【技术实现步骤摘要】
本专利技术属于岩土工程，尤其涉及一种劈裂喷浆搅拌桩智能施工控制方法、装置及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、水泥搅拌桩通常具有施工工艺简单、适用土质类型广、加固深度大等优点，可适用于处理包括淤泥、淤泥质土、粉土、砂性土、泥炭土等各种成因的饱和软粘土、含水量较高且地基承载力标准值不大于120kpa的粘性土等地基。但大量实践证明，当粘性土中的粘粒含量较高时(塑性指数大)，水泥浆以较低压力和流量从钻头的出浆口挤出，很难掺搅进软而粘的土层中，易发生桩身夹泥、夹水泥浆块，水泥浆流失情况严重、搅拌极不均匀等问题，严重影响成桩质量和加固处治效果。
3、为了解决上述问题，在实际工程中，往往采用劈裂搅拌桩。劈裂水泥土搅拌桩对传统的水泥土搅拌桩做了两项重大改进:一是将大直径出浆口改为两个对称的小直径喷嘴；二是将低压泥浆泵改为高压泥浆泵。当水泥浆以高压从喷嘴中射出后，对黏土层产生一种切割、劈裂作用(类似于单管法的高压旋喷)，迫使水泥浆掺到软黏土中，再加上搅拌杆的作用，可使水泥浆较均匀地掺搅进软黏土中，解决了传统水泥土搅拌桩的质量通病。然而劈裂水泥土搅拌桩在当前工程应用中依然存在缺点及局限性。
4、首先，劈裂搅拌桩所处地层复杂多变，而施工过程中不能获得地层的实时信息。其次，劈裂水泥土搅拌桩受施工环境影响较大，工人经验依赖性强，不能根据实际工况对参数进行优化控制，影响施工质量和效率。此外，当前劈裂搅拌桩的智能化水平不足，造成劳动力浪费，施工质量难以保
5、因此，目前的劈裂喷浆水泥搅拌桩尚无法满足实际工程需要，亟需一套融合地层信息实时智能反演方法和施工参数动态自优化控制的技术，并研发劈裂搅拌桩基智能建造装备，来解决上述问题。
技术实现思路
1、为克服上述现有技术的不足，本专利技术提供了一种劈裂喷浆搅拌桩智能施工控制方法、装置及系统，能够对地层信息实时智能反演、进一步对施工参数动态自优化控制，构建了一套劈裂搅拌桩基智能建造装备，解决现有技术中的问题。
2、为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
3、本专利技术第一方面提供了一种劈裂喷浆搅拌桩智能施工控制方法。
4、一种劈裂喷浆搅拌桩智能施工控制方法，包括以下步骤：
5、接收从施工信息自感知系统输出的实时感知信息，所述实时感知信息包括钻孔深度、钻机输出功率、钻头扭矩、钻杆轴力和钻头孔隙水压力数据；
6、将所述实时感知信息输入至训练好的地层信息预测机器学习模型中，建立实时感知信息和施工地层条件的非线性隐式对应关系，输出实时地层状态信息；
7、将实时地层状态信息输入至训练好的最优施工参数自匹配机器学习模型中，建立实时地层状态信息和最优施工参数的非线性隐式对应关系，输出当前最优施工参数。
8、可选的，所述钻孔深度、钻机输出功率通过钻机获取，所述钻头扭矩、钻杆轴力和钻头孔隙水压力数据通过扭矩传感器、轴力传感器和孔隙水压力传感器获取。
9、可选的，对地层信息预测机器学习模型进行训练，具体为：
10、搭建随机森林-dbscan集成模型；
11、获取已有的地质状态信息和实验数据，对钻孔深度对应的地层状态信息进行分类标注；
12、将实验数据和标注的地层状态信息输入随机森林-dbscan集成模型，利用dbscan算法对实验数据进行聚类，对随机森林模型进行训练；
13、使用验证集或交叉验证的方法对模型进行评估和调优，得到训练好的地层信息预测机器学习模型，即训练好的随机森林-dbscan集成模型；
14、在训练好的随机森林—dbscan集成模型上输入实时感知信息，得到实时地层状态信息的估计值。
15、可选的，所述最优施工参数自匹配机器学习模型表示为一种多输入和多输出的映射关系：
16、f:g＝f(s)
17、其中，s为输入向量—地层条件，s＝(α1,α2,...αn),α1-αn表示实时地层状态信息分量，g为输出向量—最优施工参数组合，g＝(β1,β2,...βn),β1-βn表示输出性能分量。
18、可选的，对最优施工参数自匹配机器学习模型进行训练，具体为：
19、获取最优施工参数数据库，对数据库内的数据进行预处理；
20、使用标注的地层状态信息作为目标变量，采用卡方检验的方法评估特征与目标变量之间的关联程度，选用关联程度最高的前m个特征，对特征进行标准化；
21、利用k折交叉验证方法将最优施工参数数据库划分为n个近似大小的数据集；
22、选取svm类模型的自定义多项式核函数，搭建好最优施工参数自匹配机器学习模型；
23、对搭建好的施工参数自匹配模型进行k轮训练集性能评估，每一轮n-1个数据集用于模型训练，剩余的一个数据集用作测试集，最后计算k轮评估结果的平均值作为模型的性能指标，如不满足要求则进行下一轮的训练，直至训练结束；
24、在训练好的最优施工参数自匹配机器学习模型上输入实时地层状态信息，通过前向传播得到预测的最优施工参数。
25、可选的，所述最优施工参数数据库是基于云平台获取的典型地层条件下的劈裂桩施工参数，包括水灰比、泥浆用量、喷浆压力、注浆速度、钻孔速度、钻杆的提升速度和扇叶的旋转速度。
26、可选的，还包括：
27、将匹配的当前最优施工参数输入到施工参数智能调节系统，对施工参数动态调节，实现施工过程的智能控制。
28、本专利技术第二方面提供了一种劈裂喷浆搅拌桩智能施工装置。
29、一种劈裂喷浆搅拌桩智能施工装置，包括施工信息自感知系统、控制装置和施工参数智能调节系统，其中：
30、所述施工信息自感知系统包括钻机和多源传感元器件，所述钻机用于检测钻孔深度、钻机输出功率，所述多源传感元器件用于获取钻头扭矩、钻杆轴力和钻头孔隙水压力数据；
31、所述控制装置，用于基于所述施工信息自感知系统的检测值，预测、输出并显示实时地层状态信息，并基于实时地层状态信息，输出当前最优施工参数；
32、所述施工参数智能调节系统，用于基于当前最优施工参数，对变频变速调压设备进行实时控制。
33、可选的，所述多源传感元器件包括安装在钻头处的扭矩传感器、孔隙水压力传感器和安装在钻杆下部的轴力传感器；所述变频变速调压设备包括钻进驱动电机和高压变频泵，其中，钻进驱动电机用于控制钻孔速度、钻杆的提升速度和扇叶的旋转速度，高压变频泵用于控制喷浆压力和注浆速度。
34、本专利技术第三方面提供了一种劈裂喷浆搅拌桩智能施工控制系统。
35、一种劈裂喷浆搅拌桩智能施工控制系统，包括：
36、实时感知信息获取模块，被配置为：接收从施工信息自感知系统输出的实时感知信息，所述实时感知信息包括钻孔深度、钻机输本文档来自技高网...
【技术保护点】
1.一种劈裂喷浆搅拌桩智能施工控制方法，其特征在于，包括以下步骤：
2.如权利要求1所述的劈裂喷浆搅拌桩智能施工控制方法，其特征在于，所述钻孔深度、钻机输出功率通过钻机获取，所述钻头扭矩、钻杆轴力和钻头孔隙水压力数据通过扭矩传感器、轴力传感器和孔隙水压力传感器获取。
3.如权利要求1所述的劈裂喷浆搅拌桩智能施工控制方法，其特征在于，对地层信息预测机器学习模型进行训练，具体为：
4.如权利要求1所述的劈裂喷浆搅拌桩智能施工控制方法，其特征在于，所述最优施工参数自匹配机器学习模型表示为一种多输入和多输出的映射关系：
5.如权利要求3所述的劈裂喷浆搅拌桩智能施工控制方法，其特征在于，对最优施工参数自匹配机器学习模型进行训练，具体为：
6.如权利要求5所述的劈裂喷浆搅拌桩智能施工控制方法，其特征在于，所述最优施工参数数据库是基于云平台获取的典型地层条件下的劈裂桩施工参数，包括水灰比、泥浆用量、喷浆压力、注浆速度、钻孔速度、钻杆的提升速度和扇叶的旋转速度。
7.如权利要求1所述的劈裂喷浆搅拌桩智能施工控制方法，其特征在
8.一种劈裂喷浆搅拌桩智能施工装置，其特征在于，包括施工信息自感知系统、控制装置和施工参数智能调节系统，其中：
9.如权利要求8所述的劈裂喷浆搅拌桩智能施工装置，其特征在于，所述多源传感元器件包括安装在钻头处的扭矩传感器、孔隙水压力传感器和安装在钻杆下部的轴力传感器；所述变频变速调压设备包括钻进驱动电机和高压变频泵，其中，钻进驱动电机用于控制钻孔速度、钻杆的提升速度和扇叶的旋转速度，高压变频泵用于控制喷浆压力和注浆速度。
10.一种劈裂喷浆搅拌桩智能施工控制系统，其特征在于：包括：
...【技术特征摘要】
1.一种劈裂喷浆搅拌桩智能施工控制方法，其特征在于，包括以下步骤：
2.如权利要求1所述的劈裂喷浆搅拌桩智能施工控制方法，其特征在于，所述钻孔深度、钻机输出功率通过钻机获取，所述钻头扭矩、钻杆轴力和钻头孔隙水压力数据通过扭矩传感器、轴力传感器和孔隙水压力传感器获取。
3.如权利要求1所述的劈裂喷浆搅拌桩智能施工控制方法，其特征在于，对地层信息预测机器学习模型进行训练，具体为：
4.如权利要求1所述的劈裂喷浆搅拌桩智能施工控制方法，其特征在于，所述最优施工参数自匹配机器学习模型表示为一种多输入和多输出的映射关系：
5.如权利要求3所述的劈裂喷浆搅拌桩智能施工控制方法，其特征在于，对最优施工参数自匹配机器学习模型进行训练，具体为：
6.如权利要求5所述的劈裂喷浆搅拌桩智能施工控制方法，其特征在于，所述...
【专利技术属性】
技术研发人员：庄培芝，章嘉亮，马川义，钱远顺，张宁，厉超吉，张圣涛，王康旭，宋修广，李昊翔，
申请(专利权)人：山东大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。