一种超大直径盾构机建造隧道的智能建造系统的制作方法

本发明属于隧道建造，具体涉及一种超大直径盾构机建造隧道的智能建造系统。

背景技术：

1、隧道是埋置于地层内的工程建筑物，是人类利用地下空间的一种形式。隧道可分为交通隧道、水工隧道、市政隧道、矿山隧道、军事隧道，隧道的结构包括主体建筑物和附属设备两部分。主体建筑物由洞身和洞门组成，附属设备包括避车洞、消防设施、应急通讯和防排水设施，长的隧道还有专门的通风和照明设备。

2、盾构机是一种使用盾构法的隧道掘进机。盾构的施工法是掘进机在掘进的同时构建（铺设）隧道之“盾”（指支撑性管片），它区别于敞开式施工法，隧道智能建造的灵魂在于效率和效益，总体目标是实现隧道勘察、设计、施工全过程的数据信息贯通、装备智能互联、多源信息互馈，最大程度实现隧道建造少人化，实现隧道建造高效、安全、绿色；然而市面上各种的隧道建造仍存在各种各样的问题。

3、如授权公告号为cn116161052a所公开的用于盾构掘进的辅助驾驶系统及方法，其虽然实现了辅助驾驶方法可作为盾构人工驾驶与无人驾驶之间的过渡模式，达到自动分析盾构驾驶质量，为盾构司机提供有效操作辅助，在盾构司机无法决策的情况下允许智控模型进行盾构自主控制，从而降低施工风险，确保盾构隧道建造质量，但是并未解决现有隧道建造中存在的无法实现对数据信息进行融合处理，造成数据信息处理缓慢，无法实现快速的处理，以及不能够通过边缘云进行计算，提高计算的效率和计算能力等的问题，为此我们提出一种超大直径盾构机建造隧道的智能建造系统。

技术实现思路

1、本发明的目的在于提供一种超大直径盾构机建造隧道的智能建造系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种超大直径盾构机建造隧道的智能建造系统，包括盾构机辅助运行模块，所述盾构机辅助运行模块上电性连接有无人机进行模块和人控行进模块，所述无人行进模块用于实现控制自动化的智能行进控制，完成无人操作运行，所述人控行进模块用于实现驾驶员操作控制；

3、所述盾构机辅助运行模块上电性连接有监测模块，所述监测模块用于实现对隧道进行监测，以及实现对盾构机和其他辅助设备进行监测，获取隧道建造的各项数据信息，所述监测模块采集的数据主要包括有实时掘进参数、地面沉降数据、出土量数据、隧道监测数据、土层参数、行进速度、冲击压力、推进压力、视频数据、环境感知数据和温度数据；

4、所述盾构机辅助运行模块上电性连接有通讯模块，所述通讯模块用于实现对数据信息和控制指令进行传输，所述通讯模块上电性连接有大数据模块，所述大数据模块用于将地质数据信息、地图数据信息、盾构机及其辅助设备参数和历史数据信息；

5、所述通讯模块上电性连接有数据融合模块，所述数据融合模块中包括有数据集成、数据分析、数据清洗、数据检测和数据融合，所述数据集成用于两个或多个数据集通过格式转换、结构重组、语义匹配、尺度转换和数据融合有机和虚拟的组合，所述数据分析主要利用关联分析、分类聚类及深度学习技术实现数据的价值挖掘，所述数据清洗是用于检测数据中存在的脏数据，通过数据筛选、数据修复手段提高数据的质量，所述数据检测用于检测数据信息是否有缺失，进行补充，所述数据融合是用于实现对处理后的数据信息进行组合成新的数据信息；

6、所述数据融合模块上电性连接有边缘云系统，所述边缘云系统用于实现对数据进行边缘计算处理，提高计算效率和计算能力，所述边缘云系统利用以神经网络为核心的映射算法对数据进行映射，所述边缘云系统上电性连接有模型计算模块，所述模型计算模块中包括有盾构姿态预测模型、盾构纠偏参数推荐模型、沉降预测模型、沉降控制参数推荐模型、智控模型和隧道建造模型。

7、优选的，所述盾构机辅助运行模块上电性连接有辅助模块，所述辅助模块中包括有用于实现对数据信息进行显示的显示器、用于实现控制调节的操作系统、用于实现对系统的运行状态进行显示的指示灯、用于实现对危险预警的预警器、用于实现对数据信息进行存储的存储器。

8、优选的，所述监测模块上电性连接有处理模块，所述处理模块与所述通讯模块电性连接，所述处理模块中包括有获取单元、转换单元、增益单元和滤波单元，所述获取单元用于实现对数据信息进行接收，便于实现对数据信息进行传输处理，所述转换单元用于实现对数据信息进行模数转换，使得数据信息能够保持同一的格式，便于后续数据信息进行使用处理，所述增益单元用于实现对数据信息进行放大处理，防止数据信息微弱，造成丢失，所述滤波单元用于实现对数据信息杂波滤除，保持数据信息的精准度，所述数据信息滤波电路采用的是二阶iir低通滤波器。

9、优选的，所述二阶iir低通滤波的计算公式如下：

10、；

11、为输出数据，为输入数据，a和b为滤波器的系数，n为滤波次数，k=0为处理的数据信息，k=1为下次处理的数据信息，n-k为数据信息的位置。

12、优选的，所述数据融合模块中的数据融合通过像素级融合、特征级融合和决策级融合三步进行数据融合处理，所述像素级融合也称为数据级融合，相对应的就是数据层融合看作直接把数据统一格式，转换为同模态数据进行统一处理分析，然后将数据进行结构化集成，特征层融合将数据信息的特征融合映射到子空间就属于特征层的融合；决策层融合利用logistic回归分别对文本与相关图像进行情感预测，最后将两个预测概率进行加权平均，得出最终结果。

13、优选的，所述通讯模块上电性连接有辅助设备系统，所述辅助设备系统用于实现对混凝土搅拌站、混凝土运输车、混凝土输送泵、发电机组、大容量变压器、高扬程抽水机、恒压供水设备、大型电动空压机、凿岩机、大功率通风机、自卸汽车、侧翻装载机、挖掘机、混凝土喷射机、注浆机、钢筋成套加工设备、隧道模板台车、碎石加工设备以及自行加工的专用模架进行智能化的控制操作。

14、优选的，所述神经网络采用的是ai学习算法：

15、输入神经元信息和对应的权重矩阵w来决定的，，x是一个向量，w是一个权重矩阵，通过w来将x转换成另外的向量；

16、前一个时刻的隐藏层神经元向当前时刻的神经元的信息传递，其值有和对应的权重矩阵u来决定，，是一个向量，u是一个权重矩阵，通过u来将转换成另外的向量；

17、主要是当前时刻的神经元，将上述两个部分的输入整合，激活生成当前时刻隐藏层神经元的输出，整合的过程就是向量相加：；

18、在假设激活函数为f，则激活后生成当前时刻神经元的值：

19、；

20、信息传递主要是将当前时刻隐藏层神经元的值传递到当前时刻的输出神经元中去：

21、；

22、则向前的公式如下：

23、；

24、在整个神经网络中，一共包含的三中权重矩阵，第一个矩阵是w，给矩阵的维度为（n，k），n表示隐藏层神经元值的向量维度，k表示输入神经单元的向量的维度，第二个权重矩阵是v，该矩阵的维度为（l，n），其中p表示输出层的神经元的向量维度，第三个是权重矩阵u，该矩阵的维度是（n，n）。

25、优选的，所述数据清洗用于实现对数据信息中的无用信息和错误信息进行除去，首先利用统计分析的方法对出现的错误值进行识别，然后才能对错误数据进行清除，达到数据清洗的目的，所述数据检测是对于不一致的数据，基于关联数据之间的一致性来检测数据潜在的错误，并进行修复，以完成对多数据源数据的清理。

26、优选的，所述边缘云系统中采用了智能算法进行计算处理，所述智能算法采用的是机器学习中的贝叶斯学习，实现对数据安全进行分析；

27、所述贝叶斯学习采用的是朴素贝叶斯算法，所述朴素贝叶斯算法的公式如下：

28、；

29、其中b为数据的类别，a为数据的特征；

30、进一步公式为：

31、；

32、上述计算的概率为：

33、。

34、优选的，所述模型计算模块获取盾构机实时掘进参数、地面沉降数据、出土量数据、隧道监测数据、土层参数、行进速度、冲击压力、推进压力、视频数据、环境感知数据和温度数据；将输入到所述模型计算模块中的盾构姿态预测模型、盾构纠偏参数推荐模型、沉降预测模型、沉降控制参数推荐模型、智控模型和隧道建造模型以得到对应的计算结果并予以显示。

35、与现有技术相比，本发明的有益效果是：

36、本发明在使用的时候通过监测模块实现对数据信息进行获取，然后通过处理模块实现对数据信息进行处理，便于数据信息进行传输，以及数据融合模块用于实现对多源的数据信息进行融合处理，实现对处理后的数据信息进行组合成新的数据信息，便于边缘云系统能够实现对数据信息进行计算处理，实现对数据进行边缘计算处理，提高计算效率和计算能力，且数据还通过模型计算模块进行模型计算，便于实现对建造的隧道进行智能化的管理。