盾構掘進姿態自動控制技術研究與應用

簡 鵬, 楊 晨, 游宇嵩, 荊留杰, 臧家琪, 徐受天

(中鐵工程裝備集團有限公司, 河南 鄭州 450000)

0 引言

盾構法隧道施工過程中,對于盾構的姿態控制有極高的要求,然而由于地質條件復雜、測量環境惡劣等因素,使得盾構的掘進方向很難與隧道設計軸線保持一致,常常會出現水平或者垂直偏差過大,從而對項目的工期、成本和安全造成重大影響[1]。當前,盾構掘進過程中依然是依靠人工進行推進控制,由主司機根據導向測量系統的反饋值來調節油缸壓力,這種依賴人工經驗的操作方法具有較大的局限性,很難保證隧道的成型質量。

為保證盾構隧道成型質量及施工過程的安全性,提高盾構施工智能化水平[2],國內外眾多學者對盾構姿態控制進行了深入研究。國外關于盾構姿態智能控制的研究主要分為2個階段: 第1階段以理論研究為主,代表學者有酒井邦登、桑原洋、倉岡豊、清水賀之、Grima等[3],分別采用卡爾曼濾波理論、模糊控制技術、神經網絡等方法對盾構姿態控制進行了有意義的探索。第2階段以生產應用為主,日本清水建設開發了智能盾構操作系統,通過人工智能算法建立了AI模型,可實現管片自動選型和盾構自主掘進[4];馬來西亞MMC公司基于大量歷史掘進數據進行學習建模,結合盾構經驗控制方法及規則,開發了盾構自主掘進系統,該系統可實現盾構姿態和推進過程的自動控制,但是這種基于數據驅動的控制模型需要大量的訓練樣本,而且無法解決掘進姿態突發事故。

雖然國內開展盾構相關研究時間較晚,但是亦取得了豐碩的成果。劉成等[5]從水平和垂直2個方向考慮盾構的姿態控制問題,分析了最小糾偏半徑、糾偏力矩的相應公式,建立了盾構水平方向的糾偏曲線模型,并對其進行了模擬。龔國芳等[6]基于模糊PID方法,提出一種盾構掘進姿態的控制策略,可實現盾構掘進軌跡、掘進速度的準確控制,并通過仿真和試驗驗證了其控制效果。張愛軍[7]運用BP神經網絡模型對掘進速度、刀盤轉速、刀盤轉矩、油缸壓力差等參數對盾構隧道軸線偏移量的影響進行了深入研究,得到了盾構施工參數對姿態控制的影響及其規律。邵誠俊等[8]研究了盾構的多個子系統,得到了關于水平方向的姿態糾偏系統模型,并且分析設計了相應的控制器進行控制研究。李洋[9]以最短糾偏軌跡為目標,利用改進的人工蜂群算法優化盾構糾偏模型,開展了地鐵隧道盾構姿態智能控制的研究,為盾構糾偏提供輔助決策。劉肖楠[10]提出一種基于粒子群算法優化的PID控制器參數的糾偏控制策略,設計了以液壓推進系統的糾偏控制器,可以實現糾偏控制的快速響應。

雖然已有眾多學者做了相關研究,但是目前國內對于盾構姿態自動控制方面的研究依然處于理論階段,所提出的控制策略和方法基本沒有在現場得到規模化應用。本文基于模糊控制及最佳糾偏曲線模型,研究盾構的姿態自動控制技術,并在現場進行測試應用,以期為姿態控制提供堅實的基礎。

1 最佳糾偏曲線模型建立

盾構糾偏是通過調整分區液壓油缸壓力或其他手段控制盾構的掘進方向,使盾構的掘進軌跡逐漸靠近隧道設計軸線(designed tunnel axis, DTA),最終與設計軸線重合,同時確保糾偏后盾構切口方向與DTA重合。盾構糾偏軌跡如圖1所示。

圖1 盾構糾偏軌跡圖

目前,盾構姿態糾偏曲線模型主要有3種: 1)以3次拋物線為基礎的糾偏曲線模型; 2)以連續反向圓曲線為基礎的糾偏曲線模型; 3)以對稱螺旋曲線為基礎的糾偏曲線模型[10]。糾偏曲線的本質是一種最優路徑規劃,設計一條滿足各種約束條件的盾構始末狀態相連的運動軌跡,需滿足的約束條件實際上就是對最小糾偏半徑的約束。本文采取連續反向曲線的糾偏模型,糾偏原理如圖2所示。

圖2 盾構糾偏原理圖

1.1 最小糾偏半徑確定

盾構掘進的姿態控制過程中,使糾偏軌跡最短所采用的糾偏半徑稱為最小糾偏半徑,盾構在曲線糾偏時半徑不能小于最小糾偏半徑,否則易引起盾尾間隙減小,甚至造成管片破損。因此,為保證盾構正常掘進,需要保證糾偏時的曲線半徑大于最小糾偏半徑。最小糾偏半徑由盾尾間隙、推進油缸行程差等因素共同決定,需要同時考慮多參數的影響。

1.1.1 盾尾間隙決定的糾偏半徑R1

盾尾間隙是指盾尾與管片之間的距離,糾偏過程中若糾偏半徑過小,超過盾尾間隙范圍,會使管片與盾尾接觸而產生干涉,嚴重時會引起盾尾擠壓管片,甚至導致管片破損。對于盾尾間隙決定的糾偏半徑計算,已有學者進行研究,參考其研究成果[11-12],得到糾偏半徑

(1)

式中:R為管片半徑,m;δ為靠近轉彎中心一側的盾尾間隙,m;l為管片寬度,m。

1.1.2 油缸行程差決定的糾偏半徑R2

盾構轉向時,曲線外側油缸行程比內側的大,使得推進油缸產生行程差。在實際盾構施工中,一般要求油缸行程差不超過50 mm,對應的最小糾偏半徑

(2)

式中:RF為推進油缸半徑,m;ls為盾構刀盤切口至盾尾的距離,m。

最小糾偏半徑除受到上述因素的影響外,還受到盾構幾何尺寸所允許的最小轉彎半徑R3、隧道設計轉彎半徑決定的最小轉彎半徑R4的限制,因此可得最小糾偏曲線半徑

Rmin=max (R1,R2,R3,R4)。

(3)

1.2 糾偏曲線模型

由圖2可知,線段OD是隧道設計軸線(DTA),直線AB是盾構當前位置,弧BCD是糾偏曲線,糾偏起點B所在的糾偏曲線方向和當前盾構前進方向相切,糾偏終點D所在的糾偏曲線切線方向和設計路線相切,弧BC和CD是半徑相同的圓曲線。糾偏曲線模型的半徑是上述所得最小糾偏半徑Rmin,可保證盾構在最短路程內靠近隧道設計軸線。

假設此時盾構AB與設計路線OD的夾角為θ,切口水平偏差為h,即點B到直線OD的垂直距離為h,令第1段糾偏圓曲線l1的圓心角為α,第2段糾偏圓曲線l2的圓心角為β,糾偏曲線要使盾構在最短時間內安全地從當前位置向隧道設計軸線靠近,根據上述要求可得出盾構最佳糾偏曲線模型見式(4)。

(4)

式中:x、y為盾構糾偏路徑各點相對于隧道設計軸線的坐標值;α、β為未知量,可由式(5)計算得到。

(5)

由式(4)—(5)可計算得出盾構最佳糾偏曲線相對于隧道設計軸線的水平偏差值ΔH、垂直偏差值ΔV及水平趨勢值ΔT1、垂直趨勢值ΔT2。

2 模糊控制器設計

2.1 模糊控制器的輸入、輸出變量

盾構掘進過程中,主司機根據盾構的位姿參數來確定各分區液壓缸的設定壓力和行程,一般將水平方向和豎直方向分開來進行考慮。基于此,本文將水平方向和豎直方向的切口偏差值和趨勢值作為模糊控制器的輸入變量,將分區油缸壓力差(水平或豎直方向)作為輸出變量。模糊控制器的輸入、輸出變量如圖3所示。

H為切口水平偏差,mm; T1為水平趨勢值,mm/m; ΔFh為左右分區油缸壓力差,mm; V為切口垂直偏差,mm; T2為垂直趨勢值,mm/m; ΔFv為上下分區油缸壓力差,mm。

2.2 模糊控制規則

模糊規則是對人工操作經驗和專家知識的總結,并根據現場地質條件和掘進數據對控制規則進行修正和完善。一般情況下,當盾構距離DTA偏差值較大且趨勢值較大時,分區油缸壓力差也應該增大;當偏差值較小時,應該防止超調,以保持穩定性為主。

盾構隧道設計軸線一般可分為直線段、緩和曲線段、曲線段3種類型,原則上每種曲線類型所對應的模糊規則不相同,因此水平、垂直方向需要各構建3個模糊控制器,用以應對不同掘進曲線狀態。

本文采用具有2個輸入參數的規則對姿態進行控制,輸入變量為切口偏差和趨勢值,以直線段水平方向姿態控制規則為例,如表1所示。

表1 直線段水平模糊控制規則

2.3 模糊推理及去模糊化

模糊推理輸出的結果是一個模糊集合,但是盾構的姿態只能以精確量控制執行機構動作,因此必須從模糊集合中判決出一個精確量。本文采用加權平均法法進行模糊判決,可以充分利用輸出模糊集合所包含的所有信息。

反模糊解可通過Matlab編程快速實現,得到輸入與輸出變量之間的關系表,即模糊控制表。盾構姿態模糊控制流程如圖4所示。

圖4 盾構姿態模糊控制流程圖

3 盾構姿態自動控制系統設計

盾構施工時,可通過改變推進油缸或鉸接油缸壓力進行姿態的控制。但是實際掘進過程中,操作人員為了保證鉸接油缸狀態的穩定,往往會保持鉸接油缸壓力、位移不變。因此,該系統考慮采用調節推進油缸壓力來實現姿態的自動控制。

3.1 數據采集

該系統可直接從PLC讀取盾構姿態參數、分組油缸壓力等數據,具體涉及的參數如表2所示。

表2 數據采集表

3.2 數據分析

3.2.1 輸入參數分析

對盾構姿態參數進行分析,當偏差值和趨勢值在允許范圍(一般規定偏差允許值為±50 mm,趨勢值為±10 mm/m)時,輸入參數為姿態偏差值H、V和趨勢值T1、T2;當盾構偏差值和趨勢值超出允許范圍時,構建最佳糾偏曲線,獲取盾構最佳糾偏曲線相對于隧道設計軸線的水平偏差值ΔH、垂直偏差值ΔV及水平趨勢值ΔT1、垂直趨勢值ΔT2,最終輸入參數為盾構位姿相對于最佳糾偏曲線的相對偏差值H′、V′和相對趨勢值T1′、T2′,相對偏差值和相對趨勢值由式(6)計算所得。

(6)

3.2.2 輸出參數分析

模糊控制器輸出參數為分組油缸壓力差,需要對該壓力差進行分配以實現姿態控制。為保證總推力不變或者變化極小,從而減小對推進速度、土艙壓力的影響,油缸壓力差的改變按照A/C、B/D 2組油缸一增一減的方式調整,若當前的油缸壓力差值與輸出值一樣,則保持當前參數掘進;若不一樣,則按式(7)進行分配。

(7)

式中: ΔFA、ΔFB、ΔFC、ΔFD分別為A、B、C、D 4組油缸壓力調整值;ΔFh為模糊控制器輸出水平方向油缸壓力差;ΔFh′為當前水平方向油缸壓力差;ΔFv為模糊控制器輸出垂直方向油缸壓力差;ΔFv′為當前垂直方向油缸壓力差。

3.3 控制流程

盾構掘進過程中,導向系統根據測量結果顯示盾構當前位姿與隧道設計軸線之間的偏差,當偏差量較小時,一般通過調節油缸壓力差進行姿態控制,此種情況下可根據模糊控制器輸出的壓力差值進行油缸壓力調整;當偏差較大超出允許范圍時,為了使盾構掘進快速、安全地恢復到正常姿態,則需要根據糾偏曲線進行姿態控制,模糊控制器的輸入參數為盾構位姿相對于糾偏曲線的偏差值、趨勢值。

將上述所述盾構偏差值及趨勢值輸入盾構姿態模糊控制器,并得到相應的水平、垂直油缸壓力差,若當前的油缸壓力差值與輸出值一樣,則保持當前參數掘進;若不一樣,則重新進行壓力分配,并將最終油缸壓力值下發至PLC,由PLC執行姿態控制動作。盾構姿態自動控制流程如圖5所示。

圖5 盾構姿態自動控制流程

4 現場測試

該盾構姿態自動控制系統在成都地鐵10號線某區間進行測試,測試期間隧道埋深約7.5 m,測試環號為501—533環,其中514—525環由自動控制系統掘進,剩余由人工掘進。盾構穿越地層為上部松散砂卵石土、下部稍密砂卵石土,地下水較豐富。

設備直徑為6.41 m,推進油缸共20根,分為A、B、C、D 4組,由于測試期間盾構處于右轉彎區間段且位于復合地層,根據項目要求需要保證切口水平偏差在(5 mm,10 mm)區間,水平趨勢值大于0 mm/m,切口垂直偏差在(-10 mm,-5 mm)區間,垂直趨勢值大于7 mm/m,對比人工掘進與自動掘進,姿態控制結果如圖6所示。

(b) 垂直方向掘進姿態偏差值

由圖6可以看出,在514—525環自動掘進段內,盾構姿態控制效果較好,盾構姿態偏差值都控制在允許的范圍內,當姿態偏差值接近允許值時,基于模糊理論的控制系統迅速做出反應并調整分組油缸壓力差,使得掘進姿態恢復至合理值。同時,相比于手動掘進,自動掘進時盾構姿態偏差的波動更小,這是因為自動掘進時對于掘進參數的調整頻率比手動掘進時高,且手動掘進時主司機自主性比較大,只需保證偏差值在合理范圍即可。總體來講,該系統基本可以滿足盾構姿態自動控制的需求。

由于在現場測試過程中,并沒有出現姿態偏差超出允許范圍的情況,故沒有對糾偏曲線模型的合理性及準確性進行驗證,因此下一步需要進行多工況下的系統可靠性測試。

5 結論與建議

盾構姿態的自動控制是實現盾構智能化的必由之路,也是整個盾構行業的未來發展趨勢。本文結合實際工程項目,開發以模糊理論和糾偏曲線為核心的姿態控制系統,實現了盾構掘進的自動控制目標。

1)設計了盾構最佳糾偏曲線模型,該模型可以在盾構姿態偏差過大時進行糾偏,實現盾構掘進軌跡快速、安全地靠近DTA附近。

2)利用模糊控制理論,設計了姿態模糊控制規則,構建了盾構掘進姿態模糊控制器。

3)設計了盾構姿態自動控制系統,并對該系統進行了現場應用測試,結果表明該系統具有較高的可靠性和實用性。

盾構掘進工況復雜多變,本文僅驗證了右轉彎時的控制準確性,但對于姿態偏差過大時的情況未進行測試,后續需要在多種工況下對該系統進行測試并完善。