一种全断面隧道掘进机边刮刀损坏预警方法

技术领域

本发明涉及盾构施工技术领域，更具体地说，它涉及一种全断面隧道掘进机边刮刀损坏预警方法。

背景技术

全断面隧道掘进机是指在整个开挖断面区域施工的盾构设备，一般包含土压平衡式全断面隧道掘进机、泥水平衡式全断面隧道掘进机和全断面硬岩隧道掘进机。边刮刀是全断面隧道掘进机刀盘外径上负责切削和修正隧道洞径的刀具，其外层焊接有耐磨大合金。

边刮刀的主要损坏形式有刀具过度磨损、合金脱落等，边刮刀损坏后刀盘外径与地质接触，随着掘进过程刀盘边缘被逐渐磨损，易造成主要零部件的损坏、隧道洞形质量变差等问题。由于盾构刀盘外径处线速度较大，边刮刀磨损也最为严重，尤其是地质中砂石含量较多时，边刮刀损坏更容易发生。

边刮刀的工作区域为盾构开挖掌子面区域，很难直接观测或获取刮刀损坏的情况以及磨损程度。传统边刮刀损坏评估往往是在发生严重的边刮刀磨损时，通过全断面隧道掘进机掘进参数项的变化情况进行判断，但是在人工经验和认识水平差异的影响下，对于边刮刀损坏判断往往准确度不高并且不够及时、不能在发生早期及时识别判断，导致刀盘磨损以及洞形质量差等问题。

发明内容

本发明的目的在于提出一种全断面隧道掘进机边刮刀损坏预警方法，能够解决目前边刮刀损坏不能在早期及时判断、准确性不高的技术问题。

本发明提供了如下技术方案：一种全断面隧道掘进机边刮刀损坏预警方法，包括以下步骤：

S1.数据采集与储存：实时采集现场盾构施工数据并储存于盾构TBM大数据平台；

S2.数据与状态处理：读取并处理所有在建线路的历史数据信息、所有在掘进线路的实时信息与全断面隧道掘进机状态信息；

S3.数据感知与并发：结合边刮刀损坏判据对实时数据进行判定，形成全断面隧道掘进机边刮刀损坏预警；

S4.预警传递与发送：将预警信息传递给盾构TBM大数据平台并经盾构TBM大数据平台将预警信息推送给现场接收端。

进一步的，所述S2.数据与状态处理包括如下步骤：

S21.历史数据清洗：检测盾构TBM大数据平台上所有在建线路，提取最近两环有效历史数据并进行当量数据检测，对历史数据进行清洗；

S22.特征数据分析：获取全断面隧道掘进机历史数据中的推进速度、推进力、刀盘转速、刀盘扭矩、贯入度等数据中位数、百分位点数、众数、偏差带等信息，进行平滑处理，获取斜率、数据变化周期等信息，储存历史数据的特征数据及其时间、环号、历程等相关信息，获取并储存数据分布情况和健康数据基准，为后续实时数据判断提供基础；

S23.盾构状态查询：每分钟查询盾构TBM大数据平台上所有在建线路的盾构状态信息；

S24.直径类型查询：程序初始化时读取全断面隧道掘进机直径信息；

S25.实时数据累积：按节拍提取每个掘进盾构机前12分钟的历史，进行数据初始积累；

S26.滑窗处理：对实时数据进行滑窗平滑处理，获取数据倾向、波动情况、偏差带等数据信息。

进一步的，所述S3.数据感知与并发步骤中边刮刀损坏判据包括土压平衡盾构边刮刀损坏判据和泥水平衡盾构边刮刀损坏判据；

土压平衡盾构边刮刀损坏判据包括：

土压平衡盾构推进速度变化：土压平衡盾构推进速度在10分钟内逐渐降低15％；

土压平衡盾构推进力变化：土压平衡盾构推进力在10分钟内逐渐增大15％；

土压平衡盾构刀盘转速变化：土压盾构刀盘转速波动幅度变大10％；

土压平衡盾构刀盘扭矩变化：土压盾构刀盘扭矩在10分钟内逐渐增大15％；

土压平衡盾构贯入度变化：土压平衡盾构贯入度波动增大5％～10％；

泥水平衡盾构边刮刀损坏判据包括：

泥水平衡盾构推进速度变化：泥水平衡盾构推进速度在10分钟内逐渐降低15％～20％；

泥水平衡盾构推进力变化：泥水平衡盾构推进力在10分钟内逐渐增大15％～20％；

泥水平衡盾构刀盘转速变化：泥水平衡盾构刀盘转速波动幅度变大10％～20％；

泥水平衡盾构刀盘扭矩变化：泥水平衡盾构刀盘扭矩在10分钟内逐渐增大15％～20％；

泥水平衡盾构贯入度变化：泥水平衡盾构贯入度波动增大10％～15％。

进一步的，所述S3.数据感知与并发步骤包括：

S31.实时数据感知：对实时数据清洗处理后提取数据特征项，并对比历史数据分布特点，对每项数据的数据特征进行落点范围判断，形成数据“好”、“坏”的初步判定；

S32.数据分级：对于“好”的数据进行“优”、“良”、“中”、“差”分级，“坏”数据属于“险”分级数据，完成单项数据的数据分级；

S33.前反馈：根据数据分级结果，对数据的多项数据特征进行判断，根据数据的特征对应不同的惩罚项，进行不同的前反馈处理；

S34.修改算法超参：根据不同的前反馈项和惩罚情况确定惩罚因子及其大小，实现修改算法超参数的目的；

S35.多线程并发：对所有在建的在掘进全断面隧道掘进机进行多线程并发处理，建立各自独立的数据，并根据该线路的数据进行特异性处理。

综上所述，本发明具有以下有益效果：首先实时采集现场盾构施工数据，盾构TBM大数据平台接受现场施工数据并储存，数据与状态处理模块操作获取盾构TBM大数据平台上特征数据集，结合边刮刀损坏判据将所有在建线路实时数据进行判定，并形成全断面隧道掘进机边刮刀损坏预警，全断面隧道掘进机边刮刀损坏预警传递给盾构TBM大数据平台后被推送至现场接收端，供现场进行访问；本发明能够根据盾构施工线路的历史数据和实时掘进数据实现对土压平衡盾构和泥水平衡盾构边刮刀损坏的实时预警；通过分别独立提取线路的历史施工数据和实时掘进数据，获取特征数据的变化，对多线路盾构边刮刀损坏实现实时快速判断；通过对实时数据状况的感知，实现算法结构对地质与设备变化的自适应，给盾构施工人员自动提供准确的边刮刀损坏预警，为现场施工人员提供快速、及时的边刮刀损坏情况感知信息。

附图说明

图1是本发明的一种全断面隧道掘进机边刮刀损坏预警方法的具体实施例1的流程示意图；

图2是用于实施本发明的一种全断面隧道掘进机边刮刀损坏预警系统的结构框图。

具体实施方式

下面结合附图对本发明进行详细描述。

本发明的一种全断面隧道掘进机边刮刀损坏预警方法的具体实施例1：

如图1所示，一种全断面隧道掘进机边刮刀损坏预警方法具体包括以下步骤：

S1.数据采集与储存：实时采集现场盾构施工数据并储存于盾构TBM大数据平台；

S2.数据与状态处理：读取并处理所有在建线路的历史数据信息、所有在掘进线路的实时信息与全断面隧道掘进机状态信息；

S21.历史数据清洗：检测盾构TBM大数据平台上所有在建线路，提取最近两环有效历史数据并进行当量数据检测，对历史数据进行清洗；

S22.特征数据分析：获取全断面隧道掘进机历史数据中的推进速度、推进力、刀盘转速、刀盘扭矩、贯入度等数据中位数、百分位点数、众数、偏差带等信息，进行平滑处理，获取斜率、数据变化周期等信息，储存历史数据的特征数据及其时间、环号、历程等相关信息，获取并储存数据分布情况和健康数据基准，为后续实时数据判断提供基础；

S23.盾构状态查询：每分钟查询盾构TBM大数据平台上所有在建线路的盾构状态信息；

S24.直径类型查询：程序初始化时读取全断面隧道掘进机直径信息；

S25.实时数据累积：按节拍提取每个掘进盾构机前12分钟的历史，进行数据初始积累；

S26.滑窗处理：对实时数据进行滑窗平滑处理，获取数据倾向、波动情况、偏差带等数据信息。

S3.数据感知与并发：结合边刮刀损坏判据对实时数据进行判定，形成全断面隧道掘进机边刮刀损坏预警。数据感知与并发具体包括以下步骤：

S31.实时数据感知：对实时数据清洗处理后提取数据特征项，并对比历史数据分布特点，对每项数据的数据特征进行落点范围判断，形成数据“好”、“坏”的初步判定；

S32.数据分级：对于“好”的数据进行“优”、“良”、“中”、“差”分级，“坏”数据属于“险”分级数据，完成单项数据的数据分级；

S33.前反馈：根据数据分级结果，对数据的多项数据特征进行判断，根据数据的特征对应不同的惩罚项，进行不同的前反馈处理；

S34.修改算法超参：根据不同的前反馈项和惩罚情况确定惩罚因子及其大小，实现修改算法超参数的目的；

S35.多线程并发：对所有在建的在掘进全断面隧道掘进机进行多线程并发处理，建立各自独立的数据，并根据该线路的数据进行特异性处理。

具体的，S3中用到的边刮刀损坏判据包括土压平衡盾构边刮刀损坏判据和泥水平衡盾构边刮刀损坏判据，土压平衡盾构具体是指土压平衡式全断面隧道掘进机，泥水平衡盾构具体是指泥水平衡式全断面隧道掘进机。

土压平衡盾构边刮刀损坏判据包括：

土压平衡盾构推进速度变化：土压平衡盾构推进速度在10分钟内逐渐降低15％；

土压平衡盾构推进力变化：土压平衡盾构推进力在10分钟内逐渐增大15％；

土压平衡盾构刀盘转速变化：土压盾构刀盘转速波动幅度变大10％；

土压平衡盾构刀盘扭矩变化：土压盾构刀盘扭矩在10分钟内逐渐增大15％；

土压平衡盾构贯入度变化：土压平衡盾构贯入度波动增大5％～10％；

泥水平衡盾构边刮刀损坏判据包括：

泥水平衡盾构推进速度变化：泥水平衡盾构推进速度在10分钟内逐渐降低15％～20％；

泥水平衡盾构推进力变化：泥水平衡盾构推进力在10分钟内逐渐增大15％～20％；

泥水平衡盾构刀盘转速变化：泥水平衡盾构刀盘转速波动幅度变大10％～20％；

泥水平衡盾构刀盘扭矩变化：泥水平衡盾构刀盘扭矩在10分钟内逐渐增大15％～20％；

泥水平衡盾构贯入度变化：泥水平衡盾构贯入度波动增大10％～15％。

形成的全断面隧道掘进机边刮刀损坏预警分别对土压平衡全断面隧道掘进机、泥水平衡全断面隧道掘进机按线路号进行预警，其预警信息格式如下：{线路号:{时间戳:XXXXXX,环号:XXXXXX,里程:XXXXXX,边刮刀损坏异常:{'边刮刀损坏编号':'边刮刀损坏'},边刮刀损坏详细信息:{边刮刀损坏编号:'参数一:XXXXXX,参数二:XXXXXX,参数三:XXXXXX,参数四:XXXXXX,参数五:XXXXXX'}}}

卡盾异常实例如下：

{'21060001000401':{'time':1660657390,'ringNum':179,'mileage':5033.3,'exception':{'16a':'边刮刀损坏'},'exceptionParameter':{'16a':'p1:0.190,p2:0.193,p3:0.172,p4:0.183,p5:0.134'}}}。

S4.预警传递与发送：将预警信息传递给盾构TBM大数据平台并经盾构TBM大数据平台将预警信息推送给现场接收端。

本发明可通过如图2所示的一种全断面隧道掘进机边刮刀损坏预警系统实现，作为硬件实施基础，全断面隧道掘进机边刮刀损坏预警系统包括数据采集器、盾构TBM大数据平台、数据与状态处理模块、边刮刀损坏判据模块、数据感知与并发模块、边刮刀损坏预警系统、现场接收端，数据采集器、现场接收端分别与盾构TBM大数据平台电性连接，数据与状态处理模块、边刮刀损坏判据模块、数据感知与并发模块分别与刮刀损坏预警系统电性连接，刮刀损坏预警系统与盾构TBM大数据平台电性连接。

其中数据采集器用于实时采集现场盾构施工数据，盾构TBM大数据平台接收现场盾构施工数据并进行储存，数据与状态处理模块读取所有在建线路的历史数据信息、所有在掘线路的实时信息和全断面隧道机状态信息，边刮刀损坏判据模块用于储存边刮刀损坏判据，数据感知与并发模块结合边刮刀损坏判据对实时数据进行判定、形成全断面隧道掘进机边刮刀损坏预警，全断面隧道掘进机边刮刀损坏预警经刮刀损坏预警系统发送给盾构TBM大数据平台，再经由盾构TBM大数据平台传递给现场接收端，以供现场访问。

盾构TBM大数据平台采用两颗Intel(R)Xeon(R)CPU E5-2650 v4@2.20GHz处理器，配备内存为128GB，作为缓存服务器；采用两颗Intel(R)Xeon(R)CPU E5-2698R v4@2.20GHz服务器处理器，内存为128GB，硬盘存储容量为80TB的分布式存储集群，作为数据存储服务器；采用两颗Intel(R)Xeon(R)CPU E5-2650 v4@2.20GHz处理器，配备内存为128GB，作为网络发布服务器。现场接收端(32)采用两颗Intel(R)Xeon(R)CPU E5-2650 v4@2.20GHz处理器，配备内存为128GB。

本发明将全断面隧道掘进机施工大数据、现场实时数据、边刮刀损坏的数据特征结合形成边刮刀损坏判据，利用线路独立的施工大数据建立特征，通过分析实时数据，判断边刮刀损坏情况；根据实时数据的健康状况与变化情况对数据变化情况进行分级，并进行前反馈修改算法超参，实现对多线路全断面隧道掘进机边刮刀损坏预警，及时向现场施工人员反馈边刮刀损坏情况。

本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品，因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式，而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的，应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合，可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上显示和描述了本发明的基本原理、主要特征和优点，本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。