CN119737166B 狭小空间极限半径盾构隧道智能调控方法 （中国建筑第六工程局有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119737166B(45)授权公告日2025.07.01

(21)申请号202510238528.0

(22)申请日2025.03.03

(65)同一申请的已公布的文献号申请公布号CN119737166A

(43)申请公布日2025.04.01

(73)专利权人中国建筑第六工程局有限公司地址300451天津市滨海新区杭州道街杭

州道72号

专利权人大连交通大学

(51)Int.CI.

E21D9/093(2006.01)

GO6F30/27(2020.01)

GO6F17/18(2006.01)

GO6F119/02(2020.01)

(56)对比文件

CN116976498A,2023.10.31

CN118292898A,2024.07.05

审查员闻思梦

(72)发明人贾建伟牛奔张延年叶友林

张彦栋王博华冬升

(74)专利代理机构天津市三利专利商标代理有

限公司12107专利代理师杨欢

权利要求书2页说明书9页附图1页

(54)发明名称

狭小空间极限半径盾构隧道智能调控方法

(57)摘要

CN119737166B本发明涉及盾构隧道施工技术领域，具体公开了狭小空间极限半径盾构隧道智能调控方法，包括：获得盾构机状态信息；采集地层压力、含水率、土体变形数据，获得地层特性信息；基于所述地层特性信息，分析得到最优施工调整策略；基于所述最优施工调整策略，采用深度强化学习结合模糊PID控制计算盾构机最优掘进轨迹，获得狭小空间极限半径适应性施工方案；本发明基于深度强化学习结合模糊PID控制联合优化盾构机轨迹，实现动态姿态修正，降低掘进轨迹偏差。多传感器数据融合提高姿态估计精度，实现盾构姿态角误差降低，有效减少人工干预次数，提高施

CN119737166B

S1

S1

获取盾构施工过程中的多源数据，并采用多模态数据融合算法进行数据融合，获得盾构机状态信息

S2

采集地层压力、含水率、土体变形数据，并采用地层动态演化神

经网络模型，结合盾构机状态信息预测盾构掘进过程中地层响

应，获得地层特性信息

S3

基于所述地层特性信息，采用强化学习优化掘进参数，并结合数字孪生仿真分析得到最优施工调整策略

基于所述最优施工调整策略，采用深度强化学习结合模糊PID控制计算盾构机最优掘进轨迹，获得狭小空间极限半径适应性施工

方案

CN119737166B权利要求书1/2页

2

1.狭小空间极限半径盾构隧道智能调控方法，其特征在于，包括：

获取盾构施工过程中的多源数据，并采用多模态数据融合算法进行数据融合，获得盾构机状态信息；

采集地层压力、含水率、土体变形数据，并采用地层动态演化神经网络模型，结合盾构机状态信息预测盾构掘进过程中地层响应，获得地层特性信息；

所述地层动态演化神经网络模型的公式为：

h?=σ(W?h?+WX?+b?);

Y=W,h+by;

其中：X表示施工时刻t的输入地层监测数据；

h表示时刻t的隐状态，h_1表示时刻t-1的隐状态，表示地层演化信息；

Wh,W×,W,表示网络权重参数；

b,b,表示偏置项；

Y表示时刻t预测的地层响应；

o表示激活函数；

基于所述地层特性信息，采用强化学习优化掘进参数，并结合数字孪生仿真分析得到最优施工调整策略；基于所述地层特性信息，采用强化学习算法优化掘进轨迹，得到最优掘进路径；综合推力、扭矩、刀盘转速、同步注浆压力参数，采用基于遗传算法的多目标优化方法，优化施工策略，获得最优施工调整策略；

基于所述最优施工调整策略，采用深度强化学习结合模糊PID控制计算盾构机最优掘进轨迹，获得狭小空间极限半径适应性施工方案；基于所述最优施工调整策略进行特殊环境适应性优化，获得狭小空间极限半径适应性施工方案，包括以下步骤：依据隧道曲率半径和最小施工空间约束，构建盾构姿态动态调整模型；采用非线性轨迹优化算法，计算盾构姿态在极限半径区域的最优调整策略；结合地层变形反馈，实时调整施工参数，提高狭小空间极限半径盾构施工的适应性；

所述深度强化学习的表达式为：

其中Q(st,at)表示在状态st下执行动作at的价值；

α表示学习率，控制更新速度；

rt表示当前步的奖励；

γ表示折扣因