-
公开(公告)号:CN113486463B
公开(公告)日:2023-05-02
申请号:CN202110748572.8
申请日:2021-07-02
申请人: 中铁工程装备集团有限公司 , 浙江大学
IPC分类号: G06F30/17 , G06F30/20 , G06F119/14
摘要: 本发明提出了基于深度强化学习的盾构最优自主掘进控制方法。深度强化学习决策模块根据观测到的反馈的传感器实测参数,地质前勘测量的参数以及从奖励函数模块反馈的奖励函数值处理获得总推进力期望值和刀盘扭矩期望值;最优控制模块处理输出总推进力实际值和刀盘扭矩实际值;奖励函数模块生成奖励函数值,反馈到通过深度强化学习决策模块;最优控制模块输出的总推进力实际值和刀盘扭矩实际值施加到盾构机上,通过盾构环境交互模块处理获得经过盾构环境交互后的传感器实测参数。本发明减轻盾构司机的工作量,能够实现完全自主控制的基础上提升综合掘进性能,同时实现掘进参数的智能决策与长期综合掘进性能的多目标动态优化,显著提高综合掘进性能。
-
公开(公告)号:CN113338972A
公开(公告)日:2021-09-03
申请号:CN202110748582.1
申请日:2021-07-02
申请人: 浙江大学 , 中铁工程装备集团有限公司
IPC分类号: E21D9/093
摘要: 本发明公开了一种基于LSTM的泥水盾构开挖面压力动态平衡自主控制方法。混合切换模型预测控制模块根据反馈的液位高度和推进速度实际值和事先测量参数处理获得期望值参数,再经泵开关模块对泥浆泵控制输出参考值参数,经最优控制模块进行跟踪处理输出阀的实际值参数,再经阀开关模块对阀门控制获得过程的实际值参数,经泥水压力动态平衡过程模块获得液位高度实际值,反馈到事件驱动控制模块和混合切换模型预测控制模块;事件驱动控制模块接收液位高度实际值生成运行模式,再反馈到混合切换模型预测控制模块、泵开关模块和阀开关模块。本发明减轻盾构机的控制工作量,在能够实现完全自主控制的基础上显著了提高泥水压力平衡控制精度。
-
公开(公告)号:CN113338972B
公开(公告)日:2022-08-05
申请号:CN202110748582.1
申请日:2021-07-02
申请人: 浙江大学 , 中铁工程装备集团有限公司
IPC分类号: E21D9/093
摘要: 本发明公开了一种基于LSTM的泥水盾构开挖面压力动态平衡自主控制方法。混合切换模型预测控制模块根据反馈的液位高度和推进速度实际值和事先测量参数处理获得期望值参数,再经泵开关模块对泥浆泵控制输出参考值参数,经最优控制模块进行跟踪处理输出阀的实际值参数,再经阀开关模块对阀门控制获得过程的实际值参数,经泥水压力动态平衡过程模块获得液位高度实际值,反馈到事件驱动控制模块和混合切换模型预测控制模块;事件驱动控制模块接收液位高度实际值生成运行模式,再反馈到混合切换模型预测控制模块、泵开关模块和阀开关模块。本发明减轻盾构机的控制工作量,在能够实现完全自主控制的基础上显著了提高泥水压力平衡控制精度。
-
公开(公告)号:CN113486463A
公开(公告)日:2021-10-08
申请号:CN202110748572.8
申请日:2021-07-02
申请人: 中铁工程装备集团有限公司 , 浙江大学
IPC分类号: G06F30/17 , G06F30/20 , G06F119/14
摘要: 本发明提出了基于深度强化学习的盾构最优自主掘进控制方法。深度强化学习决策模块根据观测到的反馈的传感器实测参数,地质前勘测量的参数以及从奖励函数模块反馈的奖励函数值处理获得总推进力期望值和刀盘扭矩期望值;最优控制模块处理输出总推进力实际值和刀盘扭矩实际值;奖励函数模块生成奖励函数值,反馈到通过深度强化学习决策模块;最优控制模块输出的总推进力实际值和刀盘扭矩实际值施加到盾构机上,通过盾构环境交互模块处理获得经过盾构环境交互后的传感器实测参数。本发明减轻盾构司机的工作量,能够实现完全自主控制的基础上提升综合掘进性能,同时实现掘进参数的智能决策与长期综合掘进性能的多目标动态优化,显著提高综合掘进性能。
-
公开(公告)号:CN115774912A
公开(公告)日:2023-03-10
申请号:CN202211578613.4
申请日:2022-11-21
申请人: 盾构及掘进技术国家重点实验室 , 浙江大学
IPC分类号: G06F30/17 , G06F30/27 , G06N3/084 , G06F111/10
摘要: 本发明公开了一种机理和数据联合驱动的TBM滚刀磨损预测方法,属于滚刀磨损量预测领域。本发明一方面由滚刀与岩体的磨粒磨损、黏着磨损及疲劳磨损等磨损机理推导出的滚刀磨损量计算公式,另一方面采用数据模型对机理磨损量与实际磨损量的残差部分进行建模,将TBM掘进参数也作为滚刀磨损量的影响因素。本发明的预测方法充分结合了理论机理模型和数据模型的各自优点,能够根据TBM规格参数和现场工程数据高精度的预测出每把滚刀的实际磨损程度,较纯数据模型有更好的泛化特性,较纯机理模型有更好的拟合精度,为现场操作人员掌握滚刀信息提供帮助,为及时换刀提供数据依据,提升了滚刀的利用率和掘进机的工作效率。
-
-
-
-