基于MLP-ARX模型盾構(gòu)自動(dòng)掘進(jìn)技術(shù)研究與應(yīng)用

蔡 杰

(中國(guó)鐵建重工集團(tuán)股份有限公司，湖南 長(zhǎng)沙 410100)

0 引言

盾構(gòu)廣泛應(yīng)用于地鐵、市政、管廊、城際鐵路等工程，作業(yè)過(guò)程涉及復(fù)雜的人機(jī)環(huán)境交互，是機(jī)、電、光、液多場(chǎng)強(qiáng)耦合的現(xiàn)代復(fù)雜機(jī)電系統(tǒng)，解析模型難以獲取；受施工環(huán)境和掘進(jìn)機(jī)運(yùn)行工況等不確定因素影響，具有非線性、不確定性、多變量強(qiáng)耦合等特點(diǎn)，導(dǎo)致掘進(jìn)過(guò)程的自動(dòng)控制技術(shù)尚不成熟，目前主要依賴人工操作經(jīng)驗(yàn)，主觀性很大，且由于地質(zhì)條件復(fù)雜多變，監(jiān)測(cè)與控制參數(shù)繁多，操作失誤可能引起嚴(yán)重事故。因此，掘進(jìn)機(jī)智能化、少人化是必然的發(fā)展趨勢(shì)。

在盾構(gòu)智能掘進(jìn)研究方面，已有不少專家學(xué)者開(kāi)展了相關(guān)工作。運(yùn)用傳統(tǒng)的PID控制器與模糊控制理論方面，李月強(qiáng)等[1]提出一種應(yīng)用模糊控制技術(shù)設(shè)計(jì)的糾偏控制器，取得了一定的糾偏效果；胡國(guó)良等[2]采用自整定PID控制技術(shù)，實(shí)現(xiàn)了螺旋輸送機(jī)的自動(dòng)排土控制；羅力維等[3]引入自適應(yīng)模糊控制，組成通過(guò)即時(shí)檢測(cè)刀盤(pán)轉(zhuǎn)矩來(lái)控制盾構(gòu)進(jìn)給的智能控制設(shè)備；劉肖楠等[4]提出基于粒子群算法優(yōu)化PID控制器參數(shù)的糾偏控制策略，設(shè)計(jì)了液壓推進(jìn)系統(tǒng)的糾偏控制器；路平[5]基于盾構(gòu)施工參數(shù)現(xiàn)場(chǎng)數(shù)據(jù)，采用模糊集合理論確定了掘進(jìn)參數(shù)的最優(yōu)取值范圍，用于地表沉降的優(yōu)化控制。神經(jīng)網(wǎng)絡(luò)的應(yīng)用[6-9]對(duì)盾構(gòu)智能化有著重要作用，基于歷史掘進(jìn)參數(shù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，在掘進(jìn)過(guò)程中輸出最優(yōu)控制參數(shù)，可實(shí)現(xiàn)部分控制與預(yù)測(cè)的功能。丁保軍等[10]基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)(DBN)理論提出了盾構(gòu)隧道施工參數(shù)優(yōu)化方法；Zhou等[11]提出了一種應(yīng)用混合深度學(xué)習(xí)模型的盾構(gòu)掘進(jìn)姿態(tài)和位置預(yù)測(cè)框架，用于確定盾構(gòu)的姿態(tài)和位置；張娜等[12]通過(guò)分析巖體狀態(tài)參數(shù)與TBM掘進(jìn)參數(shù)的聯(lián)系，建立巖機(jī)信息感知互饋模型，實(shí)現(xiàn)了掘進(jìn)參數(shù)的預(yù)測(cè)以及掘進(jìn)狀態(tài)評(píng)價(jià)。運(yùn)用回歸分析技術(shù)方面，郭澤坤[13]建立了偏差變化量回歸模型，通過(guò)建立關(guān)聯(lián)規(guī)則，匹配獲取每環(huán)偏差量對(duì)應(yīng)的掘進(jìn)參數(shù)，將絕對(duì)誤差最小的數(shù)據(jù)作為最優(yōu)參數(shù)建議值；李守巨等[14]建立了描述土壓平衡系統(tǒng)時(shí)滯特性的自回歸滑動(dòng)平均模型，驗(yàn)證螺旋機(jī)轉(zhuǎn)速對(duì)下一時(shí)刻密封艙壓力的調(diào)整具有明顯的時(shí)滯特性；Salimi等[15]開(kāi)發(fā)了分類(lèi)與回歸樹(shù)分析和多元回歸分析2種不同模型，用于推進(jìn)速度預(yù)測(cè)研究。

然而，現(xiàn)有的控制模型多為預(yù)測(cè)盾構(gòu)掘進(jìn)參數(shù)的輔助決策手段，難以在隧道施工中代替盾構(gòu)司機(jī)實(shí)現(xiàn)自動(dòng)控制。鑒于此，本文研發(fā)一種盾構(gòu)自動(dòng)掘進(jìn)系統(tǒng)，以歷史掘進(jìn)數(shù)據(jù)為基礎(chǔ)，采用MLP-ARX(多層感知機(jī)自回歸)模型建模方法，開(kāi)發(fā)能描述盾構(gòu)掘進(jìn)過(guò)程中相關(guān)變量動(dòng)態(tài)關(guān)系特征的模型，實(shí)現(xiàn)盾構(gòu)推進(jìn)過(guò)程自動(dòng)預(yù)測(cè)控制，并開(kāi)發(fā)模型在線更新方法，使模型能夠適應(yīng)地質(zhì)條件以及盾構(gòu)本身動(dòng)態(tài)特性的變化，并成功應(yīng)用在深圳地鐵14號(hào)線管線工程隧道。

1 數(shù)據(jù)預(yù)處理

盾構(gòu)在掘進(jìn)過(guò)程中產(chǎn)生海量實(shí)時(shí)信息，為了建立準(zhǔn)確的盾構(gòu)預(yù)測(cè)控制模型，必須充分挖掘歷史數(shù)據(jù)，摸清數(shù)據(jù)之間的規(guī)律。

1.1 建模參數(shù)選擇

從長(zhǎng)沙地鐵6號(hào)線某施工盾構(gòu)存儲(chǔ)的歷史施工數(shù)據(jù)中，篩選包括導(dǎo)向里程、刀盤(pán)轉(zhuǎn)速、推進(jìn)速度、土壓力、總推進(jìn)力等數(shù)據(jù)。在存儲(chǔ)的大量數(shù)據(jù)中存在異常數(shù)據(jù)以及非工作段的數(shù)據(jù)，對(duì)研究掘進(jìn)參數(shù)的優(yōu)化決策有負(fù)面的影響，需要進(jìn)行過(guò)濾。

1.2 非工作段數(shù)據(jù)過(guò)濾

在盾構(gòu)施工過(guò)程中，除正常掘進(jìn)工作外還有非掘進(jìn)工作狀態(tài)，例如管片拼裝、日常維護(hù)、刀具更換、異常停機(jī)等，需要過(guò)濾該數(shù)據(jù)。

在非工作段狀態(tài)下的數(shù)據(jù)中，推進(jìn)速度、總推力和刀盤(pán)速度等多個(gè)字段參數(shù)為0。據(jù)此設(shè)定實(shí)時(shí)判別函數(shù)如下：

(1)

式(1)為二值判別函數(shù)。當(dāng)x>0時(shí)，說(shuō)明數(shù)據(jù)為正常掘進(jìn)工作狀態(tài)值；當(dāng)x≤0時(shí)，數(shù)據(jù)為非掘進(jìn)工作狀態(tài)值。通過(guò)多個(gè)參數(shù)的二值判別剔除非掘進(jìn)工作狀態(tài)數(shù)據(jù)。

1.3 工作段異常數(shù)據(jù)過(guò)濾

正常工作掘進(jìn)段中包含了啟動(dòng)段與平穩(wěn)段2個(gè)部分，如圖1所示。

圖1 掘進(jìn)周期推進(jìn)速度的變化

該數(shù)據(jù)段仍有數(shù)據(jù)值異常的點(diǎn)，如超過(guò)盾構(gòu)額定指標(biāo)的數(shù)據(jù)點(diǎn)，過(guò)濾掘進(jìn)參數(shù)的異常值采用移動(dòng)平均(moving average，MA)方法實(shí)時(shí)處理。即：

(2)

采用N個(gè)時(shí)間序列的均值與標(biāo)準(zhǔn)差，作為實(shí)時(shí)判定當(dāng)前時(shí)刻平穩(wěn)段掘進(jìn)數(shù)據(jù)異常與否的依據(jù)。

2 掘進(jìn)過(guò)程預(yù)測(cè)控制

由于土壓平衡盾構(gòu)推進(jìn)系統(tǒng)結(jié)構(gòu)復(fù)雜，基于力學(xué)機(jī)制建立機(jī)理模型較為困難，尚無(wú)完善的可以描述推進(jìn)系統(tǒng)動(dòng)態(tài)特性的機(jī)理模型，而傳統(tǒng)的線性ARX模型難以表現(xiàn)盾構(gòu)的全局非線性動(dòng)態(tài)特性。本文研究一種新型基于MLP-ARX模型的土壓平衡盾構(gòu)掘進(jìn)參數(shù)建模方法，其目標(biāo)是建立推進(jìn)速度、土艙壓力、油缸推力及刀盤(pán)轉(zhuǎn)速之間的精確模型，實(shí)現(xiàn)推進(jìn)速度、土壓平衡以及導(dǎo)向糾偏等自動(dòng)控制。系統(tǒng)控制流程如圖2所示。

圖2 系統(tǒng)控制流程圖

2.1 推進(jìn)系統(tǒng)MLP-ARX模型

2.1.1 建立MLP-ARX模型

首先，確定推進(jìn)參數(shù)預(yù)測(cè)非線性ARX模型結(jié)構(gòu)；其次，使用多層感知機(jī)擬合該ARX模型的非線性回歸系數(shù)，使其具有非線性特性描述能力。構(gòu)造推進(jìn)參數(shù)MLP-ARX模型結(jié)構(gòu)如下：

(3)

考慮到盾構(gòu)周期工作的特點(diǎn)，一個(gè)工作段數(shù)據(jù)偏少，故提取多個(gè)連續(xù)工作段數(shù)據(jù)作為MLP-ARX建模樣本，訓(xùn)練集和驗(yàn)證集的比例為8∶2。

為了尋求最優(yōu)的建模結(jié)構(gòu)，結(jié)合網(wǎng)格搜索的方式，以MSE(均方誤差)為依據(jù)，對(duì)MLP輸入層特征變量進(jìn)行選擇，以MSE最小時(shí)所對(duì)應(yīng)的階次作為模型的階次，結(jié)構(gòu)搜索范圍為：

(4)

式中：ly、lu、ld分別為系統(tǒng)輸入、輸出、干擾信號(hào)在MLP模型中對(duì)應(yīng)的階次；h0(t)為MLP輸入層所有節(jié)點(diǎn)的集合；y、u、d分別為MLP端所輸入的對(duì)應(yīng)階次的被控量、控制量、可測(cè)干擾量實(shí)際值。

2.1.2 模型訓(xùn)練與優(yōu)化

通過(guò)對(duì)MLP-ARX模型中MLP網(wǎng)絡(luò)結(jié)構(gòu)的訓(xùn)練，可獲取MLP-ARX模型的參數(shù)。該MLP模型的輸入、輸出及中間隱含層的計(jì)算過(guò)程如下：

(5)

式中：Input_main為MLP端的輸入；第k個(gè)隱藏層的輸入為In_k、輸出為Out_k；中間狀態(tài)量為T(mén)emp_k。

每個(gè)隱藏層有2組參數(shù)，分別表示權(quán)重和偏置。權(quán)重用i×j的二維矩陣W表示，偏置使用大小為1×i的一維矩陣b表示。輸出層的節(jié)點(diǎn)個(gè)數(shù)為p+q+3s+1，此層的輸出即為MLP-ARX模型的參數(shù)，可得到模型的預(yù)測(cè)輸出為：

(6)

通過(guò)極小化MLP-ARX模型預(yù)測(cè)輸出與實(shí)際值的偏差，獲得推進(jìn)系統(tǒng)MLP-ARX模型的參數(shù)估計(jì)值：

(7)

采用梯度法對(duì)MLP-ARX模型進(jìn)行參數(shù)優(yōu)化，使用Adam優(yōu)化式(7)，并采用學(xué)習(xí)率逐漸下降的方式更新模型參數(shù)，以獲取精度更高的模型。

由于MLP端最終輸出節(jié)點(diǎn)總個(gè)數(shù)由ARX模型回歸系數(shù)階次所決定。在對(duì)MLP模型進(jìn)行參數(shù)優(yōu)化之前，使用最小二乘法對(duì)線性ARX模型系數(shù)進(jìn)行估計(jì)，選擇AIC(赤池信息化準(zhǔn)則)值最小的線性ARX模型階次作為MLP-ARX模型中ARX端的階次，從而確定最終的模型結(jié)構(gòu)。優(yōu)化后MLP-ARX模型的結(jié)構(gòu)參數(shù)見(jiàn)表1。

表1 MLP-ARX模型結(jié)構(gòu)參數(shù)

由于不同隧道工程及同一隧道不同施工段的地質(zhì)條件存在差異，運(yùn)用在線自適應(yīng)建模設(shè)計(jì)，將地層參數(shù)的識(shí)別融入到在線自適應(yīng)模型中，根據(jù)盾構(gòu)推進(jìn)過(guò)程中的工藝參數(shù)采樣值，構(gòu)建反映地質(zhì)條件變化情況下的推進(jìn)過(guò)程動(dòng)態(tài)特性模型。基于設(shè)備最新運(yùn)行數(shù)據(jù)進(jìn)行模型在線更新、參數(shù)優(yōu)化，以適應(yīng)地質(zhì)條件的變化以及盾構(gòu)本身動(dòng)態(tài)特性的變化。

2.2 自動(dòng)掘進(jìn)控制系統(tǒng)設(shè)計(jì)

采用兩級(jí)控制架構(gòu)，上級(jí)控制采用預(yù)測(cè)控制算法給出工藝變量的最優(yōu)設(shè)定值，下級(jí)控制采用PID控制器使工藝變量的實(shí)際值跟隨設(shè)定值。

基于MLP-ARX模型預(yù)測(cè)控制的算法結(jié)構(gòu)如下：

(8)

式中：y為被控輸出；u為控制量；v為過(guò)程干擾變量；ai,t-1、bi,t-1、ci,t-1為在線自適應(yīng)模型的系數(shù)；ka、kb、kc為模型階次；ξ為建模誤差。

預(yù)測(cè)控制系統(tǒng)根據(jù)實(shí)際反饋值與模型預(yù)測(cè)值偏差校正模型輸出，并利用校正后的預(yù)測(cè)輸出與參考軌跡的偏差通過(guò)二次規(guī)劃求解多步最優(yōu)控制量，對(duì)實(shí)際控制值進(jìn)行調(diào)節(jié)，逐步達(dá)到目標(biāo)值。

1)推進(jìn)速度預(yù)測(cè)控制以推進(jìn)速度設(shè)置信號(hào)和總推進(jìn)力為控制輸入，同時(shí)考慮到刀盤(pán)速度和土壓力的影響，及土壓力、導(dǎo)向偏差預(yù)測(cè)控制協(xié)調(diào)工作,通過(guò)下級(jí)控制器——螺旋機(jī)速度、B和D(A和C)區(qū)油缸壓力及推進(jìn)速度PID控制器自動(dòng)控制盾構(gòu)的推進(jìn)速度。

2)土壓力預(yù)測(cè)控制以土壓力測(cè)量值、螺旋機(jī)速度測(cè)量值、螺旋機(jī)速度設(shè)置為控制輸入，同時(shí)考慮到推進(jìn)速度平均值和總推進(jìn)力的影響，給出螺旋機(jī)速度、推進(jìn)速度平均值和總推進(jìn)力的最優(yōu)設(shè)定值，通過(guò)下級(jí)控制器——螺旋機(jī)速度PID控制器、主推進(jìn)油缸壓力PID控制器及推進(jìn)速度預(yù)測(cè)控制協(xié)調(diào)工作，達(dá)到自動(dòng)控制土壓力的目的。

3)水平(垂直)導(dǎo)向偏差預(yù)測(cè)控制，考慮到推進(jìn)速度和總推進(jìn)力對(duì)水平導(dǎo)向偏差信號(hào)的影響，給出B(A)區(qū)油缸壓力與D(C)區(qū)油缸壓力差的最優(yōu)設(shè)定值，通過(guò)下級(jí)控制器——B和D(A和C)區(qū)油缸壓力PID控制器及土壓力、推進(jìn)速度預(yù)測(cè)控制協(xié)調(diào)工作，使分區(qū)油缸壓力達(dá)到最優(yōu)設(shè)定值。

3 工程應(yīng)用驗(yàn)證

3.1 工程概況

在深圳地鐵某線路1#—2#綜合井區(qū)間進(jìn)行工程應(yīng)用。該工程采用土壓平衡盾構(gòu)施工，區(qū)間隧道長(zhǎng)度為664 m，地質(zhì)以礫砂為主，屬Ⅰ級(jí)松土，伴隨著少量粉質(zhì)黏土、中砂和變質(zhì)粉砂巖等地質(zhì)，隧道巖層基巖面起伏，存在上軟下硬現(xiàn)象，砂層為主要含水層，有涌水涌砂風(fēng)險(xiǎn)。地下水初見(jiàn)水位埋深0.40～27.00 m，高程13.58～91.29 m；穩(wěn)定地下水位埋深0.50～29.80 m，高程14.83～89.02 m。線路最大曲線半徑為500 m，最小半徑為300 m，底板埋深11.62～15.33 m，地質(zhì)情況如圖3所示。

圖3 試驗(yàn)區(qū)間地質(zhì)示意圖

3.2 應(yīng)用效果

開(kāi)發(fā)的自動(dòng)掘進(jìn)控制系統(tǒng)現(xiàn)場(chǎng)調(diào)試如圖4所示，對(duì)自動(dòng)控制算法現(xiàn)場(chǎng)實(shí)時(shí)控制驗(yàn)證。

(a)

3.2.1 自動(dòng)與人工控制效果對(duì)比

在該工程的實(shí)際應(yīng)用中，以系統(tǒng)的控制精度與穩(wěn)定性作為主要評(píng)價(jià)標(biāo)準(zhǔn)，即控制精度達(dá)到預(yù)期的控制目標(biāo)并可長(zhǎng)時(shí)間保持穩(wěn)定。以某一時(shí)段的實(shí)際控制為分析目標(biāo)，其中，推進(jìn)速度控制誤差(設(shè)定值與控制值的差值)可保持在≤5 mm/min，土壓力控制誤差可保持在≤10 kPa，水平與垂直導(dǎo)向的控制精度可控制在2 mm以內(nèi)。自動(dòng)控制效果如圖5—7所示。人工操作控制效果如圖8和9所示。

(a)推進(jìn)速度

(a)A區(qū)壓力

(a)土壓力

(a)土壓力

可以看出，針對(duì)土壓力、推進(jìn)速度、盾首水平導(dǎo)向偏差的自動(dòng)控制基本滿足預(yù)期的控制要求。其中，推進(jìn)速度控制可以長(zhǎng)時(shí)間將速度穩(wěn)定在目標(biāo)值附近；土壓力控制可將土壓力穩(wěn)定在目標(biāo)值附近，并在土壓力發(fā)生微小的波動(dòng)時(shí)，通過(guò)快速調(diào)整螺旋機(jī)速度和推進(jìn)速度等來(lái)保持土壓力恒定；導(dǎo)向糾偏效果良好，推進(jìn)油缸壓力變化的響應(yīng)速度很快，能及時(shí)通過(guò)調(diào)整油缸壓力從而進(jìn)行導(dǎo)向糾偏。而在人工操作狀態(tài)下，難以長(zhǎng)時(shí)間保證推進(jìn)速度、土壓力和導(dǎo)向偏差信號(hào)穩(wěn)定在期望的區(qū)間內(nèi)。自動(dòng)控制狀態(tài)下控制穩(wěn)定性好，能快速響應(yīng)系統(tǒng)變化。

(a)盾首水平導(dǎo)向偏差

3.2.2 掘進(jìn)參數(shù)自適應(yīng)控制效果

在實(shí)際工程中，掘進(jìn)參數(shù)可隨地質(zhì)條件變化進(jìn)行適當(dāng)調(diào)整，地質(zhì)變化時(shí)參數(shù)自動(dòng)控制效果如圖10所示。

(a)推進(jìn)速度

由圖10可知，由于地質(zhì)條件會(huì)發(fā)生變化或者出現(xiàn)孤石、涌水等情況，導(dǎo)致掘進(jìn)參數(shù)會(huì)出現(xiàn)瞬時(shí)的較大變化。當(dāng)?shù)刭|(zhì)發(fā)生變化后，基于MLP-ARX模型的控制網(wǎng)絡(luò)會(huì)迅速響應(yīng)，調(diào)整相關(guān)控制變量，使掘進(jìn)參數(shù)能快速恢復(fù)到目標(biāo)值附近。從波動(dòng)調(diào)整到相對(duì)穩(wěn)定的過(guò)程，調(diào)整所花時(shí)間的長(zhǎng)短很大程度上依賴于當(dāng)時(shí)掘進(jìn)的地質(zhì)情況，地質(zhì)情況不同，調(diào)整的時(shí)間也不相同?？傮w來(lái)說(shuō)，基本可以滿足自動(dòng)控制的要求。

選取若干時(shí)間段的控制誤差進(jìn)行對(duì)比，分析MLP-ARX模型對(duì)推進(jìn)速度、土壓力、水平與垂直導(dǎo)向糾偏的自動(dòng)控制效果，見(jiàn)表2。由表2可知，系統(tǒng)的自動(dòng)控制結(jié)果均在允許的誤差范圍之內(nèi)。綜上所述，基于MLP-ARX模型所設(shè)計(jì)的盾構(gòu)自動(dòng)掘進(jìn)控制系統(tǒng)基本滿足實(shí)際推進(jìn)控制要求，具有一定的工程應(yīng)用前景和價(jià)值。

表2 推進(jìn)系統(tǒng)不同時(shí)段控制結(jié)果

4 結(jié)論與討論

盾構(gòu)自動(dòng)掘進(jìn)控制系統(tǒng)的成功應(yīng)用，實(shí)現(xiàn)了盾構(gòu)推進(jìn)過(guò)程的多變量協(xié)調(diào)優(yōu)化控制，無(wú)需人工干預(yù)，極大地緩解了盾構(gòu)司機(jī)的操作壓力，降低了對(duì)施工情況誤判的發(fā)生，提高了施工質(zhì)量和效率。主要結(jié)論如下:

1)開(kāi)發(fā)了能夠描述盾構(gòu)推進(jìn)速度、土艙壓力、水平和垂直導(dǎo)向偏差動(dòng)態(tài)特性的在線MLP-ARX建模與優(yōu)化技術(shù)，基于所構(gòu)建的模型開(kāi)發(fā)了盾構(gòu)推進(jìn)速度、土艙壓力和導(dǎo)向糾偏的自適應(yīng)預(yù)測(cè)控制系統(tǒng)，實(shí)現(xiàn)了推進(jìn)過(guò)程的多變量協(xié)調(diào)優(yōu)化控制。

2)現(xiàn)場(chǎng)實(shí)時(shí)建模與控制結(jié)果表明，推進(jìn)過(guò)程動(dòng)態(tài)特性建模效果好、控制性能優(yōu)越。

3)提高了盾構(gòu)施工的智能化水平，降低了工人勞動(dòng)強(qiáng)度和對(duì)施工情況誤判的發(fā)生。通過(guò)人工掘進(jìn)數(shù)據(jù)和自動(dòng)控制數(shù)據(jù)分析，人工調(diào)節(jié)時(shí)推進(jìn)速度>20 mm/min，土壓力>20 kPa，波動(dòng)范圍大；自動(dòng)控制時(shí)推進(jìn)速度控制誤差≤5 mm/min，土壓力控制誤差≤10 kPa，系統(tǒng)調(diào)節(jié)更穩(wěn)定，從而提高施工質(zhì)量和效率。

下一步可通過(guò)多個(gè)工程應(yīng)用和運(yùn)行數(shù)據(jù)分析，綜合考慮各種地質(zhì)影響，不斷完善盾構(gòu)自動(dòng)推進(jìn)控制系統(tǒng)。