网络模型进行增量训练后更新模型参数，第二差值阈值为负值。

56、本发明至少包括以下有益效果：

57、1、本发明将当前时间步的阀芯位移信号与反演响应序列中对应时刻的阀芯位移信号进行加权叠加后作为补偿信号输出，使电液比例阀的驱动信号中融合了历史响应信息，在不增加硬件成本的前提下有助于改善推进液压系统的响应特性。通过平均位移偏差的大小自适应地调整存储队列的更新比例，平均位移偏差较小时以低比例更新队列使队列保持稳定，平均位移偏差较大时以高比例更新队列使队列快速跟踪系统动态变化，有利于兼顾队列的稳定性和自适应性。

58、2、本发明通过采集刀盘驱动电机电流信号计算二次谐波比，利用包络频谱中二倍频与基频幅值的比值反映破岩负载波形的非线性畸变程度，可以避免额外加装振动传感器即可获取地质信息。通过采集推进液压系统压力信号统计压力冲击频次，从时域维度反映破岩负载的冲击频率，将频域特征与时域特征相乘获得地质特征融合值，融合值在连续多个采集周期内的单调变化趋势能够指示岩性的渐变方向，据此对长短期记忆网络模型的输入值进行修正，有助于使模型输入在偏离实际地质之前得到修正，从而减少误预测的发生。

59、3、本发明为电流信号设置五个采集周期的滑动窗口，有利于保证参与傅里叶变换的信号长度足以获得区分基频和二倍频所需的频率分辨率。为压力信号设置三个采集周期的滑动窗口，可以避免因窗口过长而将瞬态冲击信息过度平滑。两个窗口的结束时刻均对齐于当前采集周期结束时，使二次谐波比与压力冲击频次在时间上自然同步，两个窗口长度分别匹配各自特征提取方式的时间尺度需求，有利于提高特征值的准确性。

60、4、本发明将电流滑动窗口与压力滑动窗口在时间轴上的交集部分确定为公共时间窗口，使压力冲击频次的统计严格基于两个窗口共同覆盖的时间段，可以消除电流滑动窗口中比压力滑动窗口多出的两个采集周期对时间对齐的干扰，减轻不同长度滑动窗口因起始时刻不同导致的时间段不完全重叠问题，使相乘的两个特征值在时间轴上具有更精确的对应关系，有利于提高地质特征融合值的精度。

61、5、本发明将当前时间步的预测值与实际值相减获得瞬时误差，将当前时间步及之前连续多个时间步的瞬时误差构成误差序列并计算方差，利用方差反映误差序列整体波动程度的特性判断当前预测值是否可靠。当误差方差超过阈值时，判定当前预测值已不可靠，放弃该预测值，改用当前时间步之前较短时间窗口内实际值的算术平均值作为调整量输出，使控制指令在模型产生延迟预测时仍能基于最新的实际掘进状态生成，有助于减小预测延迟对控制效果的不利影响，且该方法无需改变长短期记忆网络模型本身的结构，计算量较小，便于在现有工控平台上实现。

62、6、本发明将当前方差与各偏移方差逐一比较，利用偏移后方差最小的原理估计当前预测的延迟步数。根据估计延迟步数的不同采取分级处理策略，延迟不超过一个采样周期时用最新一个时间步的实际值替代预测值，延迟步数较小时用估计延迟步数对应时间步的实际值算术平均值替代预测值，延迟步数较大时用预设固定数量个时间步的实际值的加权移动平均值替代预测值，使补偿方式与延迟程度相匹配，有利于避免轻度延迟时过度干预和重度延迟时干预不足的问题。

63、7、本发明对推进力误差序列进行线性回归获得斜率和截距，根据斜率和截距生成趋势项序列并从误差序列中减去趋势项，可以消除因刀具磨损或围岩缓慢变化等因素引起的趋势性成分对误差序列方差计算的干扰。去趋势后的方差更能反映误差序列围绕其均值的波动程度，使当前方差与各偏移方差的比较结果更准确地反映延迟步数，有利于提高延迟步数估计的可靠性。

64、8、本发明中计算预测差分序列与实际差分序列之间的符号一致率，利用趋势一致率对预测值的变化方向是否与实际值一致进行量化评价，当趋势一致率低于阈值时表明模型预测的方向已开始偏离实际方向，此时触发增量训练。趋势一致率对量纲和幅值不敏感，受推进力和扭矩量级变化的影响较小，有助于在模型预测趋势开始偏离实际趋势的早期阶段触发更新。以刀盘旋转圈数而非固定时间作为更新周期，使模型更新节奏与掘进工况的变化节奏自然同步。

65、9、本发明在趋势一致率达标的前提下进一步计算相对偏差序列的线性回归斜率，利用斜率的正负和大小判断预测值相对实际值是否存在持续性的幅值漂移，当斜率为正且大于正斜率阈值时判定发生正向幅值漂移，当斜率为负且绝对值大于负斜率阈值时判定发生负向幅值漂移，使模型更新能够同时响应方向偏离和幅值漂移两种退化模式。在方向预测准确但幅值持续偏离的情形下仍能触发模型更新，有利于避免模型在幅值漂移累积到较大程度后才被更新的情况。

66、10、本发明将相对偏差序列按时间顺序等分为前段序列和后段序列，分别计算两段的算术平均值后求差值，利用前段均值与后段均值的差异检测突变型幅值漂移，该方法与线性回归斜率法从不同角度检测幅值漂移，两者形成互补，当幅值漂移发生在更新周期中间时刻附近时两段均值的差异能够较快反映出来，使模型更新机制能够同时响应渐变型和突变型两种幅值漂移模式。在突变型幅值漂移发生时能够较早触发模型更新，有利于缩短从幅值漂移发生到模型更新之间的响应时间。

67、本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。