[发明专利]一种基于模糊自适应神经网络的盾构机姿态控制方法

说明书

本发明公开了一种基于模糊自适应神经网络的盾构机姿态控制方法。首先选择测量盾构机的位置和方位的绝对坐标系，描述和测量盾构机姿态；计算盾构机与隧道设计轴线之间的位置偏差和角度偏差；初始化盾构机姿态模型；确定盾构机姿态模型中偏角和偏差的初始值及采样距离；计算上下区油压差；构建针对水平、竖直方向的模糊自适应神经网络控制器；分别训练水平、竖直方向的控制器的控制规则；在盾构机实时姿态控制时，将实时获取的盾构机的水平角度偏差和俯仰角偏差输入训练好的控制器输出上下区油缸油压差。本发明通过应用模糊控制理论解决了盾构机姿态控制过度依靠操作员经验的问题，有效的提高了模糊控制器设计效率，计算量小、可操作性较高。

技术领域

本发明涉及模糊自适应控制技术，尤其涉及一种基于模糊自适应神经网络的盾构机姿态控制方法。

背景技术

近年来，随着我国经济和社会的不断发展，城市轨道交通尤其是地下空间轨道交通的需求量激增。盾构法是目前挖掘隧道最常用的方法。在盾构掘进过程中，需要保证盾构能够沿着设计轴线准确的往前推进，而盾构机的姿态偏离是造成轨迹偏离的主要原因。盾构机的姿态主要包括方位角、俯仰角、滚转角、水平偏差、竖直偏差及里程值。目前我国对盾构机的姿态控制主要采用人工控制的方法，急需一种自动控制方法，实现盾构机姿态的自动控制。

模糊控制是利用模糊数学的基本思想和理论，不需要建立被控对象精确的数学模型，对一些复杂系统进行控制的理论。1988年，桑原洋等人探讨了模糊控制技术在盾构掘进中的适用性，模糊控制是在专家或者熟练技术人员以往技术的基础上，形成一系列控制规则，按照控制规则对盾构进行控制。控制规则是模糊控制器的核心，规则的正确与否将直接影响控制器的性能。在实际应用中，模糊控制规则主要来自以下三种途径：专家的经验或知识、操作员的经验和知识，自我学习。

人工神经网络是一种类似于大脑神经突触联接的结构进行信息处理的数学模型。神经网络控制则是指在控制系统中采用神经网络这一工具对难以精确描述的复杂对象进行建模或充当控制器对系统实现控制的一种方法。模糊神经网络将模糊系统与神经网络进行结合，充分考虑二者的互补性，集逻辑推理、逻辑推理于一体，具有学习、自适应和模糊信息处理能力等功能。其本质就是将常规的神经网络输入模糊输入信号和模糊权值。模糊控制和神经网络控制是智能控制领域十分重要而又十分活跃的两大分支，将这两者结合是控制理论发展的必然产物。

发明内容

盾构法是隧道挖掘的常用方法。盾构掘进机是一种采用盾构掘进方式的掘进机。在地铁施工中，土压力平衡盾构得到了广泛的应用。利用土压平衡盾构施工时，开挖量、刀切速度、气缸推进速度紧密配合，使土槽始终充满泥土，使开挖表面稳定。对盾构机的轨迹跟踪控制实际上就是对盾构姿态与隧道设计轴线偏差的控制。由于盾构机的运行机理十分复杂，建立精确的数学模型非常困难，使用对象模型设计控制器也非常困难。并且，对盾构机的控制主要根据熟练操作人员的经验，缺乏可靠的自动控制手段。为了解决上述问题，本发明提出了一种基于模糊自适应神经网络的盾构机姿态控制方法来代替人工控制，使盾构机的实际掘进轴线能够跟踪轨道设计轴线。

本发明的目的是通过以下技术方案来实现的：一种基于模糊自适应神经网络的盾构机姿态控制方法，该方法用于对土压平衡盾构机在正常段掘进阶段的姿态进行实时控制，包括以下步骤：

S1：选择测量盾构机的位置和方位的绝对坐标系。由于隧道设计轴线一般是在绝对坐标系下设计的，所以，本发明也利用绝对坐标系来表示盾构机的位置和方位的测量结果。

S2：描述和测量盾构机姿态。

选择盾构机的盾首中心和盾尾中心的位置、方位角γ、俯仰角β和回滚角α来描述盾构机当前位置和姿态；姿态测量过程如下：

201：利用激光标靶内的倾斜仪测量回滚角α和俯仰角β；

202：利用盾构机轴线与激光束的水平夹角θ和激光束的水平方向角δ计算盾构机轴线水平方位角γ＝θ+δ；