盾构机推进控制系统性能优化方法技术方案

本发明专利技术涉及盾构机推进控制系统性能优化方法，所述方法至少包括：基于曲率均匀变化的缓和曲线构建纠偏轨迹模型，所述纠偏轨迹模型至少包括彼此相接的第一曲线、第二曲线和第三曲线，所述第二曲线为缓和曲线且其曲率半径大于盾构机的最小转弯半径，并且第二曲线的曲率半径小于所述第一曲线和第三曲线的曲率半径；基于至少一个直线段拟合所述纠偏轨迹模型，基于人工蜂群算法以盾构机的推进系统、转向参数、探测参数中的一个或几个为约束条件搜索相邻两个直线段之间连接的位置信息，从而确定直线段的数量和长度。

【技术实现步骤摘要】
盾构机推进控制系统性能优化方法
本专利技术涉及盾构机
，尤其涉及盾构机推进控制系统性能优化方法。
技术介绍
在盾构施工中，由于地质施工环境的复杂、线路线性变化等因素，盾构机推进过程中其轴线很容易发生偏离。当偏差超过允许范围时，必须及时将轴线纠正回原隧道设计轴线。在传统的盾构轴线纠偏方法中，主要依赖操作人员施工经验手动调整盾构机参数，因此掘进轨迹精度主要依赖操作人员的熟练度和经验。现有技术可以通过机械学习、神经网络算法、模糊控制等
结合，给出盾构掘进参考数据以实现纠偏。例如，公开号为CN110242310A的中国专利文献公开了一种基于深度神经网络与关联分析结合的盾构轴线纠偏方法，用于解决现有技术中存在的纠偏精度较低的技术问题，实现步骤为：构建盾构参数数据包；计算每类盾构轴线偏差的历史纠偏数据；构建基于深度神经网络DNN的轴线偏差参数回归模型；获取每类盾构轴线偏差的历史纠偏数据区间；获取每类盾构轴线偏差的每环纠偏量区间关联的纠偏掘进数据区间；获取盾构机各环所需的纠偏量；获取每环纠偏掘进参数推荐数值。通过深度神经网络DNN构建盾构轴线偏差参数回归模型，通过关联分析获得与每环纠偏量区间关联的纠偏掘进数据区间，通过反向圆几何计算方法获得每环纠偏量，并通过每环纠偏掘进参数推荐数值实现纠偏，有效提高了纠偏精度。但是该专利采用的纠偏方法没有考虑到盾构机在掘进过程中纠偏轨迹对纠偏的复杂度和精度带来的影响，如果仅使用最小纠偏半径的方法规划纠偏轨迹，基于盾构机每个掘进环的历史数据进行纠偏的话，需要处理海量的数据。具体而言，在进行盾构轴线纠偏时，对盾构机掘进过程中的一个掘进行程(掘进环)进行运动学建模分析，通过算法计算得出每一个掘进环盾构机轴线需要偏转的角度以及千斤顶油缸的行程。因此盾构轴线纠偏的计算复杂度随掘进环数的增加而升高。如果遇到纠偏轨迹长度较长的情况下，不仅要计算每个掘进环的参数，还要基于查询、计算历史纠偏数据以及通过神经网络来构建模型，盾构机需要处理海量的数据，不仅导致纠偏时间较长，而且其基于神经网络构建的回归模型需要大量的历史数据作为模型训练的基础，由于地质层地质多变，盾构机纠偏得到的历史数据差别较大，利用神经网络算法训练得到的纠偏模型不准确。此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于专利技术人做出本专利技术时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本专利技术不具备这些现有技术的特征，相反本专利技术已经具备现有技术的所有特征，而且申请人保留在
技术介绍
中增加相关现有技术之权利。
技术实现思路
针对现有技术之不足，本专利技术提供一种盾构机推进控制系统性能优化方法，用于解决现有技术中存在的纠偏精度较低、纠偏速度较慢的问题。所述方法至少包括：基于曲率均匀变化的缓和曲线构建纠偏轨迹模型。优选地，所述纠偏轨迹模型至少包括彼此相接的第一曲线、第二曲线和第三曲线。所述第二曲线为缓和曲线且其曲率半径大于盾构机的最小转弯半径。第二曲线的曲率半径小于所述第一曲线和第三曲线的曲率半径。现有技术的纠偏曲线均是以最小转弯半径为纠偏曲线的半径，这样产生的纠偏的轨迹最短。但是如果盾构机从直线运行的状态直接以最小转弯半径进行转向的话，其形成的轨道使得车辆行驶时会产生较大的离心力，会对车辆行驶的轨道产生较大的损伤，甚至会产生脱轨的风险具有较大的安全隐患。特别是在盾构机通过调整转动方向回归到隧道设计轴线的过程中，盾构机纠偏轨迹的曲率半径最小的部分肯定不在起始和停止位置。进而如果以最小转弯半径为纠偏半径的话，其在纠偏的过程中可能需要围绕隧道设计轴线摆动，以“蛇形”前进的方式完成纠偏，这样不仅增加了纠偏轨迹的长度，还使得隧道具有多个连续且方向突变的转弯，进而车辆运行不流畅且会产生巨大的离心力。因此本专利技术采用三段曲线的方式来构建盾构机纠偏的纠偏轨迹模型，将连接盾构机起始位置处的曲线定义为第一曲线。将连接盾构机纠偏停止位置的曲线为第三曲线。将盾构机纠偏过程中曲率半径最小的区域定义为第二曲线。通过该设置方式虽然在某些情况下增加了纠偏轨迹的长度，但是由于其始终将曲率半径最小的区域设置在第一曲线和第二曲线之间，进而盾构机纠偏的大多数情况下都只位于隧道设计轴线的一侧，避免纠偏轨迹围绕隧道设计轴线两侧摆动。而且，即使是纠偏轨迹可能需要由隧道设计轴线的一侧穿越到另一侧来完成纠偏，其也只需要1到3次的摆动就能实现纠偏。此外，第二曲线为缓和曲线，由于其曲率半径为均匀变化，因此能够避免离心力过大。根据一种优选实施方式，所述第二曲线至少包括彼此曲率中心指向相反的第一弧线段和第二弧线段。所述第一弧线段和第二弧线段的相切点处的曲率半径最小。该相切点处的曲率半径大于盾构机的最小转弯半径。根据一种优选实施方式，第三曲线的长度大于第一曲线。第三曲线的曲率半径大于第一曲线的曲率半径。优选地，第一曲线的曲率半径与盾构机最小转弯半径之间的差值大于第一阈值。优选地，第一阈值可以是最小转弯半径的20％。根据一种优选实施方式，在盾构机处于其自身轴线与隧道设计轴线平行且其自身轴线与隧道设计轴线的距离超过最大允许的偏差的情况下，所述第一曲线的一端位于盾构机的起始位置，另一端与第一弧线段相切。所述第三曲线的一端与第二弧线段相切，另一端与隧道设计轴线相切。所述第三曲线与隧道设计轴线相切的一端与隧道设计轴线的距离位于最大允许的偏差内。根据一种优选实施方式，在盾构机的刀盘指向隧道设计轴线且盾构机的自身轴线与隧道设计轴线不平行的情况下，所述纠偏轨迹模型通过第四曲线进行纠偏。所述第四曲线至少包括修正直线段和修正曲线段。优选地，在盾构机不位于隧道设计轴线的情况下，盾构机通过所述修正直线段运动至隧道设计轴线处。盾构机通过所述修正曲线段运动至盾构机的自身轴线与隧道设计轴线平行且其自身轴线与隧道设计轴线的距离超过最大允许的偏差。优选地，所述修正曲线段与所述第一曲线相切。所述修正曲线段的曲率半径大于所述第二曲线。优选地，在盾构机位于隧道设计轴线的情况下，盾构机通过所述修正曲线段运动至盾构机的自身轴线与隧道设计轴线平行且其自身轴线与隧道设计轴线的距离超过最大允许的偏差。根据一种优选实施方式，在盾构机的刀盘背离隧道设计轴线，并且盾构机的自身轴线与隧道设计轴线不平行以及其自身轴线与隧道设计轴线的距离不为零的情况下，盾构机通过所述修正曲线段运动至盾构机的自身轴线与隧道设计轴线平行且其自身轴线与隧道设计轴线的距离超过最大允许的偏差。根据一种优选实施方式，基于至少一个直线段拟合所述纠偏轨迹模型。现有技术在进行盾构轴线纠偏时，对盾构机掘进过程中的一个掘进行程(掘进环)进行运动学建模分析，通过算法计算得出每一个掘进环盾构机轴线需要偏转的角度以及千斤顶油缸的行程。因此盾构轴线纠偏的计算复杂度随掘进环数的增加而升高。如果遇到纠偏轨迹长度较长的情况下，不仅要计算每个掘进环的参数，还要基于查询、计算历史纠偏数据以及通过神经网络来构建模型，盾构机需要处理海量的数据，不仅导致纠偏时间较长，而且其基于神经网络构建的回归模型需要大量的历史数据作为模型训练的基础，由于本文档来自技高网...

【技术保护点】
1.盾构机推进控制系统性能优化方法，其特征在于，所述方法至少包括：/n基于曲率均匀变化的缓和曲线构建纠偏轨迹模型（10），其中，/n所述纠偏轨迹模型（10）至少包括彼此相接的第一曲线（10a）、第二曲线（10b）和第三曲线（10c），其中，/n所述第二曲线（10b）为缓和曲线且其曲率半径大于盾构机的最小转弯半径，并且第二曲线（10b）的曲率半径小于所述第一曲线（10a）和第三曲线（10c）的曲率半径；/n基于至少一个直线段拟合所述纠偏轨迹模型（10），其中，/n基于人工蜂群算法以盾构机的推进参数、转向参数、探测参数中的一个或几个为约束条件搜索相邻两个直线段之间连接的位置信息，从而确定直线段的数量和长度。/n

【技术特征摘要】
1.盾构机推进控制系统性能优化方法，其特征在于，所述方法至少包括：
基于曲率均匀变化的缓和曲线构建纠偏轨迹模型（10），其中，
所述纠偏轨迹模型（10）至少包括彼此相接的第一曲线（10a）、第二曲线（10b）和第三曲线（10c），其中，
所述第二曲线（10b）为缓和曲线且其曲率半径大于盾构机的最小转弯半径，并且第二曲线（10b）的曲率半径小于所述第一曲线（10a）和第三曲线（10c）的曲率半径；
基于至少一个直线段拟合所述纠偏轨迹模型（10），其中，
基于人工蜂群算法以盾构机的推进参数、转向参数、探测参数中的一个或几个为约束条件搜索相邻两个直线段之间连接的位置信息，从而确定直线段的数量和长度。


2.根据权利要求1所述的盾构机推进控制系统性能优化方法，其特征在于，以在满足盾构机自身控制精度的要求下尽量减少直线段的数量为约束条件基于人工蜂群算法搜索拟合所述第二曲线（10b）的相邻两个直线段之间连接的位置信息和速度信息，从而确定拟合的直线段，其中，
盾构机自身控制精度为以最大的位置偏差和最大的转动角度偏差沿人工峰群算法搜索到的拟合的直线段运动得到的轨迹与所述纠偏轨迹模型（10）的位置偏差和角度偏差不会超过最大的位置偏差阈值和角度偏差阈值。


3.根据权利要求2所述的盾构机推进控制系统性能优化方法，其特征在于，基于人工蜂群算法搜索拟合所述第二曲线（10b）的相邻两个直线段之间连接的位置信息和速度信息步骤至少包括：
基于隧道设计轴线和盾构机相对隧道设计轴线的距离构建坐标系；
基于所述坐标系将所述第二曲线（10b）划分为点集，其中，
所述点集中每个点至少包括位置信息和速度信息；
将这些点集划分为点的数量相等的子点集；
对每个子点集进行更新迭代以生成至少一个点；
评价每个点的适应值并记录最优点；
将最优点作为人工蜂群算法的初始点；
按照人工蜂群的更新公式更新该初始点，从而得到人工蜂群算法的最优点。


4.根据权利要求3所述的盾构机推进控制系统性能优化方法，其特征在于，所述适应值为目标函数的值，其中，
所述目标函数为盾构机以最大的位置偏差和最大的转动角度偏差沿人工峰群算法搜索到的直线段运动得到的盾构机的位置偏差和角度偏差。


5.根据权利要求4所述的盾构机推进控制系统性能优化方法，其特征在于，采用最少直线段为约束条件搜索拟合所述第一曲线（10a）和第三曲线（10c）的直线段，其中，
约束条件包括相邻的两个直线段之间的角度不能超过盾构机的最大转动角度，使得盾构机运动...

【专利技术属性】
技术研发人员：孙振中，张兵，潘东江，卢高明，赵海雷，陈瑞祥，杨延栋，张志增，冯欢欢，郑永光，王明胜，陈桥，杨振兴，
申请(专利权)人：盾构及掘进技术国家重点实验室，中铁隧道局集团有限公司，
类型：发明
国别省市：河南;41