劉宣宇，邵 誠，栗 覓

（1.遼寧石油化工大學(xué) 信息與控制工程學(xué)院，遼寧 撫順 113001；2.大連理工大學(xué) 先進(jìn)控制技術(shù)研究所，遼寧 大連 116024；3.北京工業(yè)大學(xué) 國際WIC研究院，北京 100124；4.遼寧石油化工大學(xué) 計(jì)算機(jī)與通信工程學(xué)院，遼寧 撫順 113001）

0 引 言

盾構(gòu)機(jī)是一種地下隧道開挖的專用工程機(jī)械，主要由盾體、刀盤系統(tǒng)、推進(jìn)系統(tǒng)、排渣系統(tǒng)、管片拼裝系統(tǒng)、同步注漿系統(tǒng)以及盾尾密封系統(tǒng)等構(gòu)成，廣泛適用于地鐵隧道、礦山巷道、城市市政隧道等各種地下工程［1］.密封艙土壓平衡控制是盾構(gòu)技術(shù)中最關(guān)鍵的技術(shù)之一，土壓控制不當(dāng)將引起開挖面失穩(wěn)，導(dǎo)致地表隆起、塌陷甚至災(zāi)難性事故的發(fā)生.現(xiàn)有的土壓平衡控制方法主要是操作者憑經(jīng)驗(yàn)調(diào)節(jié)推進(jìn)速度或螺旋輸送機(jī)轉(zhuǎn)速［2］.對于密封艙土壓平衡的自動(dòng)控制，國內(nèi)外學(xué)者也進(jìn)行了一些相關(guān)的理論研究，但研究成果相對較少.Yeh［3］采用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了盾構(gòu)土壓平衡控制系統(tǒng).陳立生等［4］針對密封艙壓力控制標(biāo)準(zhǔn)的不確定性，提出以土壓平衡比為輔助方法來控制密封艙土壓平衡.文獻(xiàn)［5］利用自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)（ANFIS）建立了以螺旋輸送機(jī)轉(zhuǎn)速為輸出的盾構(gòu)土壓平衡控制系統(tǒng).文獻(xiàn)［6］設(shè)計(jì)了一種模糊免疫自調(diào)整PID 控制器，應(yīng)用于具有時(shí)變、時(shí)滯的非線性土壓平衡仿真控制系統(tǒng)中，實(shí)驗(yàn)證明系統(tǒng)具有良好的動(dòng)態(tài)特性和穩(wěn)定性.文獻(xiàn)［7］在假設(shè)土倉內(nèi)渣土為理想的塑性材料前提下，以刀盤進(jìn)土體積與螺旋輸送機(jī)排土體積相平衡為基礎(chǔ)，分別建立了推進(jìn)速度和螺旋輸送機(jī)轉(zhuǎn)速的控制模型.文獻(xiàn)［8］利用微型盾構(gòu)模型進(jìn)行試驗(yàn)研究，揭示了密封艙壓力、總推力、螺旋輸送機(jī)轉(zhuǎn)速以及刀盤扭矩等參數(shù)之間的關(guān)系.文獻(xiàn)［9］根據(jù)盾構(gòu)排土過程的機(jī)理分析建立了密封艙壓力控制模型，采用系統(tǒng)辨識方法識別模型中的參數(shù)，并給出了螺旋輸送機(jī)轉(zhuǎn)速的優(yōu)化控制方法，最后利用模擬試驗(yàn)臺(tái)驗(yàn)證了方法的有效性.文獻(xiàn)［10］提出了一種基于LS－SVM 和PSO 相結(jié)合的土壓平衡優(yōu)化控制方法，通過實(shí)時(shí)優(yōu)化推進(jìn)速度和螺旋輸送機(jī)轉(zhuǎn)速實(shí)現(xiàn)了盾構(gòu)土壓平衡的優(yōu)化控制.文獻(xiàn)［11］基于改性后渣土的非線性本構(gòu)關(guān)系，建立了以螺旋輸送機(jī)轉(zhuǎn)速為操縱變量的盾構(gòu)機(jī)土倉壓力控制模型.

以上研究表明，目前盾構(gòu)施工還難以通過刀盤、推進(jìn)和排渣等多子系統(tǒng)綜合協(xié)調(diào)來實(shí)現(xiàn)密封艙壓力的高效平衡控制.但密封艙壓力是由刀盤系統(tǒng)、推進(jìn)系統(tǒng)和排渣系統(tǒng)等多子系統(tǒng)相互耦合作用所決定的，為了實(shí)現(xiàn)在不同地質(zhì)條件及工況下開挖面穩(wěn)定的準(zhǔn)確高效控制，實(shí)施多子系統(tǒng)協(xié)調(diào)優(yōu)化控制以使各子系統(tǒng)以最優(yōu)的方式運(yùn)行是十分必要的.為此，本文基于地層識別系統(tǒng)，提出專家系統(tǒng)控制和非線性預(yù)測控制相結(jié)合的刀盤、推進(jìn)和排渣等多子系統(tǒng)的綜合優(yōu)化控制方法.

1 土壓平衡綜合優(yōu)化控制系統(tǒng)的設(shè)計(jì)

盾構(gòu)機(jī)的土壓平衡控制主要由刀盤系統(tǒng)、推進(jìn)系統(tǒng)和排渣系統(tǒng)來完成，綜合優(yōu)化協(xié)調(diào)控制這3個(gè)子系統(tǒng)的關(guān)鍵在于調(diào)節(jié)刀盤轉(zhuǎn)速、推進(jìn)速度以及螺旋輸送機(jī)轉(zhuǎn)速.刀盤是盾構(gòu)機(jī)的關(guān)鍵部件之一，其主要功能是開挖、穩(wěn)定和攪拌.因?yàn)檎麄€(gè)施工過程中掘進(jìn)斷面的土質(zhì)狀況變化范圍大，刀盤驅(qū)動(dòng)的工況很復(fù)雜，刀盤的切削扭矩及轉(zhuǎn)速的變化很大，但通常刀盤轉(zhuǎn)速的調(diào)節(jié)規(guī)則是：土質(zhì)條件不變時(shí)，即使刀盤扭矩有較大變化，刀盤轉(zhuǎn)速保持穩(wěn)定；土質(zhì)條件改變時(shí)，刀盤轉(zhuǎn)速可調(diào).為調(diào)整刀盤轉(zhuǎn)速，同時(shí)調(diào)整推進(jìn)速度與螺旋輸送機(jī)轉(zhuǎn)速來協(xié)調(diào)控制這3個(gè)系統(tǒng)以使密封艙土壓平衡，本文基于地層識別系統(tǒng)設(shè)計(jì)了密封艙土壓平衡的綜合優(yōu)化協(xié)調(diào)控制系統(tǒng)，控制系統(tǒng)結(jié)構(gòu)如圖1所示.圖中T表示刀盤扭矩，F(xiàn)為盾構(gòu)總推力，vc為刀盤轉(zhuǎn)速，va為推進(jìn)速度，vs表示螺旋輸送機(jī)轉(zhuǎn)速，v＊c（k）、v＊a（k）和v＊s（k）分別表示k時(shí)刻由綜合優(yōu)化控制器給出的各參數(shù)的優(yōu)化設(shè)定值，p表示檢測的密封艙壓力值.

綜合優(yōu)化控制系統(tǒng)主要由地層識別系統(tǒng)、綜合優(yōu)化控制模塊、刀盤系統(tǒng)、推進(jìn)系統(tǒng)和排渣系統(tǒng)組成，其中綜合優(yōu)化控制模塊主要由專家決策系統(tǒng)和預(yù)測控制器組成，來協(xié)調(diào)優(yōu)化控制刀盤、推進(jìn)和排渣3個(gè)子系統(tǒng)，完成對刀盤轉(zhuǎn)速、推進(jìn)速度和螺旋輸送機(jī)轉(zhuǎn)速的優(yōu)化設(shè)定工作.地層識別系統(tǒng)對地層狀態(tài)進(jìn)行識別，其結(jié)果作為刀盤控制系統(tǒng)的決策依據(jù).專家決策系統(tǒng)根據(jù)地層識別的結(jié)果，結(jié)合專家經(jīng)驗(yàn)給出與地層相適應(yīng)的刀盤轉(zhuǎn)速v＊c（k）.在刀盤轉(zhuǎn)速確定的前提下，利用非線性預(yù)測控制算法計(jì)算出與刀盤轉(zhuǎn)速相適應(yīng)的推進(jìn)速度v＊a（k）和螺旋輸送機(jī)轉(zhuǎn)速v＊s（k），實(shí)現(xiàn)密封艙土壓平衡的刀盤、推進(jìn)和排渣3個(gè)子系統(tǒng)的協(xié)調(diào)優(yōu)化控制.在基于模型的非線性預(yù)測控制算法中，采用LS－SVM 建立了密封艙土壓預(yù)測模型，并且基于ACS算法實(shí)現(xiàn)了推進(jìn)速度和螺旋輸送機(jī)轉(zhuǎn)速的滾動(dòng)優(yōu)化.

圖1 盾構(gòu)機(jī)土壓平衡綜合優(yōu)化控制系統(tǒng)結(jié)構(gòu)圖Fig.1 Structure of the integrated optimization control system of EPB shield machine

2 地層識別

由工程實(shí)踐可知，刀盤扭矩T、推進(jìn)速度va、推力F和刀盤轉(zhuǎn)速vc能反映出開挖面地層的變化情況.因此，定義了扭矩切深指數(shù)TPI和場切深指數(shù)FPI，對數(shù)據(jù)樣本進(jìn)行分類，在此基礎(chǔ)上對地層進(jìn)行判斷.TPI和FPI分別定義如下［12］：

式中：Prev為刀盤刀具的切深.

TPI和FPI分別表示單位切深所需的扭矩和推力，反映了刀盤與開挖面土層的切向和法向作用的本質(zhì)，能夠表征前方土層對掘進(jìn)性能的影響.

以砂土、黏土、砂礫土為對象，利用各種地質(zhì)情況下的現(xiàn)場施工數(shù)據(jù)刀盤扭矩、推進(jìn)速度、推力和刀盤轉(zhuǎn)速經(jīng)過二次變換，轉(zhuǎn)換為特征輸入?yún)?shù)TPI和FPI，令x＝FPI，y＝TPI，則構(gòu)成了反映地質(zhì)特性的特征空間，特征參數(shù)的分布具有顯著差異，基本分布在了以直線為邊界的砂土區(qū)、黏土區(qū)、砂礫區(qū)3個(gè)區(qū)域.為了進(jìn)一步判定每一種地層的土質(zhì)特性，對每個(gè)區(qū)域內(nèi)的特征參數(shù)進(jìn)行二次分類.這里，引入了貼近度的概念，參數(shù)點(diǎn)Di（xi，yi）與相對應(yīng)直線的貼近度可由下式計(jì)算［12］：

式中：yaj為特征參數(shù)空間分布的邊界直線，djD為參數(shù)點(diǎn)到相應(yīng)直線的距離.因此，由貼近度可以進(jìn)一步判斷土層的特性如下：

（1）當(dāng)yi＞ya1（xi）時(shí)，若貼近度n（Di，ya1）趨近于1，則認(rèn)為盾構(gòu)掘進(jìn)的地層基本正常，而n（Di，ya1）越小，則扭矩表現(xiàn)為異常大，說明盾構(gòu)很可能遇到了裹挾性地質(zhì).

（2）當(dāng)ya2（xi）≤yi≤ya1（xi）時(shí)，說明盾構(gòu)處于正常掘進(jìn)狀態(tài).此時(shí)，若yi＜ya3（xi），則貼近度n（Di，ya3）越小，表明開挖面土層越軟；若yi≥ya3（xi），則n（Di，ya3）越小，表明土層越硬.

（3）當(dāng)yi＜ya2（xi）時(shí)，若貼近度n（Di，ya2）趨近于1，則認(rèn)為盾構(gòu)掘進(jìn)的地層基本屬于正常，而n（Di，ya2）越小，則表明推力越大，說明盾構(gòu)可能遇到了加固土層或者強(qiáng)障礙.

3 盾構(gòu)機(jī)多子系統(tǒng)綜合優(yōu)化控制策略

3.1 基于專家系統(tǒng)的刀盤轉(zhuǎn)速控制

由于地質(zhì)條件的復(fù)雜多變以及土體的各向異性等因素的影響，至今尚未得到工程界普遍認(rèn)可的盾構(gòu)開挖面土體的本構(gòu)模型，這也是巖土工程界的一大難題.同時(shí)，盾構(gòu)刀盤負(fù)載實(shí)時(shí)變化，很難用一個(gè)精確的數(shù)學(xué)模型來表示.因此，經(jīng)典或先進(jìn)的控制理論都無法較好地應(yīng)用于盾構(gòu)機(jī)刀盤的實(shí)時(shí)控制.但熟練的盾構(gòu)操作者可以根據(jù)當(dāng)前的地質(zhì)變化情況以及掘進(jìn)參數(shù)的變化等做出正確的決策判斷，使掘進(jìn)控制系統(tǒng)與刀盤的負(fù)載變化相適應(yīng).因此，本文采用基于地層狀態(tài)識別與專家系統(tǒng)控制相結(jié)合的控制策略，克服了隧道沿線地質(zhì)勘測的粗略預(yù)報(bào)以及盾構(gòu)操作者人為因素導(dǎo)致的誤操作等缺點(diǎn).刀盤轉(zhuǎn)速的專家控制系統(tǒng)主要由知識庫、推理機(jī)、動(dòng)態(tài)數(shù)據(jù)庫、檢測系統(tǒng)等組成，控制系統(tǒng)結(jié)構(gòu)如圖2所示.

圖2 刀盤轉(zhuǎn)速專家控制系統(tǒng)結(jié)構(gòu)圖Fig.2 Structure of expert control system of cutter speed

（1）知識庫

知識庫主要由控制規(guī)則集、專家現(xiàn)場施工經(jīng)驗(yàn)、各種國家標(biāo)準(zhǔn)以及專門知識等組成.在該系統(tǒng)中，假設(shè)Sa、Sb、Sc分別代表黏土、砂土和砂礫土，Ai（i＝1，…，4）代表數(shù)據(jù)點(diǎn)在參數(shù)空間所屬的區(qū)域，采用產(chǎn)生式規(guī)則來表示知識［13］，即

if〈（土質(zhì)），Ai，（n（Di，yaj））〉then〈v＊c（k）〉

根據(jù)盾構(gòu)實(shí)際掘進(jìn)過程中刀盤轉(zhuǎn)速的控制經(jīng)驗(yàn)，部分控制規(guī)則列舉如下：

（2）動(dòng)態(tài)數(shù)據(jù)庫

動(dòng)態(tài)數(shù)據(jù)庫存放各種實(shí)時(shí)檢測的輸入、輸出數(shù)據(jù)，各種參數(shù)的設(shè)定值和性能指標(biāo)，系統(tǒng)運(yùn)行過程中的各種特征參數(shù)等.

（3）推理機(jī)

根據(jù)動(dòng)態(tài)數(shù)據(jù)庫提供的信息以及知識庫的知識規(guī)則，采用正向推理的方法，進(jìn)行搜索匹配，判斷推理，提取相應(yīng)的規(guī)則，最后給出刀盤轉(zhuǎn)速的控制策略.

專家系統(tǒng)接收輸入的土質(zhì)、所在分區(qū)Ai及相應(yīng)的貼近度n（Di，yaj）的量化參數(shù)，推理機(jī)根據(jù)一定的推理規(guī)則從知識庫中選擇相關(guān)的知識，對輸入數(shù)據(jù)進(jìn)行推理，最后給出與地層特性相適應(yīng)的刀盤轉(zhuǎn)速.在知識庫中，隨著地質(zhì)條件、施工參數(shù)等的改變，原來可用的專家規(guī)則可能會(huì)變得不再適用于對象，因此需要對規(guī)則庫進(jìn)行實(shí)時(shí)更新，以保證專家系統(tǒng)能獲得對象的變動(dòng)信息，給出正確可用的結(jié)果.

3.2 推進(jìn)速度和螺旋輸送機(jī)轉(zhuǎn)速的非線性預(yù)測協(xié)調(diào)控制

盾構(gòu)機(jī)在掘進(jìn)過程中，刀盤旋轉(zhuǎn)開挖前方土體，切削下來的泥土充滿密封艙和螺旋輸送機(jī)內(nèi)部的全部空間，由推進(jìn)液壓缸推動(dòng)盾構(gòu)前行，同時(shí)將推力通過承壓隔板傳遞給密封艙內(nèi)的泥土，加上土體本身自重產(chǎn)生的側(cè)向壓力，二者共同提供支護(hù)壓力以平衡開挖面的水土壓力；盾構(gòu)機(jī)在開挖的同時(shí)由螺旋輸送機(jī)將密封艙內(nèi)的泥土排出盾體，維持進(jìn)土量和出土量平衡，以此來控制密封艙土壓和開挖面的土壓平衡.因此，密封艙壓力不僅與掘進(jìn)過程中的應(yīng)力場、溫度場、滲流場等多場耦合作用密切相關(guān)，而且還受到推進(jìn)速度與排渣速度等因素的影響，是由推進(jìn)系統(tǒng)、排渣系統(tǒng)、刀盤系統(tǒng)等多子系統(tǒng)綜合作用的結(jié)果.因此，盾構(gòu)掘進(jìn)過程是高度非線性的復(fù)雜力學(xué)過程，難以建立完善的機(jī)理模型.基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的支持向量機(jī)（SVM）回歸能夠很好地解決非線性、小樣本、高維數(shù)以及局部極小等問題，具有較強(qiáng)的泛化能力.而最小二乘支持向量機(jī)（LS－SVM）是標(biāo)準(zhǔn)SVM 的一種擴(kuò)展，它將SVM 的二次規(guī)劃問題轉(zhuǎn)化為求解線性方程組，大大簡化了計(jì)算的復(fù)雜度.因此，為了實(shí)現(xiàn)密封艙土壓的動(dòng)態(tài)平衡控制，本文采用LS－SVM 方法建立了在線密封艙土壓預(yù)測模型.

（1）LS－SVM 土壓預(yù)測模型的建立

考慮如下非線性回歸模型：

其中m、n是系統(tǒng)的輸入輸出階次.本文控制系統(tǒng)的控制輸入為螺旋輸送機(jī)轉(zhuǎn)速vs（k）、推進(jìn)速度va（k）和 刀 盤 轉(zhuǎn) 速vc（k），即u（k）＝ （vc（k）va（k）vs（k））；輸出為密封艙內(nèi)監(jiān)測點(diǎn)的壓力p（k）.根據(jù)文獻(xiàn)［14］設(shè)該系統(tǒng)為二階系統(tǒng)，即m＝n＝2，所以，引入如下回歸變量：

在每一時(shí)刻實(shí)時(shí)采集新的數(shù)據(jù)，更新訓(xùn)練集，并用上一時(shí)刻的KKTk條件對新增數(shù)據(jù)進(jìn)行測試，若新增數(shù)據(jù)滿足KKTk條件，不必重新訓(xùn)練建模；否則，利用新樣本集對模型進(jìn)行重新訓(xùn)練建立新的土壓預(yù)測模型［10］.

（2）反饋校正及參考軌跡

由于掘進(jìn)過程各種不確定因素的影響，模型的預(yù)測輸出與實(shí)際值總是存在一定的誤差.為了減小誤差產(chǎn)生的影響，需要對預(yù)測模型進(jìn)行反饋校正，對預(yù)測輸出進(jìn)行補(bǔ)償.在k時(shí)刻模型的預(yù)測誤差為

所以，在預(yù)測時(shí)域n內(nèi)，經(jīng)過反饋校正的模型預(yù)測土壓為

其中p（k＋j｜k）為模型預(yù)測輸出土壓，pp（k＋j｜k）為經(jīng)反饋校正后的模型輸出土壓.

為了使系統(tǒng)的輸出能夠按照預(yù)期逐漸地光滑過渡到設(shè)定值，避免大的超調(diào)出現(xiàn)，這里引入了參考軌跡，采用當(dāng)前時(shí)刻實(shí)際輸出土壓值p（k）為起始的一階指數(shù)變化形式來描述：

式中：pr（k＋j）是輸出的參考軌跡，ps（k＋j）是密封艙土壓的設(shè)定值，α＝exp（－T／τ），T是采樣時(shí)間，τ是參考軌跡的時(shí)間常數(shù)，j是預(yù)測步長.

（3）基于改進(jìn)ACS算法的滾動(dòng)優(yōu)化

滾動(dòng)優(yōu)化的目標(biāo)函數(shù)為

式中：ul（·）（l＝1，2）分別代表螺旋輸送機(jī)轉(zhuǎn)速vs和推進(jìn)速度va，即u（k）＝（vs（k）va（k））T，ul，min、ul，max分別表示其最小值與最大值，ri≥0為加權(quán)系數(shù)，Np是預(yù)測時(shí)域，Nc是控制時(shí)域.

由于優(yōu)化函數(shù)（8）屬于有約束的非線性問題，采用傳統(tǒng)的數(shù)值優(yōu)化方法很難對其進(jìn)行求解.然而，蟻群算法調(diào)整參數(shù)少，易于計(jì)算，且非常適用于求解復(fù)雜的非線性優(yōu)化問題［16］.為了使優(yōu)化速度更快，并加大全局搜索最優(yōu)解的力度，本文將蟻群算法進(jìn)行了改進(jìn)，用于求解最優(yōu)的推進(jìn)速度和螺旋輸送機(jī)轉(zhuǎn)速；同時(shí)為了盡量減少優(yōu)化時(shí)間，在預(yù)測控制算法中取預(yù)測時(shí)域Np＝1，即預(yù)測控制器進(jìn)行單步預(yù)測.

改進(jìn)的蟻群算法的主要思想是：在每一次迭代過程中，每只螞蟻獨(dú)立地選擇一條路徑，每條路徑代表一組控制序列，然后將控制序列作用于預(yù)測模型，得到一組預(yù)測輸出，再將這些值代入優(yōu)化函數(shù)（8）中，得到目標(biāo)函數(shù)值.算法根據(jù)這些目標(biāo)函數(shù)值更新信息素，然后進(jìn)入下一次迭代，當(dāng)所有的螞蟻都收斂到同一路徑或者達(dá)到最大迭代次數(shù)，算法結(jié)束.算法主要步驟如下：

（1）搜索路徑

控制變量u（k）代表k時(shí)刻的螺旋輸送機(jī)轉(zhuǎn)速v＊s（k）和推進(jìn)速度v＊a（k）.由于螺旋輸送機(jī)轉(zhuǎn)速一般在0～22.4r／min，而推進(jìn)速度一般都小于100 mm／min，將其范圍限定在0 ～99.9 mm／min，也可以根據(jù)實(shí)際情況進(jìn)行調(diào)整.因此，每一個(gè)控制變量都由3位有效數(shù)字表示，設(shè)小數(shù)點(diǎn)前后分別為2位和1位，其節(jié)點(diǎn)和路徑分布如圖3所示.橫坐標(biāo)xi第1 ～3、4 ～6 分別代表u（k）的各個(gè)數(shù)位，其中第1～3位表示螺旋輸送機(jī)轉(zhuǎn)速v＊s（k），而4～6位表示推進(jìn)速度v＊a（k）.縱坐標(biāo)yij的0～9分別代表每個(gè)數(shù)位上可能取的值，而由于螺旋輸送機(jī)最大轉(zhuǎn)速的限定，L1僅取0、1、2.用（xi，yij）表示在Li上的節(jié)點(diǎn)j的值yij.螞蟻從起始點(diǎn)0開始，每向前一步都要從下一條直線Li選擇一個(gè)節(jié)點(diǎn)作為目標(biāo)前進(jìn)，直到經(jīng)過所有直線L1，L2，…，L5，最后到達(dá)L6，完成一次循環(huán)，它的移動(dòng)路徑可以表示為Path＝｛0，（x1，y1j），（x2，y2j），…，（x6，y6j）｝.

所以這條路徑所對應(yīng)的控制變量的值可以表示為

圖3 螞蟻搜索路徑Fig.3 The searching path of the ants

（2）節(jié)點(diǎn)的選擇

螞蟻在行進(jìn)過程中，根據(jù)各條路徑上的信息量決定轉(zhuǎn)移方向.pkij（t）表示螞蟻k在t時(shí)刻由位置i轉(zhuǎn)移到j(luò)的概率：

式中：τ（xi，yij，t）為在t時(shí)刻節(jié)點(diǎn)（xi，yij）的信息素濃度，allowedk是下一步允許選擇的節(jié)點(diǎn)集合，α是信息素濃度的權(quán)重系數(shù).

（3）信息素的更新

經(jīng)過n個(gè)時(shí)刻所有螞蟻完成一次循環(huán)后，對所經(jīng)過路徑上的節(jié)點(diǎn)進(jìn)行信息素更新：

其中ρ（0＜ρ＜1）是揮發(fā)因子，τ（xi，yij，0）＝τ0，Δτ是節(jié)點(diǎn)信息素的增量，Q是常數(shù)，F(xiàn)k是所得控制量作用于系統(tǒng)后所對應(yīng)的目標(biāo)函數(shù)值.為了避免算法過早地收斂于局部最優(yōu)解，每條路徑上的信息素濃度限定在［τmin，τmax］.

4 仿真研究

采集了廣州某地鐵隧道的施工數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn).首先利用現(xiàn)場數(shù)據(jù)建立密封艙土壓預(yù)測模型.利用LS－SVM 建立密封艙壓力的預(yù)測模型，采集400組施工數(shù)據(jù)｛Xi（k），pi（k＋1）｝，300組作為訓(xùn)練集，100組作為測試集.經(jīng)測試確定參數(shù)σ2＝0.4，C＝10，利用數(shù)據(jù)樣本進(jìn)行訓(xùn)練建模，并將其作為土壓預(yù)測模型應(yīng)用于下面的預(yù)測控制算法.用于滾動(dòng)優(yōu)化的蟻群算法中參數(shù)的選擇對算法性能至關(guān)重要，但對于選擇的方法和原則目前尚無確切的理論依據(jù).通過經(jīng)驗(yàn)和試算最后確定蟻群 算 法 的 參 數(shù) 如 下：α＝1，ρ＝0.65，τmin＝0.002，τmax＝1.在預(yù)測控制算法中ri＝0.8，Np＝3，Nc＝1.

以文獻(xiàn)［17］所建立的盾構(gòu)機(jī)密封艙土壓模型作為被控對象進(jìn)行仿真研究，模型如下：

式中：T（·）表示密封艙土壓值，vt為推進(jìn)速度，vs為螺旋輸送機(jī)轉(zhuǎn)速，vh為刀盤轉(zhuǎn)速，F(xiàn)為總推力.為了更好地檢驗(yàn)系統(tǒng)的控制性能，選用砂土和黏土兩種地質(zhì)情況下的數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn).在砂土和黏土中模型參數(shù)分別為砂土：a＝0.005 6，b＝0.042 8，c＝0.002 1，d＝0.005 3，e＝0.002 6，f＝0.001 1，g＝0.009 8，h＝1.062 0；黏土：a＝0.003 1，b＝0.054 7，c＝0.004 9，d＝0.004 7，e＝0.002 9，f＝0.000 6，g＝0.013 5，h＝0.653 0，推力F根據(jù)實(shí)際工況確定.假設(shè)盾構(gòu)機(jī)是在砂土與黏土交互式的地層中前進(jìn)，在前250s是在砂土中掘進(jìn)，在250～500s是在黏土中掘進(jìn)，而在500～750s又在砂土中掘進(jìn).采集的數(shù)據(jù)包括密封艙壓力、螺旋輸送機(jī)轉(zhuǎn)速、推進(jìn)速度、刀盤轉(zhuǎn)速、推力、扭矩，采樣周期為5s.控制參數(shù)刀盤轉(zhuǎn)速v＊c（k）、螺旋輸送機(jī)轉(zhuǎn)速v＊s（k）、推進(jìn)速度v＊a（k）的協(xié)調(diào)優(yōu)化控制結(jié)果如圖4～6所示，密封艙土壓平衡的控制效果如圖7所示.

從圖4可以看出，在同一種地質(zhì)情況下，刀盤轉(zhuǎn)速產(chǎn)生了波動(dòng)，反映地層的土質(zhì)狀態(tài)確實(shí)發(fā)生了變化，這體現(xiàn)了地層識別系統(tǒng)與專家系統(tǒng)相結(jié)合進(jìn)行地層辨識和判斷的優(yōu)點(diǎn)；而螺旋輸送機(jī)轉(zhuǎn)速和推進(jìn)速度在不同的地質(zhì)條件下也發(fā)生了相應(yīng)的變化，如圖5、6所示.從圖7的土壓平衡控制效果可以看出，本文方法能夠使密封艙土壓很好地跟蹤設(shè)定的土壓值，效果明顯好于現(xiàn)場實(shí)際監(jiān)測的人工憑經(jīng)驗(yàn)的控制結(jié)果.尤其在地層情況發(fā)生變化時(shí)，系統(tǒng)能夠很快識別并適應(yīng)地層的變化，綜合協(xié)調(diào)優(yōu)化各子系統(tǒng)，使掘進(jìn)控制變量得到了實(shí)時(shí)優(yōu)化，說明系統(tǒng)具有較好的協(xié)調(diào)優(yōu)化控制能力，能夠高效地控制密封艙土壓平衡.

圖4 優(yōu)化后的刀盤轉(zhuǎn)速Fig.4 Cutter speed after optimization

圖5 優(yōu)化后的螺旋輸送機(jī)轉(zhuǎn)速Fig.5 Screw conveyor speed after optimization

圖6 優(yōu)化后的推進(jìn)速度Fig.6 Advance speed after optimization

圖7 綜合優(yōu)化控制效果與實(shí)際效果對比Fig.7 Contrast between the integrated control effect and actual one

5 結(jié) 論

為了使掘進(jìn)控制參數(shù)在施工過程中能夠得到實(shí)時(shí)調(diào)整和優(yōu)化，盾構(gòu)機(jī)以最優(yōu)的方式控制各子系統(tǒng)運(yùn)行以達(dá)到密封艙土壓動(dòng)態(tài)平衡的目的，本文提出了盾構(gòu)機(jī)刀盤、推進(jìn)和排渣多子系統(tǒng)的綜合優(yōu)化控制方法，并利用隧道現(xiàn)場的施工數(shù)據(jù)進(jìn)行了仿真驗(yàn)證.仿真實(shí)驗(yàn)結(jié)果表明，該方法能夠在盾構(gòu)掘進(jìn)過程中根據(jù)地層變化調(diào)整刀盤轉(zhuǎn)速，并實(shí)時(shí)協(xié)調(diào)優(yōu)化推進(jìn)速度和螺旋輸送機(jī)轉(zhuǎn)速.從密封艙土壓平衡的控制效果可以看出，密封艙壓力能夠較好地與設(shè)定值吻合，控制精度較高，即使在地層發(fā)生變化時(shí)，系統(tǒng)也能夠快速識別并自適應(yīng)地層的變化，并有效控制密封艙土壓平衡，表明本文提出的盾構(gòu)機(jī)刀盤、推進(jìn)、排渣等多子系統(tǒng)的綜合優(yōu)化控制方法是合理有效的.

［1］ 張鳳祥，朱合華，傅德明.盾構(gòu)隧道［M］.北京：人民交通出版社，2004.ZHANG Feng－xiang，ZHU He－h(huán)ua，F(xiàn)U De－ming.Shield Tunnel［M］.Beijing：China Communication Press，2004.（in Chinese）

［2］ 張庭華.土壓平衡盾構(gòu)土艙壓力控制技術(shù)研究［J］.鐵道標(biāo)準(zhǔn)設(shè)計(jì)，2005（8）：83－85.ZHANG Ting－h(huán)ua.Study on the earth pressure control technology in chamber of EPB shield machine［J］.Railway Standard Design，2005（8）：83－85.（in Chinese）

［3］ Yeh I C.Application of neural networks to automatic soil pressure balance control for shield tunneling［J］.Automation in Construction，1997，5（5）：421－426.

［4］ 陳立生，王洪新.土壓平衡盾構(gòu)平衡控制的新思路［J］.上海建設(shè)科技，2008（5）：18－21.CHEN Li－sheng，WANG Hong－xin.New idea about balance control for earth pressure balance shield ［J］.Shanghai Construction Science ＆Technology，2008（5）：18－21.（in Chinese）

［5］ 施 虎，龔國芳，楊華勇.盾構(gòu)掘進(jìn)土壓平衡控制模型［J］.煤炭學(xué)報(bào)，2008，33（3）：343－346.SHI Hu，GONG Guo－fang，YANG Hua－yong.Control model of earth pressure balance for shield tunneling［J］.Journal of China Coal Society，2008，33（3）：343－346.（in Chinese）

［6］ LI Xiao，CHEN Zhen－h(huán)uan.Fuzzy immune control for shield′s earth－pressure－balance simulation system ［C］／／Fourth International Conference on Natural Computation.Jinan：IEEE Computer Society，2008：648－652.

［7］ YANG Hua－yong，SHI Hu，GONG Guo－fang，etal.Earth pressure balance control for EPB shield［J］.Science in China Series E：Technological Sciences，2009，52（10）：2840－2848.

［8］ XU Q W，ZHU H H，DING W Q.Laboratory model tests and field investigations of EPB shield machine tunneling in soft ground in Shanghai［J］.Tunneling and Underground Space Technology，2011，26（1）：1－14.

［9］ 李守巨，屈福政，曹麗娟，等.土壓平衡盾構(gòu)機(jī)密封艙壓力控制實(shí)驗(yàn)研究［J］.煤炭學(xué)報(bào)，2011，36（6）：934－937.LI Shou－ju，QU Fu－zheng，CAO Li－juan，etal.Experimental investigation about chamber pressure control of earth pressure balance shield［J］.Journal of China Coal Society，2011，36（6）：934－937.（in Chinese）

［10］ LIU X Y，SHAO C，MA H F，etal.Optimal earth pressure balance control for shield tunneling based on LS－SVM and PSO ［J］.Automation in Construction，2011，20（4）：321－327.

［11］ 李守巨，曹麗娟.盾構(gòu)機(jī)土倉壓力控制模型及其參數(shù)辨識［J］.煤炭學(xué)報(bào)，2012，37（2）：206－210.LI Shou－ju，CAO Li－juan.Pressure control model on soil chamber of shield machine and its parameter identification［J］.Journal of China Coal Society，2012，37（2）：206－210.（in Chinese）

［12］ 邢 彤，趙 陽.盾構(gòu)掘進(jìn)土層識別及刀盤轉(zhuǎn)速控制策 略 研 究 ［J］.浙 江 工 業(yè) 大 學(xué) 學(xué) 報(bào)，2010，38（6）：649－654.XING Tong，ZHAO Yang.Earth layer recognition during the shield machine digging and control strategy of the cutter head speed ［J］.Journal of Zhejiang University of Technology，2010，38（6）：649－654.（in Chinese）

［13］ 陽春華，沈德耀，吳 敏，等.焦?fàn)t配煤專家系統(tǒng)的定性定量綜合設(shè)計(jì)方法［J］.自動(dòng)化學(xué)報(bào)，2000，26（2）：226－232.YANG Chun－h(huán)ua，SHEN De－yao，WU Min，etal.Synthesis of qualitative and quantitative methods in a coal blending expert system for coke oven ［J］.Acta Automatica Sinca，2000，26（2）：226－232.（in Chinese）

［14］ 李 笑，陳振環(huán)，陳烘陶.盾構(gòu)土壓平衡電液模擬系統(tǒng)的研究［J］.機(jī)床與液壓，2006（7）：129－131.LI Xiao，CHEN Zhen－h(huán)uan，CHEN Hong－tao.Study on electro－h(huán)ydraulic simulation system of earth pressure balance of tunnel boring machine［J］.Machine Tool ＆ Hydraulics，2006（7）：129－131.（in Chinese）

［15］ Suykens J A K，Vandewalle J.Least squares support vector machine ［J］.Neural Processing Letters，1999，9（3）：293－300.

［16］ Dorigo M，Maniezzo V，Colorni A.Ant system：optimization by a colony of cooperating agents［J］.IEEE Transaction on Systems，Man and Cybernetics，1996，26：28－41.

［17］ 劉任喜.基于LS－SVM 的盾構(gòu)密封艙土壓建模仿真研究［D］.大連：大連理工大學(xué)，2009.LIU Ren－xi.Modeling and simulation of shield sealed cable′s earth pressure based on LS－SVM［D］.Dalian：Dalian University of Technology，2009.（in Chinese）