[發(fā)明專利]一種地質(zhì)環(huán)境變形監(jiān)測的盾構(gòu)施工參數(shù)調(diào)整方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202011185884.4
• 申請日: 2020-10-29
• 公開（公告）號: CN112307542B
• 公開（公告）日: 2022-11-25
• 發(fā)明（設(shè)計）人: 詹濤;姜諳男;黃鳳清;萬友生;虢新平;羅志偉;姚元;謝麗輝;張峰瑞;鄭帥;許夢飛
• 申請（專利權(quán)）人: 南昌軌道交通集團有限公司地鐵項目管理分公司
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/17;G06F30/27;G06F17/18;G06F111/10;G06F119/14
• 代理公司: 大連至誠專利代理事務(wù)所(特殊普通合伙) 21242
• 代理人: 楊威;楊爽

本發(fā)明提供一種基于地質(zhì)環(huán)境變形監(jiān)測的盾構(gòu)施工參數(shù)調(diào)整方法及系統(tǒng)，包括：構(gòu)建地層參數(shù)識別樣本以及盾構(gòu)參數(shù)控制樣本，構(gòu)建和聲記憶庫HM；求解和聲記憶庫HM中的每個優(yōu)化變量的目標(biāo)函數(shù)的初始值；更新和聲記憶庫HM，并求解更新后的和聲記憶庫HM中的優(yōu)化變量的目標(biāo)函數(shù)值；分別更新地層參數(shù)識別樣本和盾構(gòu)參數(shù)控制樣本中梯度提升樹模的優(yōu)化變量；將獲取的位移監(jiān)測數(shù)據(jù)作為地層參數(shù)識別樣本的輸入，將地層參數(shù)識別樣本輸出的地層參數(shù)作為盾構(gòu)參數(shù)控制樣本的輸入，盾構(gòu)參數(shù)控制樣本輸出盾構(gòu)施工參數(shù)。本發(fā)明對地層參數(shù)的識別和盾構(gòu)參數(shù)預(yù)測調(diào)整，克服了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、以及拓撲結(jié)構(gòu)確定人為依賴性的缺點，提高了算法的精度和準確度。

技術(shù)領(lǐng)域

本發(fā)明涉及隧道施工領(lǐng)域，尤其涉及一種地質(zhì)環(huán)境變形監(jiān)測的盾構(gòu)施工參數(shù)調(diào)整方法及系統(tǒng)。

背景技術(shù)

在建筑物密集的繁華市區(qū)和復(fù)雜地質(zhì)隧道的施工方法中，盾構(gòu)法具有對周圍環(huán)境影響小、自動化程度高、施工快速、質(zhì)量好、安全環(huán)保等優(yōu)點。目前的盾構(gòu)設(shè)備在設(shè)備本身的自動化控制方面較為完善，但是與常規(guī)設(shè)備不同，盾構(gòu)機是根據(jù)具體施工對象定制的特種設(shè)備，盾構(gòu)的設(shè)計與施工必須與工程地質(zhì)緊密結(jié)合，與工程特點相匹配，才能保證盾構(gòu)法施工的質(zhì)量與安全。但是目前的盾構(gòu)施工控制針對不同地質(zhì)環(huán)境尚依賴人為的經(jīng)驗，缺乏自動調(diào)整的完善技術(shù)，與地質(zhì)環(huán)境配合在盾構(gòu)隧道施工實踐中也會出現(xiàn)各式各樣的問題，一旦發(fā)生事故影響更大，處置周期更長。盡管目前的三維數(shù)值模擬、神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學(xué)、支持向量機等機器學(xué)習(xí)等智能算法引入了盾構(gòu)施工的控制，但是還存在以下問題：1)三維數(shù)值模擬消耗時間太長，不宜用于施工的過程控制；2)目前的基于機器學(xué)習(xí)算法的盾構(gòu)施工智能控制主要是限于地表位移預(yù)測，無法確定地層的狀況，位移調(diào)整有一定盲目性。3)目前常用的機器學(xué)習(xí)方法比較復(fù)雜，給使用帶來了不便。為此，本發(fā)明研究盾構(gòu)機施工快速根據(jù)地層特點調(diào)整的技術(shù)，對于推進盾構(gòu)施工技術(shù)具有積極的意義。

發(fā)明內(nèi)容

本發(fā)明提供一種基于地質(zhì)環(huán)境變形監(jiān)測的盾構(gòu)施工參數(shù)調(diào)整方法，以克服上述技術(shù)問題。

本發(fā)明提供一種基于地質(zhì)環(huán)境變形監(jiān)測的盾構(gòu)施工參數(shù)調(diào)整方法，包括如下步驟：

S1：構(gòu)建地層參數(shù)識別樣本以及盾構(gòu)參數(shù)控制樣本，所述地層參數(shù)識別樣本為位移監(jiān)測數(shù)據(jù)與地層參數(shù)通過梯度提升樹模型形成的對應(yīng)關(guān)系；所述盾構(gòu)參數(shù)控制樣本為所述地層參數(shù)與盾構(gòu)施工參數(shù)通過梯度提升樹模型形成的對應(yīng)關(guān)系；

S2：構(gòu)建和聲記憶庫HM，所述和聲記憶庫HM由隨機生成的HMS個和聲組成，將所述梯度提升樹模型中的回歸樹數(shù)量、學(xué)習(xí)率、葉節(jié)點最小樣本數(shù)、最小分枝樣本數(shù)、決策樹最大深度作為和聲算法的優(yōu)化變量，所述多個優(yōu)化變量組成和聲；

其中，HM＝(X₁，X₂，…，X_HMS)，X為和聲；

S3：求解所述和聲記憶庫HM中的每個優(yōu)化變量的目標(biāo)函數(shù)的初始值；

S4：更新所述和聲記憶庫HM，并求解更新后的所述和聲記憶庫HM中的優(yōu)化變量的目標(biāo)函數(shù)值，并與每個優(yōu)化變量對應(yīng)的所述目標(biāo)函數(shù)初始值進行比較，將目標(biāo)函數(shù)值大的優(yōu)化變量替換為目標(biāo)函數(shù)值小的優(yōu)化變量；

S5：重復(fù)步驟S4，直至確定地層參數(shù)識別樣本滿足迭代停止條件；

所述迭代停止條件為地層參數(shù)識別樣本中梯度提升樹模型的優(yōu)化變量通過上述步驟迭代完成后的目標(biāo)函數(shù)值均小于預(yù)設(shè)值并達到預(yù)設(shè)迭代次數(shù)；

S6：重復(fù)步驟S2-S4，直至確定盾構(gòu)參數(shù)控制樣本滿足迭代停止條件；

所述迭代停止條件為盾構(gòu)參數(shù)控制樣本中梯度提升樹模型的優(yōu)化變量通過上述步驟迭代完成后的目標(biāo)函數(shù)值均小于預(yù)設(shè)值并達到預(yù)設(shè)迭代次數(shù)，并構(gòu)建盾構(gòu)參數(shù)控制樣本；

S7：分別更新地層參數(shù)識別樣本和盾構(gòu)參數(shù)控制樣本中梯度提升樹模的優(yōu)化變量；