盾構自動駕駛性能評價體系設計和應用

張昊瀾, 盧孟棟, 李 剛, 胡 珉, *

(1. 上海大學悉尼工商學院, 上海 201800; 2. 上海大學-上海城建集團建筑產業化研究中心, 上海 200072; 3. 上海隧道工程有限公司, 上海 200032)

0 引言

自1818年盾構問世以來,因其具有機械化程度高、施工速度快、對地面影響小等特點,被廣泛應用于地下空間開發。隨著盾構設計、研發和制造的水平越來越高,盾構開發應用范圍日益廣泛。然而,受到施工環境復雜、操作人員經驗不足、設備性能不同等諸多因素影響,盾構法施工依然面臨著質量、安全和進度的各種挑戰。研究有效避免事故發生、加快施工進度、提高施工質量[1]的施工方法成為研究熱點,其中盾構自動駕駛正逐漸成為盾構裝備的主要發展方向。

盾構自動駕駛研究已經取得了一定的進展[2-9],微型盾構自動化發展尤為迅速。20世紀90年代,德國海瑞克公司推出直徑1 500 mm以下的AVN系列隧道掘進機,通過模糊控制實現了掘進路徑的自動控制;郭樹棠[10]在泥水平衡微型盾構上開發了一套自動掘進系統,通過自動調整和控制各項掘進參數,完成了地下超高壓輸電線路管道工程。近年來,中大直徑盾構的自動化探索也日漸興起。 日本清水大學與名古屋工業大學聯合開發了AI自動方向自動引導系統[11],并在盾構上進行應用,取得了較好的效果;馬來西亞MMG公司以多個隧道區間掘進數據為樣本,開發了A-TBM自動掘進系統[12]搭載在海瑞克盾構上,實現了TBM自動姿態控制和切削控制,并成功應用于吉隆坡KV地鐵2號線;上海隧道和上海大學合作開發的“智馭號”盾構自主掘進控制系統[13],實現了自主姿態、壓力、注漿和尾脂控制,在多個工程取得了成功應用。

隨著盾構自動駕駛技術的發展,如何客觀準確地評價盾構自動掘進性能引起了人們的關注。盾構自動駕駛劃分為3個智能等級,依次為盾構輔助施工支持、盾構自動化操作以及盾構全自主作業。趙洪巖等[14]將盾構智能化從自動化的程度進行了分類,分為輔助巡航盾構、間歇性自動巡航盾構、常態化自動巡航盾構、自動控制盾構和智能掘進盾構5個等級。輔助巡航盾構基于當前的工況和盾構的運行狀態對下一階段的施工參數進行預測,用于指導施工決策;間歇性自動巡航盾構可實現在某一特定地層條件下的無人干預自動巡航;常態化自動巡航盾構可在大部分地層內長時間或長距離自主掘進,只在特殊條件下需要人工干預;自動控制盾構可針對施工中遇到的問題自主決策并實施,過程幾乎不需要人工干預;智能掘進盾構控制系統完全模擬人腦,無需人工干預即可自主解決所有問題,完成整個區間的施工。Hu等[13]從人工介入的角度,將盾構自主掘進分為輔助駕駛、部分自動駕駛、條件自動駕駛和完全自動駕駛4個等級。輔助駕駛等級的盾構能完成小范圍階段的自動掘進,且人工介入較多,僅適用于一些簡單、良好的施工環境;部分自動駕駛的盾構能夠應對一些常見復雜施工環境,在大部分情境下完成盾構自動駕駛;條件自動駕駛的盾構無需人進行安全監控,能適應復雜施工環境的自動駕駛,特殊情況會主動保護并通知人進行處理;完全自動駕駛的盾構可在所有場景下完成自動推進工作,和所有安全問題的監控、處理。

目前自主的駕駛盾構評價主要是從等級評定入手,對盾構駕駛自動化程度進行等級劃分。然而,人們對盾構自動駕駛性能缺乏詳細全面的評價,這不利于研發者開展有針對性的改進工作,不利于使用者了解自動駕駛的技術特點和選擇適合的產品,也會影響使用者對自動駕駛的接受度。因此,本文從隧道質量、環境安全、掘進效率、控制性能和用戶體驗5個維度建立盾構自動駕駛性能評價體系,并以此為基礎,對“智馭號”自主掘進控制系統在南京和鄭州不同工程中的表現進行評測,以期為盾構自動駕駛技術發展和智能盾構工業化提供支持。

1 盾構自動駕駛性能評價體系

1.1 評價體系架構

盾構自動駕駛的目的是提升隧道施工水平。本文從隧道工程需求出發,圍繞安全、高質、高效和穩定4大核心目標并結合自動駕駛屬性,進行評價體系的設計。因此,盾構自動駕駛性能從環境安全、隧道質量、掘進效率、控制性能4個維度對應4大目標,并從自動控制系統實際落地應用的角度,增加了用戶評價維度,一共5個維度進行綜合考量(見圖1)。

圖1 盾構自動駕駛性能評價指標體系

1)安全是隧道施工最為重要的任務。盾構掘進中最大的風險是由于周邊環境擾動導致的環境失穩。因此,在本評價體系中環境安全評價以地面沉降為核心指標進行設計。

2)質量是隧道施工的核心任務。盾構掘進的目的是確保隧道按照設計要求構建,由于本文的自動駕駛討論范圍不包含管片拼裝環節,因此,從盾構姿態控制視角評價對成型隧道質量的影響。

3)效率與隧道施工效益密切相關,只有實現高效推進,才有可能讓盾構自動駕駛真正進入實際應用領域。效率評價以掘進速度作為核心指標,不考慮人工管片拼裝環節的時間。盾構是一個需要長時間運行的設備,少產生故障,保持設備良好的性能尤為重要。

4)評價體系中將控制參數的穩定性納入其中,以評判盾構在自動駕駛過程中能否平穩運行,減少對設備、隧道和管片的影響。因此,評價體系中圍繞掘進運動和運行的核心參數波動性進行設計。

5)對于盾構自動駕駛而言,連續無人干預的掘進尤為重要。如果駕駛過程中由于各種控制系統軟硬件、模型控制效果差或者現場操作員不認可自動控制模式等原因,導致自動控制模式頻繁被切斷,這就說明該自動駕駛系統性能離用戶需求有一定差距。因此,評價體系中將自動駕駛系統使用比例作為衡量用戶體驗的指標。

1.2 評價指標設計

1)隧道質量。 不考慮管片和管片拼裝質量,在自動駕駛階段,隧道質量與盾尾姿態高度相關。質量指標基于盾構姿態偏差量和盾尾間隙的超標環數計算(單側間隙小于允許的最小間隙量),盾構姿態偏差量按優秀率與合格率計算,如式(1)所示。姿態偏差的合格率計算可以參考GB 50446—2017《盾構法隧道施工及驗收規范》制定,優秀指標范圍可以根據工程管理項目方要求制定。本文中姿態偏差合格值為[-50 mm,+50 mm],優秀值為[-25 mm,+25 mm]。盾尾間隙作為懲罰項,基于超過盾尾間隙的環數對最終的得分進行扣分。

(1)

式中:α1、α2、α3為權重,可根據項目實際管理需求差異進行設定,本文α1、α2均設置為0.5,α3為1;Rrexcell為盾尾姿態控制優秀率;Rrpass為盾尾姿態控制合格率;Ngap為超過盾尾間隙閾值的環數;Nrpass為盾構掘進過程中整環盾構尾部高程偏差和水平目標偏差都在合格值范圍內的環數;Nrexcell為盾構掘進過程中整環盾構尾部高程偏差和水平目標偏差都在優秀范圍內的環數;Nr為自動推進的環數。如果tq<0,則得分為0。

2)環境安全。環境安全以地面測點累計沉降值的優秀率、合格率作為指標,具體計算如式(2)所示。

(2)

式中:α1、α2為權重,可根據項目差異進行調整,本文α1、α2均采用0.5;Rsexcell為監測點沉降控制優秀率;Rspass為監測點沉降控制合格率;Nsexcell為累計沉降在優秀范圍內的測點個數;Nspass為累計沉降在合格范圍內的測點個數;Np為項目所有的測點個數。

由式(2)可知,累計沉降優秀率、合格率統計的是測點處在優秀沉降范圍或合格范圍的比例。優秀和合格的評判指標可以參考GB 50446—2017《盾構法隧道施工及驗收規范》制定,本文中沉降合格值定為[-30 mm,+10 mm],優秀值范圍在合格率的70%范圍內,為[-21 mm,+7 mm]。

3)掘進效率。掘進效率由不同地層下平均速度與最大允許速度比例的均值表示,從而體現實際掘進平均速度與設計最大允許速度相對關系,具體如式(3)所示。

(3)

式中:Di為i地層的長度;Dtotal為隧道總長;n為穿越地層類別數;viavg為i地層盾構平均推進速度;vimax為i地層施工最大允許速度。

4)控制性能。控制性能用于表征盾構設備運動和掘進過程是否平穩。運動平穩性用盾構切口偏差和推進速度的波動性體現,掘進平穩性通過切口土壓、刀盤轉矩和總油壓波動性體現(采樣頻率為1 s)。波動性用參數標準差與允許波動范圍的比值計算,具體見式(4)。

(4)

式中:R為波動性;stdhordev、stdverdev、stdspeed、stdtorque、stdpressure分別為切口水平偏差、切口高程偏差、推進速度、刀盤轉矩和總油壓的數據標準差;fhordev、fverdev、fspeed、ftorque、fpressure分別為切口水平偏差、切口高程偏差、推進速度、刀盤轉矩和總油壓的施工允許最大波動范圍;α1、α2、α3、α4、α5為各指標的權重,可以根據項目實際情況進行分配,本文均設為0.2。

5)用戶體驗。 用戶體驗指標用于判斷控制系統的可靠性和施工方對盾構自動駕駛的認可程度。其中,可靠性是判斷系統各部分是否運行正常,導致系統不能正常運行的故障情況;認可度指認可自動駕駛的效果、愿意使用自動駕駛進行掘進的程度。通常系統發生故障或者施工方認為盾構自動駕駛的推進效果不佳時,會采取切換手動,因此,從自動駕駛系統的使用比例就可以清晰體現出模型被現場的接受度。本文的自動化率指盾構自動駕駛啟用期間,在無第三方人員監督干預下、掘進過程中的自動模式占比。具體計算見式(5)。

(5)

式中:Nr為自動推進總環數;N為盾構推進總環數。

2 “智馭號”盾構自主掘進控制系統及工程評測

2.1 “智馭號”盾構自主掘進控制系統

以“智馭號”盾構自主掘進控制系統為例,對自動駕駛性能進行評價。“智馭號”盾構自主掘進控制系統可采用搭載方式與傳統盾構相結合,在盾構掘進過程中圍繞姿態控制和沉降控制2大任務,結合對掘進工況的辨識,不斷調整和優化掘進策略、自主規劃控制目標、實時調節盾構推進速度、刀盤轉速、切削面壓力、分區油壓、注漿量等核心控制參數,以無人干預的方式自動掘進,并保證推進過程中周邊土體的穩定性,以及推進完成后隧道位置的準確性。

“智馭號”盾構自主掘進控制系統在杭紹城際鐵路SG-6標柯華路站—笛揚路站左線完成了首次自動掘進后,又在柯華路站—稽柯風井左線進行了優化提升,而后在南京、鄭州和上海等工程中進行推廣性工程應用,以進一步驗證系統對不同類型盾構、不同地質、不同周邊情境的控制性能。

本文以“智馭號”盾構自主掘進控制系統在南京市地鐵5號線TA02標段科寧路站—竹山路站區間左右線、鄭州8號線2標04工區圃田站—圃田西站區間左右線共4個區間的工程情況為樣本,采用本文提出的評價指標體系,分析“智馭號”盾構自主掘進控制系統在不同地層中的控制性能和特點。

2.2 評測工程簡況

2.2.1 南京地鐵5號線科寧路站—竹山路站區間

南京市地鐵5號線TA02標段科寧路站—竹山路站區間(簡稱: 南京科竹)總長約732.888 m,埋深為15.3～22.7 m。隧道沿線地質情況復雜,有淤泥質粉質黏土、上軟下硬復合地層、硬巖和黏土等多種地層,隧道地質情況如圖2所示。隧道沿線工程地質、環境條件復雜。粉土、粉質黏土與粉土互層在水頭差作用下容易產生流砂、管涌現象,繼而產生較大的沉降,復合土層部分由于軟硬變化復雜、接觸界面多變,施工參數易產生較大波動,并影響掘進效率。巖層部分存在局部破碎、裂隙發育的現象,對地層擾動敏感。盾構推進期間,平面線型包括1個半徑450 m的小轉彎半徑段(見圖3),高程線型分別經過了-22‰下坡和26.3‰上坡。該區間左、右線分別從第58環和482環開始自動駕駛。

圖2 南京科竹區間地質剖面圖

圖3 南京科竹區間平面線型圖

2.2.2 鄭州地鐵8號線圃田站—圃田西站區間

鄭州8號線2標04工區圃田站—圃田西站區間(簡稱: 鄭州圃圃)右線總長2 655.993 m,左線總長2 619.345 m,埋深4.32～20.24 m。隧道主要穿越土層為②41粉砂、②51細砂、黏土和粉土等土層,如圖4所示。砂性土地層有黏聚力小、內摩擦角大、滲透系數大、流動性差、穩定性差等特性,對盾構掘進速度和轉矩影響都很大,經刀盤切削到土艙中的砂土塑流性差,容易造成設備磨損嚴重、渣土溫度高、出土困難以及地面沉降難等問題。從平面線型圖(見圖5)可以看出,隧道掘進前期平面線型呈現小轉彎半徑(R=400 m)的顯著特點,高程線型比較豐富,有24‰的上坡和下坡,給盾構掘進路徑規劃帶來比較大的挑戰。該區間左、右線分別從第716環和203環開始自動駕駛。

圖4 鄭州圃圃區間地質剖面圖

圖5 鄭州圃圃區間平面線型圖

3 “智馭號”自動駕駛性能評價

3.1 隧道質量

3.1.1 南京科竹區間

南京科竹區間自動駕駛應用過程中,盾尾水平和高程偏差的優秀率和合格率情況見表1。從合格率來看,2條線都達到了100%,但是優秀率上,左線比右線總體都低了10%,主要原因是左線比右線推進的環數多了近5倍,并且在整個項目中的占比也是左線遠大于右線,所以左線經歷的線型和土質與右線相比要復雜得多。例如: 左線在巖層與軟土交接處多次出現糾偏能力不足的情況,另外,右線在推進過程中,高程以上坡為主,其推進難度也低于下坡。該項目的盾尾間隙最小限制為15 mm,所有推進環的管片拼裝四周檢測均大于間隙限制,最后根據式(1),可計算得到科竹區間,左右線隧道的質量維度評價指標值分別為93.06和97.69。

表1 南京科竹隧道姿態優秀率與合格率

南京科竹區間自動駕駛推進過程中盾尾高程、盾尾水平偏差分布如圖6所示。由圖可以看出: 1)左線和右線盾尾高程控制的情況基本一致。左線盾尾和右線盾尾高程偏差基本為正態分布,整體偏差范圍在-30 mm～+30 mm,均值約為5 mm。2)左線和右線盾尾水平控制的情況并不一致。左線呈正態分布,偏差范圍為-30 mm～+30 mm;右線盾尾水平的范圍總體在0～20 mm。這可能是因為右線自動掘進系統接入較晚,在482環才介入施工,此時盾尾水平正處于小曲率右轉彎半徑工況下,右線控制時實施了右側優先的策略。

(d) 右線盾尾高程偏差

圖7展示了南京科竹區間不同線型的盾構姿態控制能力。由圖可知: 1)在水平控制方面?？傮w優秀率比較接近,都能保持在90%以上,從具體線型看,緩和曲線和直線都優于轉彎段的優秀率,這是由于轉彎段對糾偏難度高于直線段。2)在高程控制方面。上坡段的高程優秀率會明顯好于下坡段,這是由于地層有一定浮力作用,使得上坡段控制穩定高于下坡段;另外,直線段的優秀率明顯好于變坡段,這也是變坡段難度更大所致。

(a) 水平線型

(b) 高程線型

3.1.2 鄭州圃圃區間

在鄭州圃圃區間中,2條線路優秀率和合格率情況見表2,左右線隧道的質量維度評分分別為98.32和97.17。值得注意的是,右線盾尾高程偏差出現了沒有達到100%合格的情況。對每環數據檢查后發現,有6環超限,是因為測量系統換臺重新校準時,產生了較大的測量修正值,具體情況如圖8所示。由圖可以看出,在1 415環測量換臺后,盾尾水平值有40 mm的變化,盾構采取了平緩糾偏的策略,用了10環左右將其糾到20 mm以內,其余的偏差控制都在合格范圍內。該項目盾尾間隙的限制設置為20 mm,同樣沒有超標的環數。

表2 鄭州圃圃隧道姿態優秀率與合格率

圖8 鄭州圃圃右線測量換臺情況

盾尾高程和水平偏差分布如圖9所示。由圖可以看出: 左右線盾尾姿態分布大致呈現正態分布,并且呈現非常陡峭的形態,偏差范圍在-20 mm～+20 mm,優于南京科竹項目。

圖10展示了鄭州圃圃區間不同線型姿態控制能力。由圖可知: 1)水平方向的控制規律與南京項目比較相似,控制性能從易到難按直線段、緩和曲線段和小半徑轉彎段排列。2)高程線型方向的控制規律與南京項目一樣,呈現上坡易于下坡、直線段優于變坡段的特點;但是,上坡和下坡的差異不如南京那么明顯,這可能與鄭州的砂性土土體更穩定有關。

3.1.3 小結

隧道質量對比如圖11所示。由圖可以看出,2個項目的隧道質量評分均大于90分,得分較高。究其原因,是由于這幾條隧道的盾構姿態偏差數據大部分情況下都達到了施工優秀的標準,這說明控制系統在不同的項目中有良好的適應性,姿態控制能力優秀。但是,還是能從得分高低看出一定的差距。2個項目中,鄭州隧道質量普遍優于南京隧道,這可能與鄭州項目的砂性土質相比南京項目的復合土層更為均勻、系統控制更加容易有關。

各項目盾構尾部姿態優秀率對比如圖12所示。由圖可以看出,所有項目的盾尾水平優秀率都高于盾尾高程優秀率,這說明高程控制的難度高于水平控制,是未來自動駕駛系統必須加以重視的地方。

(a) 左線盾尾水平偏差

(b) 左線盾尾高程偏差

(c) 右線盾尾水平偏差

(d) 右線盾尾高程偏差

(a) 水平線型

(b) 高程線型

圖11 隧道質量對比

圖12 盾構尾部姿態控制優秀率對比

3.2 環境安全

3.2.1 南京科竹區間

南京科竹區間自動駕駛中,左線地面沉降控制合格率100%,優秀率78.90%;右線自動駕駛沉降控制合格率100%,優秀率100%。左線和右線的環境安全維度評分分別為89.45和100。左線優秀率低于右線可能是因為左線掘進通過的地層比較豐富,而右線開始得比較晚,以黏土地層為主,沉降較易控制。

圖13展示了姿態對淤泥質粉質黏土、上軟下硬復合地層、全斷面巖層和黏土地層沉降控制的表現。由圖可以看出:在淤泥質粉質黏土中,由于土層含水率高,自立性差,整體沉降值較大;在上軟下硬復合地層中,沉降值分布范圍較大,沉降控制效果波動較大;在全斷面巖層和黏土中,由于此類巖土自立性強,沉降小且穩定。

圖13 南京科竹不同地層沉降分布圖

3.2.2 鄭州圃圃區間

鄭州圃圃區間自動駕駛中,左線地面沉降控制合格率100%,優秀率97.27%;右線自動駕駛沉降控制合格率100%,優秀率100%。左線和右線的環境安全維度評分分別為93.27和98.64。鄭州工程穿越了黏質粉土與粉砂互層、砂性土、黏質粉土、黏土與粉土互層4種地層。4種土層累計沉降分布如圖14所示。由圖可知: 在黏質粉土與粉砂互層段,由于土層埋深較淺且土層自立性好,累計沉降均值最小;在砂性土中,沉降分布范圍變廣,原因可能是在砂性土中刀盤轉矩變大,壓力控制穩定性降低有關;在黏質粉土中,該土層土質較軟,推進過程中速度較快,累計沉降均值最大;黏土與粉土互層中,沉降均值與砂性土大小基本相同,相比砂土其穩定性有所上升。整個沉降控制基本在-5～-20 mm,控制效果完全能夠滿足工程需求。

3.2.3 小結

圖15和圖16對比了2個工程4條線路的優秀率和環境安全得分。除南京科竹左線外,總體環境安全得分都超過了90,優秀率也都在85%以上,控制效果良好;南京科竹左線的沉降控制還不夠優秀,這可能是由于系統對于該區段中淤泥質粉質黏土層沉降規律掌握不夠全面導致的。

圖14 鄭州圃圃不同地層沉降分布圖

圖15 沉降優秀率對比

圖16 環境安全指標結果對比

3.3 掘進效率

3.3.1 南京科竹區間

南京科竹區間自動駕駛應用過程中,左線主要穿越了淤泥質粉質黏土、上軟下硬復合地層、全斷面巖層和黏土4種地層,右線由于從482環開始自動駕駛,主要穿越黏土層。

表3展示了不同地層下,平均速度與最大允許速度之比和效率值。由表3可知,左線推進過程中,淤泥質粉質黏土層速度最高,而全斷面巖層速度最低;左線黏土層速度略高于右線,但差距不大?？傮w來看,除在左線全斷面巖層段速度比率較小,未達到工程理想值,其余地層下平均速度與最大允許速度之比都達到該地層最大允許速度的80%以上,因此,后續可考慮如何進一步提升全斷面巖層掘進效率。

表3 南京科竹區間不同地層推進效率

圖17展示了南京科竹區間各地層速度分布?？梢钥闯? 在淤泥質粉質黏土層和全斷面巖層中速度非常穩定,而在上軟下硬復合地層推進速度波動范圍大,這可能與該地層刀盤接觸界面多變、施工參數易產生較大波動有關。

3.3.2 鄭州圃圃區間

鄭州圃圃區間自動駕駛應用過程中,右線主要穿越了黏質粉土與粉砂互層、砂性土、黏質粉土、黏土與粉土互層4種地層,左線由于從700環開始自動駕駛,主要穿越砂性土、黏質粉土、黏土與粉土互層3種地層。不同地層速度、平均速度與最大允許速度之比和效率值如表4所示。

圖17 南京科竹區間不同地層速度情況

表4 鄭州圃圃區間不同地層推進速度情況

由表4可知: 1)右線除了砂性土段速度比率未達到80%,其余地層速度比率都在80%以上。2)黏土與粉土互層中平均速度與最大允許速度之比最高,但是在該土層中右線最大允許速度明顯小于左線,這是因為在該土層推進過程中右線刀盤電機局部損壞,使得盾構推進能力受限。3)左線在黏質粉土中速度比率雖然是最低的,但右線在黏質粉土中速度比率較好,并且實際掘進速度左右線差距較小,因此可認為2條線在該土層中掘進效率基本一致。4)盾構在砂性土中推進效率低,因此,控制系統開發時應加強對砂性土層掘進效率的研究。

圖18展示了鄭州圃圃區間各地層速度分布。由于刀盤故障,左右線的速度分布呈現了不同的特征?？傮w上看,大部分地層中速度控制比較穩定,但在黏土與粉土互層、黏質粉土中,速度相對波動較大;此外,左右線在不同土層中速度分布特征有明顯差異,除了受設備故障影響,其他因素還有待進一步分析。

(a) 鄭州左線

(b) 鄭州右線

3.3.3 小結

圖19展示了南京和鄭州項目掘進效率得分。由圖可知: 兩者差距不大,得分均超過了80分,說明自動駕駛對掘進速度控制整體能力較為均衡。但是掘進效率受到各地層物理性質的影響,在土質較松的軟土層,盾構掘進效率要略高于80分,而在土質較硬的土層或者全斷面巖層,掘進效率會明顯下降,一方面說明在硬土層掘進速度控制難度較大,另一方面也說明控制系統在此類土質中的控制性能有待提高。

3.4 控制性能

3.4.1 南京科竹區間

從整個區間來看,南京科竹的控制效果見表5。左右線總體得分差距不大,差距主要體現在反應推進穩定性的切口姿態控制方面,這可能是因為右線推進的環數較少,地層單一,所以其姿態波動比左線小。

圖19 掘進效率對比

表5 南京科竹區間掘進參數波動性以及指標計算結果

圖20展示了盾構在不同地層關鍵指標波動情況。可以看出: 1)從運動的平穩性來看(見圖20(a)),在切口姿態控制方面,切口高程控制波動性在上軟下硬復合地層中最大,可能是上軟下硬復合地層對盾構切口處壓力分布的一致性產生了影響;切口水平控制波動性在黏土中最大,可能原因是該地層正處于水平R=450 m 小曲率線形,糾偏難度較大,導致姿態波動大。切口的姿態波動在全斷面巖層中是4種地層里最小的,這與全斷面巖層土質堅硬、支撐性好的特點有關,使得姿態值變化較小。2)在盾構運行方面(見圖20(b)),速度波動性在淤泥質粉質黏土層中最大,在全斷面巖層波動較小,這可能與控制系統受土層對速度提升空間影響有關。3)刀盤轉矩波動在全斷面巖層中最大,在淤泥質粉質黏土層中波動最小(見圖20(c)),這與土體改良系統的不穩定性對切削面帶來的影響有關。4)總油壓的波動情況與刀盤轉矩的波動情況類似(見圖20(d)),即在全斷面巖層中的波動最大,在淤泥質粉質黏土層的波動最小。

(a) 切口姿態

(b) 掘進速度

(c) 刀盤轉矩

(d) 總油壓

3.4.2 鄭州圃圃區間

表6示出鄭州圃圃區間各個參數的波動情況以及最終指標計算結果。由表可以看出,右線和左線相比,切口姿態、刀盤轉矩波動性明顯高于左線。對于切口姿態來說,其波動大的原因是右線開啟自動駕駛較早,經歷了小轉彎半徑的掘進(R=400 m)以及大角度的下坡;而對于刀盤轉矩,右線比左線高了將近1倍,其主要原因仍是右線最后250環刀盤電機損壞引發刀盤轉矩明顯下降所導致。

圖21展示的是鄭州2條線在不同地層各項參數的波動情況。可以看出: 1)從運動的平穩性來看,姿態的波動在4種土層中都比較接近,切口水平方面波動明顯偏大的是黏質粉土層的切口水平姿態,這個波動可能是幾次測量換臺導致姿態值出現較大的跳變導致的,切口高程方面在4個土層中都比較一致; 2)關鍵施工參數方面,盾構在黏質粉土層中速度的波動較大,速度也更快,這與南京項目情況類似; 3)對于刀盤轉矩來說,黏土與粉土互層的刀盤轉矩波動明顯偏大,這可能是由于刀盤電機損壞后轉矩從之前的平均5 500 kN·m降到3 500 kN·m的緣故; 4)總油壓方面,黏質粉土波動小,其他幾個土層波動性略大。

表6 鄭州圃圃掘進參數波動性以及指標計算結果

(a) 切口姿態

(b) 掘進速度

(c) 刀盤轉矩

(d) 總油壓

3.4.3 小結

圖22展示了南京和鄭州項目的控制性能對比情況,鄭州項目的控制性能明顯低于南京。波動情況對比見圖23。由圖23可知,受地層影響,南京項目在刀盤轉矩和推進速度的波動上明顯比鄭州小一些,特別是由于鄭州的砂層和黏土、粉土層有相對頻繁的變換,導致控制系統與地層匹配效果變差,其速度和刀盤轉矩控制能力變弱。當然,鄭州的設備問題也影響了刀盤轉矩和速度值。南京項目的地層變化頻率低,因此,對實際控制性能影響小。

3.5 用戶體驗

3.5.1 南京科竹區間

南京科竹區間自動駕駛應用過程中,去除因設備機械故障、高壓斷電等外因無法使用自動駕駛外,左線自主掘進占比97.5%,右線自主掘進占比96.75%,自動駕駛掘進占比非常高。圖24展示了自動切換人工的原因。其中,除13.0%是對模型效果存在爭議外,最常見的問題是自動駕駛硬件問題,主要包括內外網通訊異常、數據采集故障、電腦自動更新和電腦宕機等;其他少部分原因是工控機故障、前期司機對自動駕駛不熟悉或不會操作沒有使用等。因此,自動駕駛在應用階段應定期檢查電腦硬件運行狀況,確保系統的正常運行;在應用前期還需對司機進行強化培訓,提升司機對自動駕駛的理解和操作能力。

圖22 控制性能指標結果

圖23 波動情況對比

圖24 南京工程自動模式切換人工模式原因分類

3.5.2 鄭州圃圃區間

鄭州圃圃項目中,除因設備機械故障、高壓斷電、測量換站等外因無法使用自動駕駛的環數,左線和右線自主掘進占比分別為91.72%、95.09%。圖25展示了自動模式切換人工模式的原因分類。1)自動駕駛硬件問題是第一誘因。2)模型效果爭議主要集中在推進速度和姿態控制策略2個方面。推進速度方面,由于處于砂層土,自動駕駛以確保轉矩安全下的穩定推進策略控制,而人工控制是以快速推進為主,轉矩過大則進行速度急降;糾偏策略方面,自動駕駛采用柔和平滑的糾偏控制,當因測量換臺等因素出現較大幅度的偏差時,部分司機覺得自動糾偏策略過于保守。

圖25 鄭州工程自動模式切換人工模式原因分類

3.5.3 小結

雖然鄭州和南京自動化率都很高,但是其模式切換的原因有明顯的區別。產生這一區別的主要原因是2條線路的管理制度有所不同,南京項目要求盾構司機只要在設備正常的情況下就要盡可能使用自動駕駛系統,而鄭州項目給予盾構司機更多的選擇權,即只要不認可自動駕駛系統,即可切換人工推進。此外, 自動駕駛系統的硬件故障也是2個項目切換人工的原因,因此改善自動駕駛系統的硬件穩定性對用戶體驗至關重要。

3.6 總體性能評價

圖26展示了“智馭號”自主掘進控制系統在4條隧道中的得分情況。由圖可知: 南京科竹右線的包絡線面積最大、性能最佳,但4條隧道各維度的評分差距均在15%以內,可見“智馭號”盾構自主掘進控制系統能較好地適應不同的工況。

1)隧道質量方面。4條隧道的得分均能達到90分以上,得分差距不大?？刂葡到y在砂性土的表現優于在黏土和全斷面巖層中的表現。

2)環境安全方面。自動駕駛系統在不同的土質下都能有85分以上的得分,但各條隧道得分有所不同。沉降控制能力與土層相關性不是太大,南京和鄭州各有1條隧道表現突出。

3)掘進效率方面。4條隧道的得分非常接近,都在80分左右,但是離施工期望的最大速度還是有一定的距離,這意味著系統應該在速度提高方面進行更多的研究。

4)控制性能方面。4條隧道的差距較為明顯,南京的2條隧道明顯好于鄭州的2條隧道。結合前期的分析,可以明顯看到鄭州的刀盤轉矩和推進速度波動明顯大于南京。因此加強砂性土中控制穩定性的研究非常重要。

5)用戶體驗方面。4條隧道的用戶體驗得分較為接近,但鄭州略低于南京。在前面分析中,也可以看到其主要的原因在于管理制度的不同。因此,在項目推廣上,如何既推動自動駕駛技術普及,又兼顧施工方認知,達到雙贏的目的,還需要再進行研究。

圖26 項目評價雷達圖

4 結論與討論

本文針對現有盾構自動駕駛評價不夠細致的問題,提出了盾構自動駕駛性能評價體系,從隧道質量、環境安全、掘進效率、控制性能和用戶體驗5個方面建立了盾構自動駕駛性能評價指標體系?；谧詣玉{駛評價體系,對“智馭號”自主掘進控制系統在南京和鄭州項目的表現進行評測。評測結果表明: 總體上看,“智馭號”自主掘進控制系統在各個維度下的控制效果較好,在不同盾構、不同地層、不同線型表現穩定。對評測的每一個維度深入分析后發現: “智馭號”自主掘進控制系統在高程下坡段姿態控制方面總體不如其他線型,其優秀率排名總體差于上坡段;當出現不同地層時,沉降控制偶爾會存在沉降大的情況,這在南京科竹左線推進時表現得尤為明顯;此外,在控制穩定性方面,以砂性土為主的鄭州項目的控制性能得分比南京低10分左右,這說明控制系統在砂土地層的控制能力有待繼續提升;最后,推進效率也是“智馭號”自主掘進控制系統比較薄弱的方面,4條線的效率得分都在80分左右。因此,系統應該在這些方面加大研發的力度。

雖然該評價體系已能較為全面地評價盾構自動駕駛的掘進過程,但該體系仍有進一步提升的空間。首先,評價體系可以納入更多與用戶體驗、人因工程等相關的評價指標,使其更精確地體現盾構自動駕駛的可用性,充分考慮操作者的感受和實際需求;其次,評價體系的覆蓋范圍應進一步擴展到盾構駕駛的全過程,包括從掘進到拼裝的所有階段,這將有助于全面評估和理解控制系統在各個階段的優劣表現,進一步完善和優化盾構自動駕駛性能。