對全斷面隧道掘進裝備智能化的一些思考

楊華勇， 周星海， 龔國芳

(浙江大學(xué)流體動力與機電系統(tǒng)國家重點實驗室， 浙江 杭州 310027)

0 引言

進入21世紀以來，人工智能技術(shù)進入了一個集成發(fā)展期，機器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)等理論的提出和迅猛發(fā)展，都加速了人工智能的現(xiàn)實應(yīng)用[1]；與此同時，物聯(lián)網(wǎng)與大數(shù)據(jù)的發(fā)展掀起了產(chǎn)品智能化的新浪潮，推動了基于信息新環(huán)境和發(fā)展新目標的新一代人工智能。

新信息技術(shù)與產(chǎn)品的融合，給裝備制造業(yè)也帶來了深刻變革。裝備智能化被國外諸多國家規(guī)劃列為國家戰(zhàn)略發(fā)展方向，包括德國的“工業(yè)4.0”、美國的“國家制造創(chuàng)新網(wǎng)絡(luò)計劃”以及日本的“科學(xué)技術(shù)創(chuàng)新綜合戰(zhàn)略”等。全球領(lǐng)先的工程機械制造商也紛紛布局裝備智能化戰(zhàn)略，比如卡特彼勒的“智能機器時代”(見圖1)和小松的“高精度智能化施工”等。

圖1 卡特彼勒“智能機器時代”Fig. 1 Caterpillar′s The Age of Smart Iron

我國裝備制造業(yè)正面臨著越來越大的產(chǎn)業(yè)雙向轉(zhuǎn)移壓力和產(chǎn)業(yè)空心化風險[2]，工業(yè)成本的急劇上升使得原先的成本優(yōu)勢相對于美國已下降到不足5%。同時，我國的高端裝備嚴重依賴進口，發(fā)展高端智能化裝備是我國提升先進制造能力、推動產(chǎn)業(yè)結(jié)構(gòu)邁向中高端的迫切需求，也是我國從制造大國向制造強國轉(zhuǎn)變的必然選擇。因此，我國先后提出了“中國制造2025”、“中國人工智能2.0”等戰(zhàn)略與規(guī)劃。

智能工程裝備(見圖2)相比于傳統(tǒng)的工程裝備具有非常突出的優(yōu)勢，其利用高精度的傳感系統(tǒng)和高精確的工作軌跡規(guī)劃實現(xiàn)高效作業(yè)，通過能量的匹配和回收實現(xiàn)節(jié)約能源，基于大數(shù)據(jù)在線分析與決策達到智能操控，運用云通訊和云計算等技術(shù)實現(xiàn)故障診斷、在線評估以及集群控制；因此，工程裝備智能化是未來裝備制造業(yè)的發(fā)展趨勢，能夠?qū)崿F(xiàn)快速響應(yīng)用戶需求，減輕作業(yè)強度，增強產(chǎn)品適用性，保障設(shè)備可用和提高資源利用率等。工程裝備智能化的發(fā)展方向主要分為4個層次： 1)傳感器輔助、分級規(guī)劃和自動控制； 2)單一環(huán)節(jié)的自主作業(yè)； 3)全通用的自主智能作業(yè)； 4)面向AI 2.0裝備集群智能協(xié)作，形成一個集交互、感知、分析、決策、控制等功能為一體的綜合智能系統(tǒng)。

圖2 智能工程裝備Fig. 2 Intelligent engineering equipment

全斷面隧道掘進機是實現(xiàn)隧道施工作業(yè)機械化的關(guān)鍵裝備，分為盾構(gòu)和硬巖掘進機(tunnel boring machine,簡稱TBM)2大類。根據(jù)國家發(fā)展規(guī)劃，我國盾構(gòu)法和TBM法施工的各類隧道長度超過6 000 km，到2020年全斷面掘進裝備需求總計500臺以上，超過全球總需求量的60%，裝備的直接費用和配套及維護費用總計超過500億元。鐵路、公路、水利等基礎(chǔ)建設(shè)對全斷面隧道掘進裝備提出了巨大的市場需求[3]，但掘進環(huán)境的復(fù)雜性、不確定性給全斷面隧道掘進裝備的安全高效施工帶來了極大挑戰(zhàn)。

隨著工程裝備智能化技術(shù)的日漸成熟，其模式識別、智能感知等應(yīng)用實現(xiàn)了裝備的集成化、數(shù)字化、可視化和自動化，其利用大數(shù)據(jù)進行云計算和工業(yè)互聯(lián)實現(xiàn)了產(chǎn)品、工廠、信息系統(tǒng)、用戶乃至產(chǎn)業(yè)鏈、價值鏈等各環(huán)節(jié)的全面深度互聯(lián)。如何將這些智能互聯(lián)技術(shù)有效應(yīng)用于全斷面隧道掘進裝備實現(xiàn)本體、操控作業(yè)智能化，如何有效利用工程施工大數(shù)據(jù)并釋放其中的信息與知識以進行裝備設(shè)計制造、操控作業(yè)、健康維護和故障診斷等，將成為隧道工程領(lǐng)域的重大技術(shù)挑戰(zhàn)和未來行業(yè)競爭熱點。

1 全斷面隧道掘進裝備智能化面臨的科學(xué)挑戰(zhàn)

1.1 復(fù)雜工況下掘進狀態(tài)識別與地質(zhì)環(huán)境感知

復(fù)雜多變的地質(zhì)環(huán)境對全斷面隧道掘進裝備的高效安全作業(yè)有著極大的影響，在傳統(tǒng)的掘進模式中，首先要對掘進的地質(zhì)條件進行前期的勘測與研究。在實際工程中，往往是每隔一定的距離進行鉆孔，再根據(jù)鉆孔編錄資料推測出整體的地質(zhì)條件。在西北某山嶺引水隧洞工程中，2個鉆孔之間的盲區(qū)出現(xiàn)了裂隙發(fā)育的花崗巖，且發(fā)育2組順隧洞向裂隙及1組垂直洞向裂隙，形成了楔形體，與前期的地質(zhì)工作存在較大出入，最終出現(xiàn)巖體失穩(wěn)現(xiàn)象，導(dǎo)致TBM發(fā)生了卡機事故[4]。在廣州地鐵某區(qū)間隧道工程中，由于地面魚塘密布，導(dǎo)致鉆孔間距較大，其推測出的地質(zhì)條件與實際地層出入較大，難以準確調(diào)整盾構(gòu)掘進參數(shù)以致發(fā)生了地表大面積沉降事故[5]。因此，實現(xiàn)掘進狀態(tài)與地質(zhì)環(huán)境的準確識別，建立完備的地質(zhì)環(huán)境信息感知系統(tǒng)，是實現(xiàn)全斷面隧道掘進裝備智能化所面臨的科學(xué)挑戰(zhàn)。

1.2 地質(zhì)環(huán)境與裝備掘進運行參數(shù)映射規(guī)律與匹配方法

目前，全斷面隧道掘進裝備施工仍然以人為經(jīng)驗操控為主，遭遇地層變化或復(fù)雜地質(zhì)條件時依靠司機調(diào)整推力、轉(zhuǎn)矩、推進速度、刀盤轉(zhuǎn)速等掘進參數(shù)。在中天山隧道TBM掘進施工過程中，遭遇了自穩(wěn)性很差的圍巖，由于操作司機沒有及時適當減小TBM的推進速度、刀盤轉(zhuǎn)速等掘進參數(shù)，也沒有采用不用撐靴的高壓拉缸模式來減小對圍巖的撓動，導(dǎo)致了嚴重的圍巖坍塌事故[6]。在某地鐵區(qū)間盾構(gòu)法施工隧道工程中，盾構(gòu)在糾偏過程中進行強制糾偏，導(dǎo)致管片角部應(yīng)力集中，出現(xiàn)管片破裂，而施工人員未能及時發(fā)現(xiàn)并采取應(yīng)急措施，形成了涌水、涌砂事故[7]。這些事故都體現(xiàn)出現(xiàn)有的操作模式中人機理解與協(xié)作性差、巖機互饋機制不明確等缺點。因此，地質(zhì)環(huán)境與裝備掘進運行參數(shù)間的映射關(guān)系，特別是地層變化或復(fù)雜地質(zhì)條件下巖機參數(shù)映射規(guī)律與匹配方法，是實現(xiàn)掘進智能控制、人機交互與協(xié)調(diào)所面臨的科學(xué)挑戰(zhàn)。

1.3 多子系統(tǒng)掘進作業(yè)的智能規(guī)劃與協(xié)同控制

隧道掘進裝備具有多子系統(tǒng)、多任務(wù)和高協(xié)同性的典型特征，其推進、支撐、調(diào)向、管片拼裝等子系統(tǒng)需要工作人員按照嚴格的運作順序進行操作，體現(xiàn)了掘進施工過程中明顯的人機交錯特點，特別是在襯砌、運輸、拼裝、機械安裝等工藝復(fù)雜的環(huán)節(jié)，容易出現(xiàn)起重傷害、電瓶車傷人、機械傷害、高處墜落等多種事故，如南京某地鐵工地的管片堆場事故，上海某地鐵區(qū)間隧道的垂直、水平運輸事故以及由于換刀操作不當引起的爆炸事故等，均造成了較大的人員傷亡。因此，在確保運行穩(wěn)定與作業(yè)安全的基礎(chǔ)上實現(xiàn)掘進裝備的無人值守和智能化運作是十分必要的，這樣就對掘進裝備自主識別掘進任務(wù)、各子系統(tǒng)間的任務(wù)智能規(guī)劃與協(xié)調(diào)提出了極大的挑戰(zhàn)。

如圖3所示，環(huán)境與狀態(tài)感知、施工參數(shù)自適應(yīng)動態(tài)調(diào)控、多系統(tǒng)協(xié)調(diào)控制與多目標優(yōu)化已經(jīng)成為新一代智能隧道掘進裝備設(shè)計與制造的核心問題。打破傳統(tǒng)隧道掘進操作模式，突破掘進效率和地質(zhì)適應(yīng)性瓶頸，實現(xiàn)隧道掘進裝備的長距離、智能化、無人值守與安全快速掘進，引領(lǐng)全斷面隧道掘進裝備技術(shù)革命性跨越，對提升我國此類裝備的自主創(chuàng)新能力和實現(xiàn)跨越發(fā)展具有重要的意義。

圖3 智能隧道掘進裝備Fig. 3 Intelligent TBM

2 全斷面隧道掘進裝備智能化的現(xiàn)有研究基礎(chǔ)

2.1 施工地質(zhì)預(yù)測與掘進狀態(tài)感知

在地質(zhì)超前勘探方面，德國海瑞克公司與德國國家地球科學(xué)研究中心波茨坦亥姆霍茲中心開發(fā)了用于隧道早期探測的集成式地震探測系統(tǒng)ISP。香港大學(xué)Yue等[8-9]和哈斯特帕大學(xué)Kahraman[10]提出了基于鉆進參數(shù)分析的“數(shù)字智能鉆機”技術(shù)，結(jié)合基于地震波場特性分析的隨鉆地震探測方法能夠為巖體力學(xué)參數(shù)的快速獲取提供可用方法，但其理論上存在一些尚未突破的關(guān)鍵問題。國內(nèi)外地表勘探領(lǐng)域認為基于多元地球物理信息融合與聯(lián)合反演理論[11-13]的綜合超前地質(zhì)預(yù)報技術(shù)是抑制探測多解性、提高預(yù)報可靠性的可行有效途徑，但目前未見基于聯(lián)合反演的隧道綜合超前預(yù)報的文獻和報道，仍需建立系統(tǒng)有效的地質(zhì)反演模型并提出快速求解的方法。

在多傳感巖機信息感知與融合方面： Wang等[14]利用破巖過程中振動和磨損機制等建立了巖機信息融合與互饋分析模型；東北大學(xué)杜志國[15]建立了基于虛擬儀器的振動模態(tài)理論、振動檢測系統(tǒng)、多參數(shù)磨損預(yù)測公式和監(jiān)測方法。德國海瑞克的盾構(gòu)滾刀滾動監(jiān)控系統(tǒng)通過定位受損或阻滯的滾刀，優(yōu)化刀盤的維護時間間隔；美國羅賓斯公司的刀具工程師開發(fā)出了一種可以安裝在刀具楔形螺栓上的電子傳感器；這些通過監(jiān)測分析刀盤、刀具傳感器信號來得到掘進機運行性能的方法，存在的主要問題是缺少系統(tǒng)化的數(shù)據(jù)感知理論和實時反饋調(diào)控方法，難以實現(xiàn)現(xiàn)場實測數(shù)據(jù)的動態(tài)化融合、分析和互饋，不能做到巖機狀態(tài)的動態(tài)評價識別。

2.2 地質(zhì)環(huán)境與裝備掘進運行參數(shù)映射匹配關(guān)系

美國學(xué)者C.Demetrious基于舊金山地鐵隧道建設(shè)項目提出以計算機網(wǎng)絡(luò)為傳輸工具形成“施工信息監(jiān)控反饋體系”的可能性； 意大利Geo DATA公司建立了隧道工程施工監(jiān)測信息化管理GDMS系統(tǒng)，已應(yīng)用在圣地亞哥、圣彼得堡等地的城市軌道交通建設(shè)中； 法國Bouygues公司設(shè)計出CATSBY盾構(gòu)施工信息管理軟件，實現(xiàn)了盾構(gòu)施工信息化管理的要求。

國內(nèi)中鐵裝備、鐵建重工、中鐵隧道局等龍頭企業(yè)均構(gòu)建了具有隧道施工信息數(shù)據(jù)采集、存儲、分析及應(yīng)用等功能架構(gòu)的掘進機遠程信息化管理系統(tǒng)，為進一步研究掘進參數(shù)優(yōu)化決策和智能控制提供了支持；此外，中鐵一局還開發(fā)了盾構(gòu)集群遠程監(jiān)控與智能化決策支持系統(tǒng)。

目前，國內(nèi)外的遠程信息化管理平臺的功能還不完善，多用于施工監(jiān)測與集群管理，尚不能解決隧道掘進機掘進時海量實時信息與歷史數(shù)據(jù)融合分析與挖掘的難題。

2.3 掘進狀態(tài)智能控制與優(yōu)化決策

目前，對全斷面隧道掘進機掘進性能的研究主要集中在掘進速度、刀具磨損、掘進推力及轉(zhuǎn)矩預(yù)測模型建立等方面。北京工業(yè)大學(xué)Gong等[16]提出了預(yù)測TBM掘進速率的巖體特征參數(shù)模型，挪威學(xué)者Barton[17]提出了QTBM預(yù)測模型等，然而這些模型的得出往往都基于特定工程的巖體類型以及掘進機機械、運行參數(shù)，且各自考慮了不同的巖體影響參數(shù)，而在巖體多變環(huán)境下如何選擇可靠的預(yù)測模型對掘進機掘進推力及掘進性能進行較準確預(yù)測并實時達到最優(yōu)破巖效率，仍是掘進機施工中亟待解決的問題。日本學(xué)者Okubo等[18]利用已有多個TBM預(yù)測模型和多條TBM隧道的數(shù)據(jù)建立了知識庫及數(shù)據(jù)庫，開發(fā)了一套專家系統(tǒng)用來評價TBM在隧道中的適用性，并取得了較好的應(yīng)用效果；然而，實時智能化專家系統(tǒng)在TBM實時掘進性能優(yōu)化方面的應(yīng)用亟待進一步研究。

破碎比能、TBM利用率、刀盤磨損、碴片特征等多個指標都曾被TBM掘進性能評價方法所采用，因此，建立一種囊括多種巖體條件及多個評價指標的優(yōu)化決策方法是利用人工智能方法實現(xiàn)隧道掘進機掘進智能控制及優(yōu)化的前提。現(xiàn)有方法對掘進機操作參數(shù)與巖體條件匹配的研究還不夠系統(tǒng)、深入，尚未形成完善的掘進實時優(yōu)化、地質(zhì)適應(yīng)性智能化控制理論、方法與評價體系。

隧道掘進裝備的環(huán)境與狀態(tài)感知、施工參數(shù)自適應(yīng)動態(tài)調(diào)控、多系統(tǒng)協(xié)調(diào)控制與多目標優(yōu)化仍是國際性的行業(yè)難題，而實現(xiàn)掘進裝備的掘進過程狀態(tài)實時感知與智能化控制是解決這些難題的有效途徑，也是未來全斷面隧道掘進裝備發(fā)展的必然趨勢。

3 全斷面隧道掘進裝備智能化設(shè)想

3.1 多傳感信息融合的掘進狀態(tài)感知與性能評價方法

隧道掘進機掘進時面臨著強沖擊載荷、地質(zhì)復(fù)雜多變的惡劣工況，難以實現(xiàn)掘進狀態(tài)的準確感知與識別，因此，開發(fā)融合高精傳感技術(shù)的智能液壓元件是實現(xiàn)狀態(tài)監(jiān)測與智能化控制的基礎(chǔ)。智能液壓元件(見圖4)基于高效驅(qū)動的原理嵌入大量傳感、控制等精密電氣部件，實現(xiàn)控制特性可編程，從而達到良好的控制性能。

圖4 智能液壓元件Fig. 4 Intelligent hydraulic components

整體的傳感感知系統(tǒng)可采用總線組網(wǎng)通訊，將智能液壓元件無縫嵌入主機總線網(wǎng)絡(luò)，實現(xiàn)元件級狀態(tài)監(jiān)測，利用激光雷達、工業(yè)攝像頭等開發(fā)環(huán)境識別系統(tǒng)以及轉(zhuǎn)矩、位移等大量高精度傳感器開發(fā)集成式傳感系統(tǒng)，實現(xiàn)刀具磨損、掘進界面穩(wěn)定性、密封艙壓力等環(huán)節(jié)的智能感知，從而獲取裝備的海量多元信息。基于現(xiàn)場施工和模型試驗數(shù)據(jù)，對如地質(zhì)條件、掘進參數(shù)、刀具損耗等掘進機要素進行相關(guān)性系統(tǒng)研究，分析參數(shù)之間的融合及互饋機制，揭示巖機狀態(tài)與掘進主控參量之間的映射關(guān)系，建立典型地質(zhì)條件和不良地質(zhì)條件的解釋、識別準則與方法，提出掘進機掘進性能化評價方法，實現(xiàn)巖機狀態(tài)動態(tài)評價和災(zāi)害預(yù)警。

3.2 掘進參數(shù)工況自適應(yīng)動態(tài)調(diào)控方法

目前，隧道掘進機施工中掘進參數(shù)的選擇往往依賴操作人員的經(jīng)驗，遭遇復(fù)雜地質(zhì)環(huán)境時難以及時有效調(diào)整，極大影響了掘進機的作業(yè)效率與安全。因此，識別作業(yè)環(huán)境與裝備性能狀態(tài)，揭示掘進動力系統(tǒng)動態(tài)性能實時調(diào)控機制，實現(xiàn)關(guān)鍵參數(shù)自適應(yīng)控制是智能化作業(yè)的保障?？梢詮?個方面開展相關(guān)研究： 1)建立掘進過程巖機狀態(tài)智能識別和專家系統(tǒng)，實現(xiàn)掘進參數(shù)與支護參數(shù)優(yōu)化決策； 2)提出掘進機軌跡在線自主規(guī)劃方法，實現(xiàn)掘進姿態(tài)預(yù)測控制與自動糾偏； 3)研究刀盤驅(qū)動魯棒自適應(yīng)控制，實現(xiàn)刀盤載荷突變功率實時匹配。

3.3 掘進運行參數(shù)數(shù)據(jù)挖掘與云計算

100臺隧道掘進機每5年能夠產(chǎn)生32 000億條數(shù)據(jù)，由于定義不統(tǒng)一、數(shù)據(jù)源不規(guī)范以及分布不透明等原因，再加上缺乏處理技術(shù)與評估手段，這些閑置的多源海量數(shù)據(jù)并不能夠得到充分利用，因此，開發(fā)隧道掘進機大數(shù)據(jù)處理平臺(見圖5)和云計算平臺，實現(xiàn)多源數(shù)據(jù)的采集、傳輸和挖掘是十分必要的。為了實現(xiàn)掘進機實時信息和歷史數(shù)據(jù)的融合分析和挖掘，首先需要收集工程數(shù)據(jù)，對多種信息標準化與格式化以及構(gòu)建數(shù)據(jù)模型和多層級標準數(shù)據(jù)倉庫，然后選擇合適的開源軟件，建立掘進機大數(shù)據(jù)處理和云計算平臺，最終實現(xiàn)掘進數(shù)據(jù)遠程傳輸、信息安全與海量數(shù)據(jù)遞歸挖掘。

圖5 隧道掘進機大數(shù)據(jù)處理平臺Fig. 5 Big data processing platform of TBM

3.4 基于人工智能的掘進參數(shù)自學(xué)習(xí)理論

長期以來，對隧道掘進機的海量多源數(shù)據(jù)一直缺乏有效的優(yōu)化和決策手段，掘進機的掘進參數(shù)完全依靠人為經(jīng)驗，對這些數(shù)據(jù)進行大數(shù)據(jù)分析處理，實現(xiàn)掘進參數(shù)的智能優(yōu)化和決策是巖機狀態(tài)信息感知、融合與識別的基本命題。首先，需要設(shè)定隧道工程常用的不同地質(zhì)條件，增加載荷參數(shù)作為中間橋梁，基于深度學(xué)習(xí)和數(shù)據(jù)挖掘建立不同地質(zhì)條件下巖機狀態(tài)與掘進主控參量之間的映射關(guān)系模型(見圖6)，通過研究機器參數(shù)在線辨識理論和掘進參數(shù)約束條件與代價函數(shù)在線計算方法，實現(xiàn)控制參數(shù)的在線最優(yōu)匹配以及決策參數(shù)的多目標動態(tài)規(guī)劃，解決隧道掘進機一旦遭遇不良地質(zhì)，難以及時科學(xué)決策，易造成嚴重事故的瓶頸問題。

3.5 多系統(tǒng)協(xié)調(diào)智能化控制方法

隧道掘進機是一個多系統(tǒng)耦合的復(fù)雜系統(tǒng)，系統(tǒng)之間作用機制復(fù)雜，整機工作性能指標不能夠充分發(fā)揮，這些都對裝備子系統(tǒng)間的任務(wù)智能規(guī)劃與協(xié)調(diào)提出了極大的挑戰(zhàn)。為了實現(xiàn)掘進機的無人值守和智能化運作，需要研究掘進過程中的不確定干擾以及未建模動態(tài)，建立系統(tǒng)間耦合作業(yè)模型，結(jié)合機器自學(xué)習(xí)算法，基于多目標動態(tài)優(yōu)化決策模塊中的最優(yōu)掘進參數(shù)和最優(yōu)支護方案實現(xiàn)全過程的協(xié)調(diào)控制，最終建立高效安全掘進的多系統(tǒng)協(xié)調(diào)控制與決策優(yōu)化專家系統(tǒng)。隧道掘進機多目標優(yōu)化模型如圖7所示。

圖6 巖機狀態(tài)與掘進主控參量之間的映射關(guān)系模型Fig. 6 Correlation model

圖7 隧道掘進機多目標優(yōu)化模型Fig. 7 Multi-objective optimization model of TBM

4 總結(jié)展望

國家的相關(guān)政策、巨大的社會需求以及人工智能技術(shù)的進步都在快速推動著全斷面隧道掘進裝備的智能化發(fā)展。打破傳統(tǒng)隧道掘進模式，突破掘進效率和壽命瓶頸，實現(xiàn)隧道掘進裝備的長距離、智能化、無人值守、安全快速掘進是掘進裝備智能化的目標，而實現(xiàn)掘進狀態(tài)感知識別、掘進參數(shù)工況自適應(yīng)動態(tài)調(diào)控掘進參數(shù)數(shù)據(jù)挖掘計算、掘進參數(shù)的智能優(yōu)化和決策以及多系統(tǒng)協(xié)調(diào)智能化控制是全斷面隧道掘進裝備智能化的核心問題。對隧道掘進裝備最新技術(shù)成果與人工智能相結(jié)合的探索才剛剛開始，其前景必然無限廣闊。