引言
進(jìn)入21世紀(jì)以來，人工智能技術(shù)進(jìn)入了一個(gè)集成發(fā)展期，機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)等理論的提出和迅猛發(fā)展，都加速了人工智能的現(xiàn)實(shí)應(yīng)用；與此同時(shí)，物聯(lián)網(wǎng)與大數(shù)據(jù)的發(fā)展掀起了產(chǎn)品智能化的新浪潮，推動(dòng)了基于信息新環(huán)境和發(fā)展新目標(biāo)的新一代人工智能。
新信息技術(shù)與產(chǎn)品的融合，給裝備制造業(yè)也帶來了深刻變革。裝備智能化被國(guó)外諸多國(guó)家規(guī)劃列為國(guó)家戰(zhàn)略發(fā)展方向，包括德國(guó)的“工業(yè)4.0”、美國(guó)的“國(guó)家制造創(chuàng)新網(wǎng)絡(luò)計(jì)劃”以及日本的“科學(xué)技術(shù)創(chuàng)新綜合戰(zhàn)略”等。全球領(lǐng)先的工程機(jī)械制造商也紛紛布局裝備智能化戰(zhàn)略，比如卡特彼勒的“智能機(jī)器時(shí)代”（見圖1）和小松的“高精度智能化施工”等。
圖1 卡特彼勒“智能機(jī)器時(shí)代”
我國(guó)裝備制造業(yè)正面臨著越來越大的產(chǎn)業(yè)雙向轉(zhuǎn)移壓力和產(chǎn)業(yè)空心化風(fēng)險(xiǎn)，工業(yè)成本的急劇上升使得原先的成本優(yōu)勢(shì)相對(duì)于美國(guó)已下降到不足5%。同時(shí)，我國(guó)的高端裝備嚴(yán)重依賴進(jìn)口，發(fā)展高端智能化裝備是我國(guó)提升先進(jìn)制造能力、推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)邁向中高端的迫切需求，也是我國(guó)從制造大國(guó)向制造強(qiáng)國(guó)轉(zhuǎn)變的必然選擇。因此，我國(guó)先后提出了“中國(guó)制造2025”、“中國(guó)人工智能2.0”等戰(zhàn)略與規(guī)劃。
智能工程裝備（見圖2）相比于傳統(tǒng)的工程裝備具有非常突出的優(yōu)勢(shì)，其利用高精度的傳感系統(tǒng)和高精確的工作軌跡規(guī)劃實(shí)現(xiàn)高效作業(yè)，通過能量的匹配和回收實(shí)現(xiàn)節(jié)約能源，基于大數(shù)據(jù)在線分析與決策達(dá)到智能操控，運(yùn)用云通訊和云計(jì)算等技術(shù)實(shí)現(xiàn)故障診斷、在線評(píng)估以及集群控制；因此，工程裝備智能化是未來裝備制造業(yè)的發(fā)展趨勢(shì)，能夠?qū)崿F(xiàn)快速響應(yīng)用戶需求，減輕作業(yè)強(qiáng)度，增強(qiáng)產(chǎn)品適用性，保障設(shè)備可用和提高資源利用率等。
圖2 智能工程裝備
工程裝備智能化的發(fā)展方向主要分為4個(gè)層次： 1）傳感器輔助、分級(jí)規(guī)劃和自動(dòng)控制； 2）單一環(huán)節(jié)的自主作業(yè)； 3）全通用的自主智能作業(yè)； 4）面向AI 2.0裝備集群智能協(xié)作，形成一個(gè)集交互、感知、分析、決策、控制等功能為一體的綜合智能系統(tǒng)。
全斷面隧道掘進(jìn)機(jī)是實(shí)現(xiàn)隧道施工作業(yè)機(jī)械化的關(guān)鍵裝備，分為盾構(gòu)和硬巖掘進(jìn)機(jī)（tunnel boringmachine,簡(jiǎn)稱TBM）2大類。根據(jù)國(guó)家發(fā)展規(guī)劃，我國(guó)盾構(gòu)法和TBM法施工的各類隧道長(zhǎng)度超過6 000 km，到2020年全斷面掘進(jìn)裝備需求總計(jì)500臺(tái)以上，超過全球總需求量的60%，裝備的直接費(fèi)用和配套及維護(hù)費(fèi)用總計(jì)超過500億元。鐵路、公路、水利等基礎(chǔ)建設(shè)對(duì)全斷面隧道掘進(jìn)裝備提出了巨大的市場(chǎng)需求，但掘進(jìn)環(huán)境的復(fù)雜性、不確定性給全斷面隧道掘進(jìn)裝備的安全高效施工帶來了極大挑戰(zhàn)。
隨著工程裝備智能化技術(shù)的日漸成熟，其模式識(shí)別、智能感知等應(yīng)用實(shí)現(xiàn)了裝備的集成化、數(shù)字化、可視化和自動(dòng)化，其利用大數(shù)據(jù)進(jìn)行云計(jì)算和工業(yè)互聯(lián)實(shí)現(xiàn)了產(chǎn)品、工廠、信息系統(tǒng)、用戶乃至產(chǎn)業(yè)鏈、價(jià)值鏈等各環(huán)節(jié)的全面深度互聯(lián)。如何將這些智能互聯(lián)技術(shù)有效應(yīng)用于全斷面隧道掘進(jìn)裝備實(shí)現(xiàn)本體、操控作業(yè)智能化，如何有效利用工程施工大數(shù)據(jù)并釋放其中的信息與知識(shí)以進(jìn)行裝備設(shè)計(jì)制造、操控作業(yè)、健康維護(hù)和故障診斷等，將成為隧道工程領(lǐng)域的重大技術(shù)挑戰(zhàn)和未來行業(yè)競(jìng)爭(zhēng)熱點(diǎn)。
1全斷面隧道掘進(jìn)裝備智能化面臨的科學(xué)挑戰(zhàn)
1.1 復(fù)雜工況下掘進(jìn)狀態(tài)識(shí)別與地質(zhì)環(huán)境感知
復(fù)雜多變的地質(zhì)環(huán)境對(duì)全斷面隧道掘進(jìn)裝備的高效安全作業(yè)有著極大的影響，在傳統(tǒng)的掘進(jìn)模式中，首先要對(duì)掘進(jìn)的地質(zhì)條件進(jìn)行前期的勘測(cè)與研究。在實(shí)際工程中，往往是每隔一定的距離進(jìn)行鉆孔，再根據(jù)鉆孔編錄資料推測(cè)出整體的地質(zhì)條件。
在西北某山嶺引水隧洞工程中，2個(gè)鉆孔之間的盲區(qū)出現(xiàn)了裂隙發(fā)育的花崗巖，且發(fā)育2組順?biāo)矶聪蛄严都?組垂直洞向裂隙，形成了楔形體，與前期的地質(zhì)工作存在較大出入，最終出現(xiàn)巖體失穩(wěn)現(xiàn)象，導(dǎo)致TBM發(fā)生了卡機(jī)事故。
在廣州地鐵某區(qū)間隧道工程中，由于地面魚塘密布，導(dǎo)致鉆孔間距較大，其推測(cè)出的地質(zhì)條件與實(shí)際地層出入較大，難以準(zhǔn)確調(diào)整盾構(gòu)掘進(jìn)參數(shù)以致發(fā)生了地表大面積沉降事故。
因此，實(shí)現(xiàn)掘進(jìn)狀態(tài)與地質(zhì)環(huán)境的準(zhǔn)確識(shí)別，建立完備的地質(zhì)環(huán)境信息感知系統(tǒng)，是實(shí)現(xiàn)全斷面隧道掘進(jìn)裝備智能化所面臨的科學(xué)挑戰(zhàn)。
1.2 地質(zhì)環(huán)境與裝備掘進(jìn)運(yùn)行參數(shù)映射規(guī)律與匹配方法
目前，全斷面隧道掘進(jìn)裝備施工仍然以人為經(jīng)驗(yàn)操控為主，遭遇地層變化或復(fù)雜地質(zhì)條件時(shí)依靠司機(jī)調(diào)整推力、轉(zhuǎn)矩、推進(jìn)速度、刀盤轉(zhuǎn)速等掘進(jìn)參數(shù)。
在中天山隧道TBM掘進(jìn)施工過程中，遭遇了自穩(wěn)性很差的圍巖，由于操作司機(jī)沒有及時(shí)適當(dāng)減小TBM的推進(jìn)速度、刀盤轉(zhuǎn)速等掘進(jìn)參數(shù)，也沒有采用不用撐靴的高壓拉缸模式來減小對(duì)圍巖的撓動(dòng)，導(dǎo)致了嚴(yán)重的圍巖坍塌事故。
在某地鐵區(qū)間盾構(gòu)法施工隧道工程中，盾構(gòu)在糾偏過程中進(jìn)行強(qiáng)制糾偏，導(dǎo)致管片角部應(yīng)力集中，出現(xiàn)管片破裂，而施工人員未能及時(shí)發(fā)現(xiàn)并采取應(yīng)急措施，形成了涌水、涌砂事故。這些事故都體現(xiàn)出現(xiàn)有的操作模式中人機(jī)理解與協(xié)作性差、巖機(jī)互饋機(jī)制不明確等缺點(diǎn)。
因此，地質(zhì)環(huán)境與裝備掘進(jìn)運(yùn)行參數(shù)間的映射關(guān)系，特別是地層變化或復(fù)雜地質(zhì)條件下巖機(jī)參數(shù)映射規(guī)律與匹配方法，是實(shí)現(xiàn)掘進(jìn)智能控制、人機(jī)交互與協(xié)調(diào)所面臨的科學(xué)挑戰(zhàn)。
1.3 多子系統(tǒng)掘進(jìn)作業(yè)的智能規(guī)劃與協(xié)同控制
隧道掘進(jìn)裝備具有多子系統(tǒng)、多任務(wù)和高協(xié)同性的典型特征，其推進(jìn)、支撐、調(diào)向、管片拼裝等子系統(tǒng)需要工作人員按照嚴(yán)格的運(yùn)作順序進(jìn)行操作，體現(xiàn)了掘進(jìn)施工過程中明顯的人機(jī)交錯(cuò)特點(diǎn)，特別是在襯砌、運(yùn)輸、拼裝、機(jī)械安裝等工藝復(fù)雜的環(huán)節(jié)，容易出現(xiàn)起重傷害、電瓶車傷人、機(jī)械傷害、高處墜落等多種事故，如南京某地鐵工地的管片堆場(chǎng)事故，上海某地鐵區(qū)間隧道的垂直、水平運(yùn)輸事故以及由于換刀操作不當(dāng)引起的爆炸事故等，均造成了較大的人員傷亡。
因此，在確保運(yùn)行穩(wěn)定與作業(yè)安全的基礎(chǔ)上實(shí)現(xiàn)掘進(jìn)裝備的無人值守和智能化運(yùn)作是十分必要的，這樣就對(duì)掘進(jìn)裝備自主識(shí)別掘進(jìn)任務(wù)、各子系統(tǒng)間的任務(wù)智能規(guī)劃與協(xié)調(diào)提出了極大的挑戰(zhàn)。
如圖3所示，環(huán)境與狀態(tài)感知、施工參數(shù)自適應(yīng)動(dòng)態(tài)調(diào)控、多系統(tǒng)協(xié)調(diào)控制與多目標(biāo)優(yōu)化已經(jīng)成為新一代智能隧道掘進(jìn)裝備設(shè)計(jì)與制造的核心問題。打破傳統(tǒng)隧道掘進(jìn)操作模式，突破掘進(jìn)效率和地質(zhì)適應(yīng)性瓶頸，實(shí)現(xiàn)隧道掘進(jìn)裝備的長(zhǎng)距離、智能化、無人值守與安全快速掘進(jìn)，引領(lǐng)全斷面隧道掘進(jìn)裝備技術(shù)革命性跨越，對(duì)提升我國(guó)此類裝備的自主創(chuàng)新能力和實(shí)現(xiàn)跨越發(fā)展具有重要的意義。
圖3 智能隧道掘進(jìn)裝備
2全斷面隧道掘進(jìn)裝備智能化的現(xiàn)有研究基礎(chǔ)
2.1 施工地質(zhì)預(yù)測(cè)與掘進(jìn)狀態(tài)感知
在地質(zhì)超前勘探方面，德國(guó)海瑞克公司與德國(guó)國(guó)家地球科學(xué)研究中心波茨坦亥姆霍茲中心開發(fā)了用于隧道早期探測(cè)的集成式地震探測(cè)系統(tǒng)ISP。香港大學(xué)岳中琦等和哈斯特帕大學(xué)Kahraman提出了基于鉆進(jìn)參數(shù)分析的“數(shù)字智能鉆機(jī)”技術(shù)，結(jié)合基于地震波場(chǎng)特性分析的隨鉆地震探測(cè)方法能夠?yàn)閹r體力學(xué)參數(shù)的快速獲取提供可用方法，但其理論上存在一些尚未突破的關(guān)鍵問題。國(guó)內(nèi)外地表勘探領(lǐng)域認(rèn)為基于多元地球物理信息融合與聯(lián)合反演理論的綜合超前地質(zhì)預(yù)報(bào)技術(shù)是抑制探測(cè)多解性、提高預(yù)報(bào)可靠性的可行有效途徑，但目前未見基于聯(lián)合反演的隧道綜合超前預(yù)報(bào)的文獻(xiàn)和報(bào)道，仍需建立系統(tǒng)有效的地質(zhì)反演模型并提出快速求解的方法。
在多傳感巖機(jī)信息感知與融合方面： 北京理工大學(xué)Wang Tao等利用破巖過程中振動(dòng)和磨損機(jī)制等建立了巖機(jī)信息融合與互饋分析模型；東北大學(xué)杜志國(guó)建立了基于虛擬儀器的振動(dòng)模態(tài)理論、振動(dòng)檢測(cè)系統(tǒng)、多參數(shù)磨損預(yù)測(cè)公式和監(jiān)測(cè)方法。德國(guó)海瑞克的盾構(gòu)滾刀滾動(dòng)監(jiān)控系統(tǒng)通過定位受損或阻滯的滾刀，優(yōu)化刀盤的維護(hù)時(shí)間間隔；美國(guó)羅賓斯公司的刀具工程師開發(fā)出了一種可以安裝在刀具楔形螺栓上的電子傳感器；這些通過監(jiān)測(cè)分析刀盤、刀具傳感器信號(hào)來得到掘進(jìn)機(jī)運(yùn)行性能的方法，存在的主要問題是缺少系統(tǒng)化的數(shù)據(jù)感知理論和實(shí)時(shí)反饋調(diào)控方法，難以實(shí)現(xiàn)現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)的動(dòng)態(tài)化融合、分析和互饋，不能做到巖機(jī)狀態(tài)的動(dòng)態(tài)評(píng)價(jià)識(shí)別。
2.2 地質(zhì)環(huán)境與裝備掘進(jìn)運(yùn)行參數(shù)映射匹配關(guān)系
美國(guó)學(xué)者C.Demetrious基于舊金山地鐵隧道建設(shè)項(xiàng)目提出以計(jì)算機(jī)網(wǎng)絡(luò)為傳輸工具形成“施工信息監(jiān)控反饋體系”的可能性；意大利Geo DATA公司建立了隧道工程施工監(jiān)測(cè)信息化管理GDMS系統(tǒng)，已應(yīng)用在圣地亞哥、圣彼得堡等地的城市軌道交通建設(shè)中；法國(guó)Bouygues公司設(shè)計(jì)出CATSBY盾構(gòu)施工信息管理軟件，實(shí)現(xiàn)了盾構(gòu)施工信息化管理的要求。
國(guó)內(nèi)中鐵裝備、鐵建重工、中鐵隧道局等龍頭企業(yè)均構(gòu)建了具有隧道施工信息數(shù)據(jù)采集、存儲(chǔ)、分析及應(yīng)用等功能架構(gòu)的掘進(jìn)機(jī)遠(yuǎn)程信息化管理系統(tǒng)，為進(jìn)一步研究掘進(jìn)參數(shù)優(yōu)化決策和智能控制提供了支持；此外，中鐵一局還開發(fā)了盾構(gòu)集群遠(yuǎn)程監(jiān)控與智能化決策支持系統(tǒng)。
目前，國(guó)內(nèi)外的遠(yuǎn)程信息化管理平臺(tái)的功能還不完善，多用于施工監(jiān)測(cè)與集群管理，尚不能解決隧道掘進(jìn)機(jī)掘進(jìn)時(shí)海量實(shí)時(shí)信息與歷史數(shù)據(jù)融合分析與挖掘的難題。
2.3 掘進(jìn)狀態(tài)智能控制與優(yōu)化決策
目前，對(duì)全斷面隧道掘進(jìn)機(jī)掘進(jìn)性能的研究主要集中在掘進(jìn)速度、刀具磨損、掘進(jìn)推力及轉(zhuǎn)矩預(yù)測(cè)模型建立等方面。北京工業(yè)大學(xué)龔秋明等提出了預(yù)測(cè)TBM掘進(jìn)速率的巖體特征參數(shù)模型，挪威學(xué)者Barton提出了QTBM預(yù)測(cè)模型等，然而這些模型的得出往往都基于特定工程的巖體類型以及掘進(jìn)機(jī)機(jī)械、運(yùn)行參數(shù)，且各自考慮了不同的巖體影響參數(shù)，而在巖體多變環(huán)境下如何選擇可靠的預(yù)測(cè)模型對(duì)掘進(jìn)機(jī)掘進(jìn)推力及掘進(jìn)性能進(jìn)行較準(zhǔn)確預(yù)測(cè)并實(shí)時(shí)達(dá)到最優(yōu)破巖效率，仍是掘進(jìn)機(jī)施工中亟待解決的問題。日本學(xué)者Okubo等利用已有多個(gè)TBM預(yù)測(cè)模型和多條TBM隧道的數(shù)據(jù)建立了知識(shí)庫(kù)及數(shù)據(jù)庫(kù)，開發(fā)了一套專家系統(tǒng)用來評(píng)價(jià)TBM在隧道中的適用性，并取得了較好的應(yīng)用效果；然而，實(shí)時(shí)智能化專家系統(tǒng)在TBM實(shí)時(shí)掘進(jìn)性能優(yōu)化方面的應(yīng)用亟待進(jìn)一步研究。
破碎比能、TBM利用率、刀盤磨損、碴片特征等多個(gè)指標(biāo)都曾被TBM掘進(jìn)性能評(píng)價(jià)方法所采用，因此，建立一種囊括多種巖體條件及多個(gè)評(píng)價(jià)指標(biāo)的優(yōu)化決策方法是利用人工智能方法實(shí)現(xiàn)隧道掘進(jìn)機(jī)掘進(jìn)智能控制及優(yōu)化的前提?，F(xiàn)有方法對(duì)掘進(jìn)機(jī)操作參數(shù)與巖體條件匹配的研究還不夠系統(tǒng)、深入，尚未形成完善的掘進(jìn)實(shí)時(shí)優(yōu)化、地質(zhì)適應(yīng)性智能化控制理論、方法與評(píng)價(jià)體系。
隧道掘進(jìn)裝備的環(huán)境與狀態(tài)感知、施工參數(shù)自適應(yīng)動(dòng)態(tài)調(diào)控、多系統(tǒng)協(xié)調(diào)控制與多目標(biāo)優(yōu)化仍是國(guó)際性的行業(yè)難題，而實(shí)現(xiàn)掘進(jìn)裝備的掘進(jìn)過程狀態(tài)實(shí)時(shí)感知與智能化控制是解決這些難題的有效途徑，也是未來全斷面隧道掘進(jìn)裝備發(fā)展的必然趨勢(shì)。
3全斷面隧道掘進(jìn)裝備智能化設(shè)想
3.1 多傳感信息融合的掘進(jìn)狀態(tài)感知與性能評(píng)價(jià)方法
隧道掘進(jìn)機(jī)掘進(jìn)時(shí)面臨著強(qiáng)沖擊載荷、地質(zhì)復(fù)雜多變的惡劣工況，難以實(shí)現(xiàn)掘進(jìn)狀態(tài)的準(zhǔn)確感知與識(shí)別，因此，開發(fā)融合高精傳感技術(shù)的智能液壓元件是實(shí)現(xiàn)狀態(tài)監(jiān)測(cè)與智能化控制的基礎(chǔ)。智能液壓元件（見圖4）基于高效驅(qū)動(dòng)的原理嵌入大量傳感、控制等精密電氣部件，實(shí)現(xiàn)控制特性可編程，從而達(dá)到良好的控制性能。
圖4 智能液壓元件
整體的傳感感知系統(tǒng)可采用總線組網(wǎng)通訊，將智能液壓元件無縫嵌入主機(jī)總線網(wǎng)絡(luò)，實(shí)現(xiàn)元件級(jí)狀態(tài)監(jiān)測(cè)，利用激光雷達(dá)、工業(yè)攝像頭等開發(fā)環(huán)境識(shí)別系統(tǒng)以及轉(zhuǎn)矩、位移等大量高精度傳感器開發(fā)集成式傳感系統(tǒng)，實(shí)現(xiàn)刀具磨損、掘進(jìn)界面穩(wěn)定性、密封艙壓力等環(huán)節(jié)的智能感知，從而獲取裝備的海量多元信息。
基于現(xiàn)場(chǎng)施工和模型試驗(yàn)數(shù)據(jù)，對(duì)如地質(zhì)條件、掘進(jìn)參數(shù)、刀具損耗等掘進(jìn)機(jī)要素進(jìn)行相關(guān)性系統(tǒng)研究，分析參數(shù)之間的融合及互饋機(jī)制，揭示巖機(jī)狀態(tài)與掘進(jìn)主控參量之間的映射關(guān)系，建立典型地質(zhì)條件和不良地質(zhì)條件的解釋、識(shí)別準(zhǔn)則與方法，提出掘進(jìn)機(jī)掘進(jìn)性能化評(píng)價(jià)方法，實(shí)現(xiàn)巖機(jī)狀態(tài)動(dòng)態(tài)評(píng)價(jià)和災(zāi)害預(yù)警。
3.2 掘進(jìn)參數(shù)工況自適應(yīng)動(dòng)態(tài)調(diào)控方法
目前，隧道掘進(jìn)機(jī)施工中掘進(jìn)參數(shù)的選擇往往依賴操作人員的經(jīng)驗(yàn)，遭遇復(fù)雜地質(zhì)環(huán)境時(shí)難以及時(shí)有效調(diào)整，極大影響了掘進(jìn)機(jī)的作業(yè)效率與安全。因此，識(shí)別作業(yè)環(huán)境與裝備性能狀態(tài)，揭示掘進(jìn)動(dòng)力系統(tǒng)動(dòng)態(tài)性能實(shí)時(shí)調(diào)控機(jī)制，實(shí)現(xiàn)關(guān)鍵參數(shù)自適應(yīng)控制是智能化作業(yè)的保障。
可以從3個(gè)方面開展相關(guān)研究： 1）建立掘進(jìn)過程巖機(jī)狀態(tài)智能識(shí)別和專家系統(tǒng)，實(shí)現(xiàn)掘進(jìn)參數(shù)與支護(hù)參數(shù)優(yōu)化決策； 2）提出掘進(jìn)機(jī)軌跡在線自主規(guī)劃方法，實(shí)現(xiàn)掘進(jìn)姿態(tài)預(yù)測(cè)控制與自動(dòng)糾偏； 3）研究刀盤驅(qū)動(dòng)魯棒自適應(yīng)控制，實(shí)現(xiàn)刀盤載荷突變功率實(shí)時(shí)匹配。
3.3 掘進(jìn)運(yùn)行參數(shù)數(shù)據(jù)挖掘與云計(jì)算
100臺(tái)隧道掘進(jìn)機(jī)每５年能夠產(chǎn)生32 000億條數(shù)據(jù)，由于定義不統(tǒng)一、數(shù)據(jù)源不規(guī)范以及分布不透明等原因，再加上缺乏處理技術(shù)與評(píng)估手段，這些閑置的多源海量數(shù)據(jù)并不能夠得到充分利用，因此，開發(fā)隧道掘進(jìn)機(jī)大數(shù)據(jù)處理平臺(tái)（見圖5）和云計(jì)算平臺(tái)，實(shí)現(xiàn)多源數(shù)據(jù)的采集、傳輸和挖掘是十分必要的。
為了實(shí)現(xiàn)掘進(jìn)機(jī)實(shí)時(shí)信息和歷史數(shù)據(jù)的融合分析和挖掘，首先需要收集工程數(shù)據(jù)，對(duì)多種信息標(biāo)準(zhǔn)化與格式化以及構(gòu)建數(shù)據(jù)模型和多層級(jí)標(biāo)準(zhǔn)數(shù)據(jù)倉(cāng)庫(kù)，然后選擇合適的開源軟件，建立掘進(jìn)機(jī)大數(shù)據(jù)處理和云計(jì)算平臺(tái)，最終實(shí)現(xiàn)掘進(jìn)數(shù)據(jù)遠(yuǎn)程傳輸、信息安全與海量數(shù)據(jù)遞歸挖掘。
3.4 基于人工智能的掘進(jìn)參數(shù)自學(xué)習(xí)理論
長(zhǎng)期以來，對(duì)隧道掘進(jìn)機(jī)的海量多源數(shù)據(jù)一直缺乏有效的優(yōu)化和決策手段，掘進(jìn)機(jī)的掘進(jìn)參數(shù)完全依靠人為經(jīng)驗(yàn)，對(duì)這些數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析處理，實(shí)現(xiàn)掘進(jìn)參數(shù)的智能優(yōu)化和決策是巖機(jī)狀態(tài)信息感知、融合與識(shí)別的基本命題。
首先，需要設(shè)定隧道工程常用的不同地質(zhì)條件，增加載荷參數(shù)作為中間橋梁，基于深度學(xué)習(xí)和數(shù)據(jù)挖掘建立不同地質(zhì)條件下巖機(jī)狀態(tài)與掘進(jìn)主控參量之間的映射關(guān)系模型（見圖6），通過研究機(jī)器參數(shù)在線辨識(shí)理論和掘進(jìn)參數(shù)約束條件與代價(jià)函數(shù)在線計(jì)算方法，實(shí)現(xiàn)控制參數(shù)的在線最優(yōu)匹配以及決策參數(shù)的多目標(biāo)動(dòng)態(tài)規(guī)劃，解決隧道掘進(jìn)機(jī)一旦遭遇不良地質(zhì)，難以及時(shí)科學(xué)決策，易造成嚴(yán)重事故的瓶頸問題。
圖５巖機(jī)狀態(tài)與掘進(jìn)主控參量之間的映射關(guān)系模型
3.5 多系統(tǒng)協(xié)調(diào)智能化控制方法
隧道掘進(jìn)機(jī)是一個(gè)多系統(tǒng)耦合的復(fù)雜系統(tǒng)，系統(tǒng)之間作用機(jī)制復(fù)雜，整機(jī)工作性能指標(biāo)不能夠充分發(fā)揮，這些都對(duì)裝備子系統(tǒng)間的任務(wù)智能規(guī)劃與協(xié)調(diào)提出了極大的挑戰(zhàn)。
為了實(shí)現(xiàn)掘進(jìn)機(jī)的無人值守和智能化運(yùn)作，需要研究掘進(jìn)過程中的不確定干擾以及未建模動(dòng)態(tài)，建立系統(tǒng)間耦合作業(yè)模型，結(jié)合機(jī)器自學(xué)習(xí)算法，基于多目標(biāo)動(dòng)態(tài)優(yōu)化決策模塊中的最優(yōu)掘進(jìn)參數(shù)和最優(yōu)支護(hù)方案實(shí)現(xiàn)全過程的協(xié)調(diào)控制，最終建立高效安全掘進(jìn)的多系統(tǒng)協(xié)調(diào)控制與決策優(yōu)化專家系統(tǒng)。隧道掘進(jìn)機(jī)多目標(biāo)優(yōu)化模型如圖7所示。
圖7 隧道掘進(jìn)機(jī)多目標(biāo)優(yōu)化模型
總結(jié)展望
國(guó)家的相關(guān)政策、巨大的社會(huì)需求以及人工智能技術(shù)的進(jìn)步都在快速推動(dòng)著全斷面隧道掘進(jìn)裝備的智能化發(fā)展。打破傳統(tǒng)隧道掘進(jìn)模式，突破掘進(jìn)效率和壽命瓶頸，實(shí)現(xiàn)隧道掘進(jìn)裝備的長(zhǎng)距離、智能化、無人值守、安全快速掘進(jìn)是掘進(jìn)裝備智能化的目標(biāo)，而實(shí)現(xiàn)掘進(jìn)狀態(tài)感知識(shí)別、掘進(jìn)參數(shù)工況自適應(yīng)動(dòng)態(tài)調(diào)控掘進(jìn)參數(shù)數(shù)據(jù)挖掘計(jì)算、掘進(jìn)參數(shù)的智能優(yōu)化和決策以及多系統(tǒng)協(xié)調(diào)智能化控制是全斷面隧道掘進(jìn)裝備智能化的核心問題。對(duì)隧道掘進(jìn)裝備最新技術(shù)成果與人工智能相結(jié)合的探索才剛剛開始，其前景必然無限廣闊。
成功提示
錯(cuò)誤提示
警告提示
評(píng)論 （0）