一种用于隧道掘进的掘进机器人及远程移动终端指挥系统的制作方法
本发明涉及智能机器人技术领域，特别涉及一种用于隧道掘进的掘进机器人及远程移动终端指挥系统。
背景技术：
目前我国已是世界第二大经济体，对水资源跨域配置、水电开发、交通建设的需求量大。一批批水利水电工程、铁路、公路交通工程等重大基础设施相继开工建设，而隧洞是水利水电、交通建设的关建控制性工程。
我国水利水电建设对掘进机的需求将爆发式增长，如规划中的南水北调西线第一期工程深埋长隧洞总长264km，最长洞段73km，最大埋深1150m，掘进机需求数量近20台；规划中的滇中引水工程总长超过650km，该工程由60多座隧洞构成，将采用2台掘进机掘进；已开工的引汉济渭引水隧洞全长98.30km，最大埋深超过2000m，其穿越秦岭主脊段39.08km，采用了2台掘进机；雅鲁藏布江下游水电开发，总规模达6000万kw，其玉松水库电站拥有6条引水隧洞，单洞长约30km，估计需要6台掘进机。
交通工程建设重点将向地形地质复杂的西部山区和水域阻隔的东部海峡地区转移，今后将修建大量的艰险山区隧道和跨江越海隧道。据统计，到2030年我国将建成高铁4.5万公里，未来10年我国将修建上万公里公路铁路隧道，特长隧道超过2000公里。这些待建的深长交通隧道工程将越来越多采用掘进机施工，以论证中的渤海海峡跨海隧道为例，规划全长约120公里，经过中国工程院论证认为最佳方案是“以掘进机为主，以钻爆法为辅”，共需约15台掘进机。
相对于常规钻爆法，掘进机施工对不良地质洞段的适应性较差，在大埋深长隧洞施工中容易受到断层破碎带、软弱地层、突涌水、高地应力等不良地质洞段的影响，存在掘进机主轴承刀盘异常损毁、破岩效率低、掘进速度慢甚至卡机、被困等施工风险，损失动辄数千万甚至上亿元，更甚者导致整机报废，人员伤亡的灾难性后果。此外，传统的施工方式中，主控室操控人员通过缓慢试掘进过程评估围岩状态参数，再通过反复调整掘进参数直到掘进参数保持稳定，最后掘进机的执行机构由主控室操控人员下达指令进行动作实施。这样的操作方式一方面会导致大量施工时间的花费，另一方面当围岩情况发生巨变时，无法对当前围岩的实际参数情况进行实时有效的感知，导致掘进参数无法适应当前掘进环境，造成刀具的非正常磨损和刀盘系统破岩性能的下降，严重情况下将导致硬岩掘进机关键部件的破坏及停机，影响硬岩掘进机的正常使用寿命，人为控制掘进机执行机构实施掘进动作带来的误差甚至错误对于掘进机的精细化控制相当不利，轻则导致掘进施工质量达不到预期，重则引起机毁人亡的重大施工事故。
为解决隧洞建设面临的复杂地质条件下大断层、破碎带、高地应力、岩爆、突涌水等不良地质洞段的施工难题以及上述其他问题，研发一种智能隧道掘进机器人(tunnelboringrobot,tbr)，探索掘进机掘进参数智能决策理论与优化控制方法，最终形成一套掘进机施工不良地质实时超前探测与掘进智能决策的基础理论、实用方法、支撑软件和关键技术，规避和防止掘进机掘进重大灾害事故，保障掘进机安全、高效、优质掘进，对提升我国隧洞智能建造和掘进机制造的核心竞争力具有极其重要的意义。
针对目前隧洞建设面临的复杂地质条件下大断层、破碎带、高地应力、岩爆、突涌水等不良地质洞段的施工难题，相关的操作方式中仅能凭借主控室操控人员的人为经验猜测围岩状态参数，依靠不断尝试不同掘进参数导致的耗时耗力、掘进机刀具与刀盘不正常磨损甚至破坏、掘进机其他关键部件破坏等技术问题，人为控制掘进机执行机构实施掘进动作带来的掘进施工质量达不到预期甚至引发重大施工事故的问题。
技术实现要素：
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种用于隧道掘进的掘进机器人，该机器人可对掘进过程进行在线监测、自主决策反馈控制和无人掘进操作，实现掘进机无人操作或远程控制。
本发明的另一个目的在于提出一种用于隧道掘进的远程移动终端指挥系统。
为达到上述目的，本发明一方面实施例提出了一种用于隧道掘进的掘进机器人，包括：掘进机器人的本体掘进机、设置在所述掘进机上的感知单元、智能决策单元和控制单元，其中，所述感知单元与所述智能决策单元通信连接，所述智能决策单元与所述控制单元通信连接，其中，所述感知单元，用于实时感知在当前周期，所述掘进机根据设定掘进参数信息进行掘进作业时的掘进作业数据，其中，所述掘进作业数据包括隧道围岩状态信息、隧道地质预报信息、精细勘探信息、精准衬砌信息、实时掘进效果信息指标和实时掘进参数信息；所述智能决策单元，用于接收所述感知单元发送的所述掘进作业数据，并根据预设预测算法、所述掘进作业数据和期望掘进效果预测生成下一周期的所述设定掘进参数信息；所述控制单元，用于接收所述设定掘进参数信息并根据所述设定掘进参数信息控制所述掘进机进行下一个周期的掘进作业。
本发明实施例的一种用于隧道掘进的掘进机器人，可对掘进过程进行在线监测、自主决策反馈控制和无人掘进操作，实现掘进机无人操作或远程控制，尤其适用于全天候、危险区域、无人区域或极限条件下岩石隧道与地下通道掘进施工场景，可自主适应不同围岩、不同直径、不同性能掘进机和同一掘进机全生命周期不同阶段的使用，以提高掘进施工质量、施工效率和实现工程建设精细化管理。
另外，根据本发明上述实施例的一种用于隧道掘进的掘进机器人还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述隧道围岩状态信息包括岩石单轴饱和抗压强度rc(x,y,z)、单位岩体体积的节理数jv(x,y,z)、围岩等级w(x,y,z)，掘进参数信息，包括单刀推力ft(x,y,z)、单刀扭矩tn(x,y,z)、刀盘转速n(x,y,z)、推进速度v(x,y,z)、掘进导向d(x,y,z)。
进一步地，在本发明的一个实施例中，所述感知单元，包括超前地质探测子单元，所述超前地质探测子单元，用于以水平超长钻孔技术探测得到所述隧道地质预报信息。
进一步地，在本发明的一个实施例中，所述预设预测算法包括以神经网络结构为核心的掘进参数预测算法；所述智能决策单元，还用于根据历史掘进作业数据训练生成所述掘进参数预测算法。
进一步地，在本发明的一个实施例中，所述控制单元包括电气控制子单元，其中，所述电气控制子单元由多个plc建立，所述多个plc互相通过网络通信接口通信连接；所述电气控制子单元，用于通过所述多个plc控制所述掘进机中的对应掘进装置根据所述设定掘进参数信息执行掘进动作。
进一步地，在本发明的一个实施例中，所述电气控制子单元包括a/d转换功能模块、plc控制程序模块和d/a转换功能模块，所述a/d转换功能模块和所述d/a转换功能模块均与所述plc控制程序模块通信连接，当所述设定掘进参数信息包括单刀推力时，所述a/d转换功能模块，用于根据与所述单刀推力对应的电压值输出的与所述电压值对应的目标推力值；所述plc控制程序模块，用于计算所述数量值与所述操作盘的推力档位的当前推力值，计算所述目标推力值与所述当前推力值的推力差值，并根据预设算法和所述推力差值得到推力控制数字值；所述d/a转换功能模块，用于将所述推力控制数字值转换为推力控制模拟值；所述控制单元，具体用于根据所述推力控制模拟值控制为所述操作盘提供推力的液压伺服系统及液压比例阀，以使得所述操作盘的单刀推力达到所述目标推力值。
进一步地，在本发明的一个实施例中，所述感知单元，具体用于：
根据预设采集频率采集n次当前周期内掘进方向规划数据与掘进机掘进导向系统掘进方向的实际测量数据的n个相对误差，并计算所述n个相对误差的第一误差平均值，其中，n为大于1的正整数；
根据预设采集频率采集n组当前周期内所述掘进机的设定掘进参数信息和实时的掘进参数信息，并计算所述n组设定掘进参数信息和实时的掘进参数信息中各组掘进参数信息中的各个参数的相对误差，以获取误差集合；
根据所述误差集合中的所述各个参数对应的n个相对误差计算所述各个参数的第二误差平均值；
对所述第一误差平均值和所述第二误差平均值进行数字平均运算获取平均值
进一步地，在本发明的一个实施例中，所述智能决策单元，还用于根据所述精细勘探信息确定掘进模式，并将所述掘进模式发送至所述控制单元，以使得所述控制单元控制所述掘进机根据所述掘进模式进行所述掘进作业；所述智能决策单元，还用于根据所述隧道地质预报信息生成灾害预警信息，以便于所述掘进机根据所述灾害预警信息采取掘进灾害规避措施。
为达到上述目的，本发明另一方面实施例提出了一种用于隧道掘进的远程移动终端指挥系统，所述系统包括掘进机器人和指挥系统，其中，所述掘进机器人包括上述的用于隧道掘进的掘进机器人，所述指挥系统和所述掘进机器人通信连接，其中，所述指挥系统包括移动终端和云服务单元，其中，所述云服务单元用于对掘进施工现场进行实时监控，对掘进施工现场通过无线方式传输来的掘进作业数据进行实时存储、分析、显示、回放和管理，并支持指挥系统与掘进机进行实时人机交互以实现远程控制所述掘进机进行施工作业的掘进模式，同时对智能决策单元的决策模型进行更新、所述指挥系统下发掘进作业任务给所述智能决策单元提供实时支持；
所述移动终端，用于装载自主开发的指挥系统应用程序以实时访问云端的云服务单元进行人机交互，并供用户使用远程控制模式控制所述掘进机，并可以供用户实时远程监控掘进施工现场的作业情况。
本发明实施例的一种用于隧道掘进的远程移动终端指挥系统，可对掘进过程进行在线监测、自主决策反馈控制和无人掘进操作，实现掘进机无人操作或远程控制，尤其适用于全天候、危险区域、无人区域或极限条件下岩石隧道与地下通道掘进施工场景，可自主适应不同围岩、不同直径、不同性能掘进机和同一掘进机全生命周期不同阶段的使用，以提高掘进施工质量、施工效率和实现工程建设精细化管理。
另外，根据本发明上述实施例的一种用于隧道掘进的远程移动终端指挥系统还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述移动终端，还用于接收掘进作业指令，并将所述掘进作业指令发送至所述掘进机器人，以控制所述掘进机器人根据所述掘进作业指令进行掘进作业。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明一个实施例的一种用于隧道掘进的掘进机器人的结构图；
图2为根据本发明一个实施例的智能决策系统的结构图；
图3为根据本发明一个实施例的智能决策模型更新流程图；
图4为根据本发明一个实施例的智能隧道掘进机器人的控制系统结构框图；
图5为根据本发明一个实施例的一种用于隧道掘进的远程移动终端指挥系统结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的一种用于隧道掘进的掘进机器人及远程移动终端指挥系统，首先将参照附图描述根据本发明实施例提出的一种用于隧道掘进的掘进机器人。
图1为根据本发明一个实施例的一种用于隧道掘进的掘进机器人的结构图。
如图1所示，该一种用于隧道掘进的掘进机器人包括：数据线1、掘进机器人的本体掘进机5、设置在掘进机上的感知单元2、智能决策单元3和控制单元4。
其中，感知单元2，用于实时感知在当前周期，掘进机根据设定掘进参数信息进行掘进作业时的掘进作业数据，其中，掘进作业数据包括隧道围岩状态信息、隧道地质预报信息、精细勘探信息、精准衬砌信息、实时掘进效果信息指标和实时掘进参数信息；
智能决策单元3，用于接收感知单元发送的掘进作业数据，并根据预设预测算法、掘进作业数据和期望掘进效果预测生成下一周期的设定掘进参数信息；
控制单元4，用于接收设定掘进参数信息并根据设定掘进参数信息控制掘进机进行下一个周期的掘进作业。
进一步地，还包括：指挥系统和指挥系统中的云服务单元。
具体地，本发明提供了一种智能的隧道掘进机器人(tunnelboringrobot，tbr)，利用感知单元2实时获取掘进机掘进过程中的围岩状态信息、掘进参数信息、地质预报信息、掘进效果信息、精细勘探信息以及精准衬砌信息并实时反馈这些信息给云服务单元；利用智能决策单元3实时分析感知数据，评估掘进机掘进效果，并由机器自主实时的做出掘进策略决策自主做出掘进策略决策并实时反馈决策信息给云服务单元；然后由控制单元4根据机器决策信息，实时调整掘进机的运行、作业状态并实时反馈状态信息给云服务单元；最后由掘进机5进行掘进动作实施，并不间断地实时向感知单元2反馈掘进作业数据。远程移动终端指挥系统6实时监控现场施工、人机交互远程操控5、通过云服务单元下发掘进作业任务给智能决策单元3。
在本发明的一个实施例中，包括感知单元、智能决策单元、控制单元、掘进机以及远程移动终端指挥系统和云服务单元。
其中，掘进机为智能隧道掘进机器人(tunnelboringrobot，tbr)本体。
感知单元用于实时获取掘进机掘进过程中的围岩状态信息、掘进参数信息、地质预报信息、掘进效果信息、精细勘探信息以及精准衬砌信息并将这些信息实时反馈给云服务单元。
智能决策单元接收感知单元获取的掘进机掘进过程中的围岩状态信息、地质预报信息、精细勘探信息、精准衬砌信息、掘进效果信息、以及掘进参数信息，利用感知单元获取的数据组成训练数据，然后通过数据训练产生预测算法，最后通过上一个掘进周期掘进参数经过预测算法得到下一个掘进周期最优掘进参数并实时反馈决策信息给云服务单元。
控制单元根据机器决策信息即最优掘进参数，实时调整掘进机的运行与作业状态，驱动掘进机做出相应的动作并实时反馈状态信息给云服务单元，感知单元将根据当前的控制参数所产生的掘进效果进行数据采集，然后和控制参数一起形成新的训练数据、再进行智能决策模型的更新，由此形成周期循环的闭环系统。
进一步地，在本发明的一个实施例中，隧道围岩状态信息包括岩石单轴饱和抗压强度rc(x，y，z)、单位岩体体积的节理数jv(x，y，z)、围岩等级w(x，y，z)，掘进参数信息，包括单刀推力ft(x，y，z)、单刀扭矩tn(x，y，z)、刀盘转速n(x，y，z)、推进速度v(x，y，z)、掘进导向d(x，y，z)。
进一步地，在本发明的一个实施例中，感知单元，包括超前地质探测子单元，超前地质探测子单元，用于以水平超长钻孔技术探测得到隧道地质预报信息。
具体地，感知单元实时获取的感知信息包括围岩状态信息、地质预报信息、掘进参数信息、掘进效果信息、精细勘探信息以及精准衬砌信息，所获取的感知信息以无线传输方式实时反馈给云服务单元，地质预报信息由具有探测距离远和能够有效探明掌子面前方赋存的断层和破碎带等不良地质体特点的以水平超长钻孔技术为核心的超前地质探测系统探测得到并提供相应探测数据forcasting(x，y，z)，为岩爆、掘进机卡机和突水等灾害提供预警预报，并借助长距离水平钻孔技术进行直接控制，掘进效果信息包括设计图纸里的掘进方向规划数据directiondesign(x，y，z)、掘进机掘进导向系统掘进方向的实际测量数据directionmeasurement(x，y，z)以及掘进机主参数实际测量数据单刀推力ft(x，y，z)、单刀扭矩tn(x，y，z)、刀盘转速n(x，y，z)、推进速度v(x，y，z)，以及基于这些数据计算得到的掘进效果指标值a(x，y，z)，精细勘探信息包括地应力、岩体强度、地质构造、渗透压力分布等信息fineexploration(x，y，z)，由水平超长钻孔的隧洞地质勘探技术进行精细地质情况勘探获取，基于这些信息，建立三维精细地质模型，为围岩状态信息以及掘进效果信息的获取提供支撑，精准衬砌信息precisionlining(x，y，z)由精准衬砌智能作业系统提供，其包含局部塌方风险的智能评估信息、塌方智能支护决策信息、隧道底部积渣清理信息。
围岩状态信息包括岩石单轴饱和抗压强度、单位岩体体积的节理数、围岩等级，对掘进施工区域所在区域的围岩进行事先取芯留样，并绘制围岩节理图，根据取回的岩芯，做室内试验求取其单轴饱和抗压强度rc(x，y，z)，根据取芯桩号附近的围岩节理图，依据工程岩体分级标准统计单位岩体体积的节理数jv(x，y，z)值，从单位岩体体积的节理数jv(x，y，z)值转化成完整程度指标值kv(x，y，z)的过程中，采用拟合插值的方法计算得到连续的围岩等级w(x，y，z)。掘进参数信息包括单刀推力ft(x，y，z)、单刀扭矩tn(x，y，z)、刀盘转速n(x，y，z)、推进速度v(x，y，z)、掘进导向d(x，y，z)，其中单刀推力、单刀扭矩、刀盘转速、推进速度和掘进导向由安装在掘进机上的传感器进行实时采集获取。掘进效果信息包括设计图纸里的掘进方向规划数据directiondesign(x，y，z)、掘进机掘进导向系统掘进方向的实际测量数据directionmeasurement(x，y，z)以及掘进机主参数实际测量数据单刀推力ft(x，y，z)、单刀扭矩tn(x，y，z)、刀盘转速n(x，y，z)、推进速度v(x，y，z)，以及基于这些数据计算得到的掘进效果指标值a(x，y，z)。
进一步地，在本发明的一个实施例中，预设预测算法包括以神经网络结构为核心的掘进参数预测算法；智能决策单元，还用于根据历史掘进作业数据训练生成掘进参数预测算法。
如图2所示，智能决策单元3通过如下方式实现智能决策，启动一个掘进周期掘进作业，以形成智能决策循环，自动调整掘进机的掘进参数，多级联控、多系统协同进行无人掘进作业：
以神经网络算法为核心的掘进参数预测算法，利用感知单元得到的精细勘探信息fineexploration(x，y，z)来决定掘进机的掘进模式，然后根据感知单元得到的地质预报信息forcasting(x，y，z)来对岩爆、突水等施工期灾害进行预警预报并根据灾害情况采取相应控制措施，接着利用感知单元得到围岩状态信息、精准衬砌信息，以及掘进机反馈的掘进作业数据，即实时的掘进效果信息和掘进参数信息，对现场掘进作业的掘进机下一个掘进周期所使用的掘进参数进行预测，在掘进机掘进模式确定和施工期灾害排除或消除的前提下实现高效的掘进作业，并与精准衬砌智能作业系统形成下一个施工周期循环；
掘进参数预测算法通过周期性的加载实时历史经验数据进行训练更新，然后利用当前感知信息对下一个掘进周期的掘进参数进行实时预测，当前感知信息为周期更新算法所需要的训练数据的特征，主要包括岩石单轴饱和抗压强度rc(x，y，z)、单位岩体体积的节理数jv(x，y，z)、围岩等级w(x，y，z)，单刀推力ft(x，y，z)、单刀扭矩tn(x，y，z)、刀盘转速n(x，y，z)、推进速度v(x，y，z)、掘进导向d(x，y，z)以及掘进效果指标值a(x，y，z)，下一个掘进周期的掘进机掘进参数是该决策系统的预测算法所要预估的目标参数，直接决定着下一个掘进周期的掘进机掘进参数和精准衬砌智能作业系统的动作。
一个掘进周期由一个掘进行程掘进时间与换步复位时间组成，将一个掘进周期进行10等分，每一等分利用感知单元进行一次感知测量。
如图3所示，掘进参数预测算法主要对掘进参数进行智能实时预测，其通过感知单元得到的相关掘进施工过程数据，如围岩状态信息、地质预报信息、精细勘探信息、精准衬砌信息、掘进效果信息、以及掘进参数信息等数据，经过预测算法(predictionmodel(x))后将得到下一周期掘进参数数据。预测公式如下所示：
云服务单元为掘进参数预测算法进行周期性的更新提供支持，以神经网络算法为例，此预测算法将选择卷积神经网络结构，其结构的输入特征数据类型有空间三维坐标(x，y，z)，掘进前的岩石单轴饱和抗压强度
空间三维坐标(x，y，z)第i掘进周期的数据特征表示为：
则训练预测算法的输入数据为：
xi(x，y，z)＝[xixi-1xi-2xi-3xi-4]
于是xi(x，y，z)为一个21*5的二维矩阵，组成了相同区域内最新掘进历史特征数据。空间三维坐标(x，y，z)第i掘进周期的掘进参数数据为：
智能决策模型的神经网络结构如图3所示，此模型基于卷积神经网络结构来构建，其主要包括多个卷积层、池化层，以及最后一个全连接层输出来实现对掘进参数的智能预测。
接下来结合图3对掘进参数预测算法的训练过程进一步说明，令第n掘进周期空间三维坐标为(x，y，z)的区域进行掘进施工后，会得到此过程的特征数据xi(x，y，z)，然后结合这个掘进位置的前5个掘进周期的历史数据组成，此位置的样本训练数据为：
此样本数据经过如图3所示神经网络结构迭代后会训练得到各层网络的权重参数和偏执参数，也即是此网络结构的模型数据：
k＝[k1，k2，k3，k4，k5]，b＝[b1，b2，b3，b4，b5]
kn为各个网络层的权重数据，bn为各个网络层的偏执参数，这两个参数共同组成了掘进参数的预测算法。
进一步地，在本发明的一个实施例中，控制单元包括电气控制子单元，其中，电气控制子单元由多个plc建立，多个plc互相通过网络通信接口通信连接；电气控制子单元，用于通过多个plc控制掘进机中的对应掘进装置根据设定掘进参数信息执行掘进动作。
进一步地，在本发明的一个实施例中，电气控制子单元包括a/d转换功能模块、plc控制程序模块和d/a转换功能模块，a/d转换功能模块和d/a转换功能模块均与plc控制程序模块通信连接，当设定掘进参数信息包括单刀推力时，a/d转换功能模块，用于根据与单刀推力对应的电压值输出的与电压值对应的目标推力值；plc控制程序模块，用于计算数量值与操作盘的推力档位的当前推力值，计算目标推力值与当前推力值的推力差值，并根据预设算法和推力差值得到推力控制数字值；d/a转换功能模块，用于将推力控制数字值转换为推力控制模拟值；控制单元，具体用于根据推力控制模拟值控制为操作盘提供推力的液压伺服系统及液压比例阀，以使得操作盘的单刀推力达到目标推力值。
具体地，如图4所示，控制单元以多台plc为核心完成掘进机整机的电气控制任务，多个plc之间通过网络通信接口建立通信联系，进而构建为一完整的掘进机电气控制系统，其plc系统自动根据智能决策单元给出的最优掘进参数，对掘进机的刀盘推力、刀盘扭矩、掘进导向、刀盘转速和推进速度的档位进行重新设定调整，然后驱动掘进机做出相应的动作，掘进机在执行动作的同时，不间断地实时向感知单元反馈掘进作业数据，以刀盘推力的自动控制为例进行说明：
操作盘上的推力档位设定电位器由智能决策单元给出的机器相关参数进行自动重新设定调整，该参数为一电压值，此电压值送入plc系统内的a/d转换功能模块，a/d转换功能模块将其转换为数字量，此数字量表示刀盘推力给定值，plc控制程序通过比较刀盘推力设定值与压力传感器检测到的刀盘的实际推力值，得到差值，然后根据此差值，通过自动控制算法计算得到控制量，plc控制系统将该控制量利用d/a转换功能模块转换为模拟量并通过液压伺服系统及液压比例阀控制调节刀盘的推进液压缸的压力大小，从而使得刀盘的实际推力趋近于刀盘推力档位的设定值，达到刀盘推力自动控制的目的。
进一步地，在本发明的一个实施例中，智能决策单元，还用于根据精细勘探信息确定掘进模式，并将掘进模式发送至控制单元，以使得控制单元控制掘进机根据掘进模式进行掘进作业；智能决策单元，还用于根据隧道地质预报信息生成灾害预警信息，以便于掘进机根据灾害预警信息采取掘进灾害规避措施。
掘进机为用于岩石地层的全断面硬岩隧道掘进机，由掘进机主机系统和掘进机后配套系统组成，为智能隧道掘进机器人(tunnelboringrobot，tbr)本体。
掘进机掘进模式包含两种模式，第一种模式为隧洞岩层稳定的情况下采用双护盾模式掘进，即撑靴油缸撑出，撑靴压紧岩壁，通过撑靴、岩壁之间的静摩擦力为掘进提供支撑，该模式可实现掘进、换步、管片支护、回填注浆等多道工序同步；第二种模式为隧道岩层不稳定、撑靴不能获得足够反力时采用单护盾模式进行掘进，即辅推油缸作用于管片端面为掘进提供支撑，该模式下掘进、换步工序不能同时进行，管片拼装工序过程中，辅助油缸还起到压紧管片的作用。
进一步地，指挥系统包含云服务单元、移动终端和用户，移动终端包含智能手机、平板电脑、便携式笔记本电脑，用于装载自主开发的指挥系统应用程序(app)以实时访问云端的云服务单元进行人机交互，并供用户使用远程控制模式控制掘进机，并可以供用户实时远程监控现场掘进施工作业情况，远程通过云服务单元下发掘进作业任务给智能决策单元；用户为远程控制模式下现场经过培训的掘进机操控人员以及掘进施工指挥人员。
指挥系统中的云服务单元可对现场掘进施工进行实时监控，对现场通过无线方式传输来的掘进作业数据进行实时存储、分析、显示、回放和管理，并可支持指挥系统与掘进机进行实时人机交互以实现远程控制掘进机进行施工作业的模式，同时对智能决策单元的决策模型更新、指挥系统下发掘进作业任务给智能决策单元提供实时支持。
进一步地，在本发明的一个实施例中，感知单元具体用于：根据预设采集频率采集n次当前周期内掘进方向规划数据与掘进机掘进导向系统掘进方向的实际测量数据的n个相对误差，并计算n个相对误差的第一误差平均值，其中，n为大于1的正整数；
根据预设采集频率采集n组当前周期内掘进机的设定掘进参数信息和实时的掘进参数信息，并计算n组设定掘进参数信息和实时的掘进参数信息中各组掘进参数信息中的各个参数的相对误差，以获取误差集合；
根据误差集合中的各个参数对应的n个相对误差计算各个参数的第二误差平均值；
对第一误差平均值和第二误差平均值进行数字平均运算获取平均值
具体地，掘进效果指标值a(x，y，z)由设计图纸里的掘进方向规划数据directiondesign(x，y，z)、掘进机掘进导向系统掘进方向的实际测量数据directionmeasurement(x，y，z)以及掘进机主参数实际测量数据单刀推力ft(x，y，z)、单刀扭矩tn(x，y，z)、刀盘转速n(x，y，z)、推进速度v(x，y，z)共同确定，具体方法如下：
步骤1：计算一个掘进周期内的设计图纸里的掘进方向规划数据directiondesign(x，y，z)与掘进机掘进导向系统掘进方向的实际测量数据directionmeasurement(x，y，z)的相对误差，即分别计算10次相对误差值，这里的n为10，然后求这10次相对误差的平均值
步骤2：计算一个掘进周期内掘进机主参数设定值与传感器检测到的实际测量值之间的相对误差，即分别计算10次各个主参数的相对误差，然后分别计算这10次各个主参数的平均相对误差，即
步骤3：将步骤1至2得到的平均相对误差结构进行数学平均：
步骤4：计算掘进效果指标值
根据本发明实施例提出的一种用于隧道掘进的掘进机器人，可以实现掘进过程的智能化流程，可以对掘进过程进行在线实时监测和智能反馈控制，实现掘进机无人操作或远程控制，在掘进过程中引导掘进机自适应调整自身工作参数到许可状态，确保掘进过程实时、智能、高效、高质量，提高隧道与地下通道掘进施工质量和效率，实现水利水电工程、铁路、公路交通工程等领域岩石隧道与地下通道掘进装备施工智能控制和掘进过程的精细化管理。
其次参照附图描述根据本发明实施例提出的一种用于隧道掘进的远程移动终端指挥系统。
图5为根据本发明一个实施例的一种用于隧道掘进的远程移动终端指挥系统的结构示意图。
如图5所示，该远程移动终端指挥系统包括：掘进机器人和指挥系统。
其中，掘进机器人包括上述的用于隧道掘进的掘进机器人，指挥系统和掘进机器人通信连接，其中，指挥系统包括移动终端和云服务单元。
其中，云服务单元用于对现场掘进施工进行实时监控，对现场通过无线方式传输来的掘进作业数据进行实时存储、分析、显示、回放和管理，并可支持指挥系统与掘进机进行实时人机交互以实现远程控制掘进机进行施工作业的模式，同时对智能决策单元的决策模型更新、指挥系统下发掘进作业任务给智能决策单元提供实时支持；
移动终端，用于装载自主开发的指挥系统应用程序(app)以实时访问云端的云服务单元进行人机交互，并供用户使用远程控制模式控制掘进机，并可以供用户实时远程监控现场掘进施工作业情况。
进一步地，在本发明的一个实施例中，移动终端，还用于接收掘进作业指令，并将掘进作业指令发送至掘进机器人，以控制掘进机器人根据掘进作业指令进行掘进作业。
需要说明的是，前述对一种用于隧道掘进的掘进机器人实施例的解释说明也适用于该实施例的一种用于隧道掘进的远程移动终端指挥系统，此处不再赘述。
根据本发明实施例提出的一种用于隧道掘进的远程移动终端指挥系统，可对不同地质条件、不同施工模式、不同施工阶段硬岩隧道掘进施工进行实时有效的在线监测，由掘进机自主智能决策反馈控制和无人掘进施工作业，实现掘进机无人操作或远程控制，对掘进参数进行精确有效的控制，避免人为因素影响，有效保证掘进施工质量，具有检测、分析、决策、控制循环闭环实现的特点，尤其适用于全天候、危险区域、无人区域或极限条件硬岩隧道掘进施工作业的场景，可有效改善岩石隧道与地下通道工程施工质量，提高工程建设效率，使得水利水电工程、铁路、公路交通工程等领域岩石隧道与地下通道工程建设迈向精细化管理时代。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
- 还没有人留言评论。精彩留言会获得点赞！