面向隧道掘进机智能操作员的决策支持系统

在隧道建设工程中，延误会导致高昂成本。因此，隧道掘进机（TBM）操作员力求在不妥协安全的前提下实现快速掘进速率，这在不确定地层环境中是一项艰巨任务。基于 TBM 传感器测量值寻找最优控制参数仍是一个具有重大实际意义且开放的研究问题。在本文中，我们提出了一个分三步开发的智能决策支持系统。首先，结合掘进速率与工作压力安全性，以最优性评分评估过往项目表现。随后，深度学习模型学习 TBM 测量值与该最优性评分之间的映射关系。最后，在实际应用中，模型结合 TBM 当前设定与测量值，提供增量式建议以提升最优性。所提方法在真实微型隧道工程上进行了评估，并展现出对未来工程的巨大前景。