王建利

（西安市市政設(shè)施管理局，陜西 西安 710016）

復(fù)合地層盾構(gòu)推進速度優(yōu)化

王建利

（西安市市政設(shè)施管理局，陜西 西安 710016）

以西安市軌道交通3號線3標段隧道施工為研究背景，以推進速度為研究對象，利用遺傳算法建立優(yōu)化模型，通過對掘進參數(shù)進行調(diào)整，得到更優(yōu)推進速度。結(jié)果表明經(jīng)過優(yōu)化后可將推進速度提高38.3%，將優(yōu)化后的推進速度和實測推進速度進行對比，最大誤差為9.09%，對復(fù)合地層實際盾構(gòu)施工推進速度的優(yōu)化提供一定參考。

復(fù)合地層；盾構(gòu)推進速度；遺傳算法

盾構(gòu)被普遍應(yīng)用于城市地鐵隧道的施工中，在單一、均勻的地層中，由于掘進參數(shù)穩(wěn)定、掘進方式單一，施工過程相對比較容易進行，但在復(fù)合地層中，地質(zhì)成分復(fù)雜，施工難度會大大增加，如何合理選擇掘進參數(shù)，在保證施工質(zhì)量的前提下，盡可能提高推進速度是迫切需要解決的核心問題。

盾構(gòu)在施工過程中掘進參數(shù)眾多，各參數(shù)之間關(guān)系復(fù)雜，與推進速度有關(guān)的參數(shù)主要有刀具貫入度、刀具轉(zhuǎn)矩、刀具轉(zhuǎn)速、總推力和輸送機轉(zhuǎn)速等。目前，很多學者對盾構(gòu)推進速度進行研究，廖少明研究了注漿量、正面壓力等掘進參數(shù)對推進速度的影響，袁敏正研究了刀具布置以及刀盤扭矩對掘進速度的影響，徐前衛(wèi)運用實驗?zāi)Ｐ瞳@得盾構(gòu)參數(shù)和推進速度之間的函數(shù)關(guān)系。當前研究主要通過實驗?zāi)Ｐ蛠硌芯烤蜻M機推進速度，但實驗結(jié)果不能適應(yīng)復(fù)雜地層，并且絕大多數(shù)學者只對單一掘進參數(shù)對推進速度的影響進行研究，忽略了各因素之間的復(fù)雜關(guān)系，使分析結(jié)果存在較大偏差。綜上所述，需要通過整體控制各掘進參數(shù)來優(yōu)化推進速度。

以西安市軌道交通3號線3標段隧道施工為研究背景，利用遺傳算法，通過整體控制各掘進參數(shù)對推進速度進行優(yōu)化，對實際施工的參數(shù)選擇提供一定依據(jù)。

1 優(yōu)化模型建立

1.1 目標函數(shù)

盾構(gòu)推進速度必須在保證施工質(zhì)量和符合施工設(shè)備能力的前提下盡可能提高推進速度。目標函數(shù)應(yīng)該以各掘進參數(shù)為自變量，推進速度為因變量。具體推進速度優(yōu)化函數(shù)的表達式為

其中f(X)代表需要優(yōu)化的目標函數(shù)；X是目標函數(shù)的自變量，即各掘進參數(shù)；Xi分別為刀具貫入度、刀盤轉(zhuǎn)矩、刀盤轉(zhuǎn)速、總推力、土倉渣土壓力以及輸送機轉(zhuǎn)速。

1.2 適應(yīng)度函數(shù)

適應(yīng)度是指評價種群個體在算法中能逼近最優(yōu)解的指標，是促進種群中個體優(yōu)化過程的原動力。種群個體適應(yīng)度值越大，被遺傳到下代中的概率就越高。具體的約束函數(shù)表達式為

式中Xi是種群中的樣本個體，f(Xi)是當前盾構(gòu)的推進速度值，S(Xi)是在當前推進速度時的地面沉降值，Smax是地面沉降值的最大值。

1.3 約束條件

將約束條件引入數(shù)學模型，需要對各代種群中的個體是否滿足約束條件進行判斷，本文的約束條件選為“復(fù)合地層盾構(gòu)推進速度預(yù)測模型”，當滿足所有約束條件時，可以對推進速度進行預(yù)測并獲得所需的目標推進速度值，若其中任何約束條件無法滿足，將不能預(yù)測推進速度，這樣可以保證優(yōu)化過程在種群可行個體中進行。

2 優(yōu)化模型的實現(xiàn)

2.1 優(yōu)化程序

利用遺傳算法進行推進速度優(yōu)化的思路是：首先把一定數(shù)量的個體X組成初始種群，將初始種群中的個體進行預(yù)處理、適度值判斷、約束處理以及遺傳算子的迭代進化和操作，最后在個體中選出一個最優(yōu)推進速度的個體以及對應(yīng)的掘進參數(shù)的取值范圍。

本文推進速度的優(yōu)化基于MATLAB計算機編程，具體的優(yōu)化算法框圖如圖1所示。

圖1 遺傳算法框圖

2.2 優(yōu)化實現(xiàn)

合理采集盾構(gòu)施工現(xiàn)場的100組掘進參數(shù)，分別在每環(huán)0.5m、1.0m處采集一組參數(shù)，排除受人為因素和隨機因素的掘進參數(shù)。初始種群為M=100，每個個體長度為L=6，交叉概率為PC=0.5，變異概率為Pb=0.01，選擇終止代數(shù)為T=100。

經(jīng)過迭代，得到初始種群分別經(jīng)過25次、50次、75次、100次迭代優(yōu)化后的結(jié)果如圖2～圖4所示。各次優(yōu)化迭代后盾構(gòu)推進速度分別比原始推進速度提高11.5%、26.3%、36.5%、38.3%。

圖2 原始種群推進速度

圖3 25次迭代后的推進速度

圖4 50、75、100次迭代后的推進速度

由于有49組個體在優(yōu)化過程中不滿足掘進參數(shù)的約束條件，不滿足初始種群在經(jīng)過25次的代后“復(fù)合地層盾構(gòu)推進速度預(yù)測模型”所預(yù)測的盾構(gòu)推進速度，故經(jīng)過淘汰只剩下51組個體，依次類推，經(jīng)過100次迭代后最終剩余17組個體，這時掘進參數(shù)和種群數(shù)量已接近穩(wěn)定，迭代優(yōu)化停止，經(jīng)過優(yōu)化后得到的17組參數(shù)如表1所示。

3 優(yōu)化結(jié)果驗證

試驗地點選擇與采集數(shù)據(jù)相同地質(zhì)層的區(qū)間，施工人員和設(shè)備一致，將優(yōu)化后的掘進參數(shù)作為盾構(gòu)的輸入?yún)?shù)，每組掘進參數(shù)掘進10環(huán)，每環(huán)在0.5m、1.0m處采集掘進推進速度，將得到的結(jié)果取平均值。將試驗得到的推進速度值和優(yōu)化后的推進速度值進行對比，如圖5所示，可以看出兩者較為接近，趨勢基本重合，最大誤差為9.09%，說明優(yōu)化方法正確可靠。

表1 優(yōu)化后的推進速度和相應(yīng)掘進參數(shù)

圖5 推進速度優(yōu)化值和試驗值對比

4 結(jié) 論

本文利用遺傳算法，通過整體控制各掘進參數(shù)對推進速度進行優(yōu)化，得到的結(jié)論如下。

1）建立了盾構(gòu)推進速度的遺傳算法優(yōu)化模型，經(jīng)過優(yōu)化后可將推進速度提高38.3%，在此基礎(chǔ)上得到了與掘進速度對應(yīng)掘進參數(shù)的取值范圍。

2）將優(yōu)化后的推進速度和實測推進速度進行對比，誤差較小，對復(fù)合地層實際盾構(gòu)施工的參數(shù)選擇提供一定依據(jù)。

[1]劉宣宇.盾構(gòu)技術(shù)的發(fā)展與展望[J].施工技術(shù)，2013，42(1)：20-23.

[2]陳 饋，馮歡歡.中國盾構(gòu)技術(shù)的發(fā)展與創(chuàng)新[J].建筑機械化，2012，33(S2)：12-15.

[3]廖少明，李文勇，王 璇.盾構(gòu)隧道快速施工法試驗研究[J].施工技術(shù)，2002，31(6)：4-6.

[4]袁敏正，鞠世健，竺維彬.廣州地鐵一號線和二號線盾構(gòu)機適應(yīng)性研究與探討[J].現(xiàn)代隧道技術(shù)，2004，41(3)：31-34.

[5]徐前衛(wèi).盾構(gòu)施工參數(shù)的地層適應(yīng)性模型試驗及其理論研究[D].上海：同濟大學，2006.

[6]施 虎，龔國芳，楊華勇，等.盾構(gòu)機掘進推進速度控制性能分析[J].機床與液壓，2008，36(8)：77-79.

[7]崔國華，王國強，何恩光，等.盾構(gòu)掘進機主要技術(shù)參數(shù)的計算分析[J].礦山機械，2006，34(12)：11-14.

[8]王 剛. 復(fù)雜地層盾構(gòu)機掘進參數(shù)確定方法研究[J]. 建筑工程技術(shù)與設(shè)計，2013，(4)：317-318.

[9]周 斌，張懷亮，程永亮.復(fù)合地層盾構(gòu)機推進速度SVM預(yù)測模型研究[J].鐵道建筑技術(shù)，2014，(10)：48-51.

（編輯 張海霞）

Shield machine advance speed optimization in composite ground

WANG Jian-li

TU621

B

1001-1366(2015)09-0067-03

2015-07-22