盾构机掘进过程中的决策支持系统

２０１１年第１０期　中图分类号：ＴＰ１８３　文献标识码：Ａ　文章编号：１００９—２５５２（２０１１）１０—００３９—０４　盾构机掘进过程中的决策支持系统　李守巨　，曹丽娟　（１．大连水产规划设计研究院有限公司，大连１１６０２４；２．大连海洋大学机械工程学院，大连１１６０２４）　摘要：盾构机掘进过程中的多系统协调控制，对于有效地控制盾构机隧道施工引起的地表变　形、保证盾构安全施工和降低隧道掘进能源消耗都是极其重要的。提出了基于现场观测数据的　盾构机掘进决策支持系统模型。根据盾构机掘进过程中观测的刀盘贯入度、刀盘转速、刀盘扭　矩、盾构机推力和推进速度等观测数据，在地层模糊聚类分析的基础上，实现随机分布、复杂　性地层特征在线辨识。以盾构机掘进参数现场观测数据为基础，利用神经网络具有的非线性映　射能力、自组织和自适应能力，实现土仓压力模型的自适应建模，解决非线性、时变性、随机　性和时滞性的土仓压力分布模型建模与预测控制问题。通过实时调节和控制不同位置推进油缸　的推力，减少由于复杂地层的不均匀性所带来的盾构机姿态的偏差，提高隧道的成型精度。针　对不同的地层，优化确定与其相适应的盾构机掘进参数，降低掘进能耗与刀具磨损，提高盾构　机控制系统的顺应性。　关键词：决策支持系统；多系统协调控制；地层特征在线辨识；掘进参数优化　Ｄｅｃｉｓｉｏｎ　ｓｕｐｐｏｒｔ　ｓｙｓｔｅｍ　ｉｎ　ｓｈｉｅｌｄ　ｔｕｎｎｅｌｉｎｇ　ＬＩ　Ｓｈｏｕ．ｉｕ　．ＣＡ０　Ｌｉ．ｉｕａｎ　（１．ＤａＨａｎ　Ｐｌａｎｉｎｇ　ａｎｄ　Ｄｅｓｉｇｎ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｆｉｓｈｅｉｒｅｓ，Ｄａｌｉａｎ　１１６０２４，Ｃｈｉｎａ；　２．Ｉｎｓｔｉｕｔｔｅ　ｏｆ　Ｍｅｃｈａｎｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｄａｌｉａｎ　Ｏｃｅａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｄａｌｉａｎ　１　１６０２４，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｉｔ　ｉｓ　ｖｅｒｙ　ｉｍｐｏｒｔａｎｔ　ｆｏｒ　ｃｏｎｔｒｏｌｉｎｇ　ｇｒｏｕｎｄ　ｄｅｆｏｒｍａｔｉｏｎ，ｅｎｓｕｒｉｎｇ　ｓａｆｅｌｙ　ｏｐｅｒａｔｉｏｎ　ａｎｄ　ｄｅｃｒｅａｓｉｎｇ　ｅｎｅｒｇｙ　ｃｏｓｔ　ｔｏ　ｐｅｒｆｏｒｍ　ｈａｒｍｏｎｉｏｕｓｌｙ　ｃｏｎｔｒｏｌ　ｏｆ　ｍｕｌｉｔ—ｓｙｓｔｅｍ．Ｔｈｅ　ｄｅｃｉｓｉｏｎ　ｓｕｐｏｒｔ　ｓｙｓｔｅｍ　ｉｓ　ｐｒｏｐｏｓｅｄ　ｂａｓｅｄ　ｏｎ　ｉｎ—ｓｉｔｕ　ｏｂｓｅｒｖｅｄ　ｄａｔａ　ｉｎ　ｓｈｅｉｌｄ　ｔｕｎｎｅｌｉｎｇ．Ｔｈｅ　ｓｏｉｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｉｓ　ｉｄｅｎｔｉｆｉｅｄ　ａｃｃｏｒｄｉｎｇ　ｔｏ　ｉｎ－ｓｉｔｕ　ｏｂｓｅｒｖｅｄ　ｄａｔａ　ａｎｄ　ｆｕｚｚｙ　ｃｌｕｓｔｅｒｉｎｇ　ｍｏｄｅｌ　ｏｆ　ｓｏｉｌ　ｌａｙｅｒ　ｃｌａｓｓｉｉｆｃａｔｉｏｎ．Ｂｙ　ｍａｋｉｎｇ　ＵＳｅ　ｏｆ　ｎｏｎｌｉｎｅａｒ　ｍａｐｐｉｎｇ　ａｎｄ　ｓｅｌｆ－ｏｒｇｅｎｉｚａｔｉｏｎ　ａｎｄ　ｓｅｌｆ－ａｄｐｔｉｎｇ　ｏｆ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ，ｃｈａｍｂｅｒ　ｓｏｉｌ　ｐｒｅｓｓｕｒｅ　ｉｓ　ｍｏｄｅｌｅｄ．Ｔｈｅ　ｆｏｒｅｃａｓｔｉｎｇ　ｃｏｎｔｒｏｌ　ｍｏｄｅｌ　ｉｓ　ｐｒｏｐｏｓｅｄ　ｆｏｒ　ｓｏｌｖｉｎｇ　ｎｏｎｌｉｎｅａｒ，ｔｉｍｅ—ｖａｒｉａｔｉｏｎ，ｔｉｍｅ—ｄｅｌａｙ　ａｎｄ　ｓｔｏｃｈａｓｔｉｃ　ｓｙｓｔｅｍ　ｃｏｎｔｒｏ１．Ｏｐｔｉｍａｌ　ｔｕｎｎｅｌｉｎｇ　ｐａｒａｍｅｔｅｒｓ　ａｒｅ　ｄｅｔｅｒｍｉｎｅｄ　ｆｏｒ　ｉｎｃｒｅａｓｉｎｇ　ｍｂｕｓｍｅｓｓ　ｏｆ　ｃｏｎｔｒｏｌ　ｓｙｓｔｅｍ　ａｎｄ　ｄｅｃｒｅａｓｉｎｇ　ｅｎｅｒｇｙ　ｃｏｓｔ　ａｎｄ　ｃｕｔｔｅｒ　ａｂｒａｓｉｏｎ．　Ｋｅｙ　ｗｏｒｄｓ：ｄｅｃｉｓｉｏｎ　ｓｕｐｐｏｒｔ　ｓｙｓｔｅｍ；ｈａｒｍｏｎｉｏｕｓｌｙ　ｃｏｎｔｒｏｌ　ｏｆ　ｍｕｌｔｉ—ｓｙｓｔｅｍ；ｏｎ—ｌｉｎｅ　ｉｄｅｎｔｉｉｆｃａｔｉｏｎ　ｏｆ　ｓｏｉｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ；ｏｐｔｉｍａｌ　ｔｕｎｎｅｈｎｇ　ｐａｒａｍｅｔｅｒ　０　引言　土压平衡式盾构主要由盾体、刀盘及其驱动系　统、螺旋输送机系统、推进系统、管片拼装系统、同步　过密封隔板安装有螺旋输送机，将土仓渣土排除。　当盾构由推进液压缸向前推进时，由刀盘切削下来　的渣土充满密封土舱和螺旋输送机壳体内的全部空　间，同时依靠充满的渣土来平衡开挖面土层的水土　压力，另外可通过调整螺旋输送机的转速控制排土　收稿日期：２０１１—０３—２５　注浆系统以及盾尾密封装置等构成。它是在普通盾　构的基础上，在盾构中部增设一道密封隔板，把盾构　开挖面与隧道分开，使密封隔板与开挖面土层之间　形成一个密封土舱，刀盘在密封土舱中工作，另外通　基金项目：国家重点基础研究发展规划项目（２００７ＣＢ７１４００６）　作者简介：李守巨（１９６０一），男，研究方向为岩土工程。　一３９—　量或通过调整盾构推进液压缸的推进速度控制进土　量，使盾构排土量和进土量保持或接*衡，以此来　维持开挖面地层的稳定和防止地表变形。现有的土　压平衡式盾构一般是通过预先设定土舱内压力值以　图２盾构机姿态自动纠偏　达到稳定地层的目的，在施工过程中再根据观测到　如图２所示，Ｙ　为期望的盾构机姿态，），　为盾　的土仓压力或者根据地表沉降情况进行调整。地层　构机目前实际观测的姿态，　为盾构机姿态自适应　稳定和地表沉降控制的效果很大程度上取决于施工　控制器的输出，即盾构机推进油缸不同分区的推力，　人员的经验，施工质量难以保证。　根据盾构机实际轨迹与期望轨迹的偏差，产生不平　在城市地铁隧道施工中，采用盾构机掘进方法　衡力矩，完成盾构机自动纠偏工作。　已经经历了几十年的发展历程，它能够有效控制掘　２　地层特征智能辨识子系统　进工作面的稳定性和地表变形。尤其是对于建筑　由于地层的多变性和复杂性，使得盾构机超越　物、堤坝、河床、铁路等重要设施下的隧道施工，需要　土层的物理力学性质随着掘进工作面的推进不断发　有精细的施工组织、严密的实时监测措施、合理的施　生变化。实时掌握掘进工作面土层特征的变化对于　工参数，以及根据实时观测数据对设计和控制参数　保证盾构机的安全运行和有效控制地表变形、优化　做出及时调整和完善。土压平衡盾构机在掘进隧道　盾构机的掘进参数都是十分重要的。但是，由于刀　时，通过实时调整螺旋输送机的排土速度以及盾构　盘在掘进过程中不停转动，使得直接类似于钻孔取　机的推进速度，维持土仓压力的稳定，进而有效地控　芯方法获得土层变化信息十分困难。研究根据现场　制地表的变形。因此，及时对地层特性进行估计对　观测的盾构机掘进参数（包括刀盘贯人度、刀盘转　于保证掘进工作面的稳定性、控制地表的变形、减少　速、刀盘扭矩、盾构机推力、推进速度等）的变化，基　对地面建筑物的影响和隧道的安全号陕速施工具有　于地层模糊聚类所提供的地层特征分类参考模式，　重要的研究意义。　实现地层特征的在线快速辨识模型和方法。　１　盾构机姿态智能纠偏子系统　模糊逻辑系统在处理不确定、复杂、高度非线　由于地层软硬不均、隧道曲线和坡度变化以及　性、随机、时变系统所产生的信息时远优于人工智能　操作等因素的影响，使得盾构机推进不可能完全按　领域的专家系统，更由于它在不同层次上模仿了人　照设计的隧道轴线掘进，而会产生一定的误差。常　类的智能活动，因此２０世纪８Ｏ年代以来日益受到　用的纠偏方法是采用分区操作盾构机的推进油缸控　计算智能学界的重视。设地层特征辨识系统（如图　制盾构机的掘进方向　Ｊ。而如何确定不同分区油　３所示）的输入向量　（包括刀盘贯入度、刀盘转速、　缸的推力需要准确了解当前地层的特性，地层的变　刀盘扭矩、盾构机推力和推进速度等）属于　种不　形刚度越大，需要的纠偏力矩也越大。　同的类别（包括粘土、砂土、淤泥、沙砾土、风化岩石　等），ｃ　，系统的Ｍ个输出Ｙ　－ｙ　与　个类别相对　应，当Ｘ∈ｃ　时，要求Ｙ　＝１，其他的　：０√≠ｍ。　图３地层辨识的模糊逻辑推理系统　模糊化模块产生ｇ个与　相对应的隶属函数　值；模糊推理模块产生　个模糊推理结论，它们分　图１　土压平衡盾构机的剖面示意图　别代表　属于ｃ　，ｃ：，…，ｃ　的隶属度。去模糊化　模块比较各个隶属度，然后取其最大者，令相应的输　如图１所示，盾构机的姿态通过调整不同分区　出为１，其它的输出为０。收集大量的现场盾构机掘　推进油缸的推力，使得盾构机的轨迹跟踪设计的　进参数和地层特征数据，并结合有限元数值模拟分　路线。　析，建立包含地层特征（原因）和盾构机掘进参数　．－－——４０・－－——　（结果）之间关系的样本数据库。采用粗糙集神经　网络模型对样本数据库中的数据进行数据挖掘，建　立地层特征与掘进参数观测数据之间的非线性映射　关系。粗糙集理论对于处理模糊性和不确定性问题　具有良好的效果，而神经网络具有分类精度高和鲁　棒性强等特点。根据粗糙集理论对样本数据库进行　初步约简，然后用神经网络的自学习能力对样本数　据库做进一步属性约简，并过滤掉数据库中的噪声；　之后用粗糙集理论对约简后的样本数据库进行规则　滞系统，如图６所示，并且具有非线性特性。由于神　经网络具有任意非线性映射能力，将其用于盾构机　土仓压力非线性系统的建模和辨识，可以不受控制　模型非线性模型类型的限制，便于给出工程上易于　实现的学习算法。用于土仓压力模型辨识的神经网　络本身作为一种辨识模型，通过输入该系统的输入　（现场观测数据）和输出（土仓压力）数据，经过神经　网络的自学习和自组织功能归纳出隐含在输入一输　出数据中的系统特性实现对系统的建模和辨识　］。　抽取，得到最终的数据挖掘知识，实现根据观测数据　进行在线地层分类预测的目的。　３　土仓压力智能控制子系统　如图１所示，由刀盘切削的渣土经刀盘开口进　入到盾构机的土仓。盾构机土仓压力受盾构机推进　速度和螺旋输送机的转速影响。经推导盾构机土仓　压力（即系统输出）与螺旋输送机转速（可控变量，　即系统输入）之间的关系为　Ｊ：　，，（　＋１）：ｙ（　）＋　Ｅｔ［Ａ　一　ｒ　ｃ　二　丌　］　（１）　式中，Ｙ（　）和Ｙ（　＋１）分别为当前时刻和下一时刻　土仓压力，△￡为采样间隔时间，　是盾构机的推进速　度，Ａ是盾构机的横截面积，　是螺旋输送机的螺　距，’７是螺旋输送机的排土效率，／２，为螺旋输送机的　转速，Ａ　为螺旋输送机的有效排土面积，　是盾构　机土仓体积，Ｅ　是渣土的等效切线变形模量。其　中，Ｅ。和　为需要通过系统辨识确定的参数，　和　Ｙ（　）为系统的输人和输出，而其他参数为已知量。　图４为基于ＰＩＤ神经网络的土仓压力控制结构框　图，图５为用于土仓压力控制模型参数辨识的模型。　图４　ＰＩＤ神经网络控制结构框图　图５基于神经网络的土仓压力控制系统　土仓土压力控制系统是一个多输入（掘进工作　面土压力、螺旋输送机转数和盾构机推进速度以及　推力和渣土改性）、多输出（多个观测点）、时变、时　实现盾构机土仓压力预测控制的最后一个重要环节　是在线滚动优化，而该问题是一种带有约束的优化　问题，包括盾构机的最大推力和推进速度、螺旋输送　机的最大转速和最大角加速度约束等。采用二次规　划方法，提出一种能够处理输入、输出约束的广义预　测控制快速算法，也就是在每一时刻只精确求解当　前要实施的控制量，对未来的控制序列则用线性反　馈控制器来实现，目的在于提高算法实施的快速性，　以满足土仓压力实时控制的要求。　图６土仓压力过大引起的地表隆起　为了扩大预测的信息量，采用多步预测方式对　盾构机土仓压力进行控制，用以提高控制系统的抗　干扰性和鲁棒性。针对土仓压力控制系统存在的非　线性、时变、噪音和不确定等问题，采用误差校正滚　动优化来解决上述因素所带来的困难，从而提高控　制系统的控制精度和鲁棒性。由于盾构机土仓压力　控制实际对象的结构、参数和环境都具有很大的不　确定性，采用系统辨识方法，实时对土层参数进行识　别和对土仓压力控制系统模型建模，实现非线性、时　变、非确定性土仓压力控制动力系统的准确预测和　自动控制。预测控制的滚动优化和反馈校正始终建　立在实际控制过程的基础上，用以克服控制系统中　模型的不精确、非线性和时变等不确定性的影响。　通过实时调节和控制不同位置推进油缸的推力，减　少由于复杂地层的不均匀性所带来的盾构机姿态的　偏差，提高隧道成型精度。　．－———４１．－．——　４　地表变形控制子系统　为了有效地控制盾构机推进过程中引起的地表　变形，需要合理确定掘进工作面的土压力。如果该　压力过大，将会引起地表的隆起，同时也会增大刀盘　旋转过程中的摩擦阻力，不利于盾构掘进，并且增加　动力能源的消耗。相反，如果掘进工作面的土压力过　小，将会引起地表的沉降，不利于盾构掘进安全。因　现土仓压力的平衡与控制。凭经验的控制方法缺少　科学性和精确性，其原因在于缺少精确控制模型，即　土仓压力（系统输出）与盾构机推进速度、盾构机推　力和螺旋输送机转速（系统输人）的关系。尽管可　以根据进入（与盾构机推进速度有关）与流出（与螺　旋输送机转速有关）土仓渣土的质量守恒以及渣土　的本构关系，建立确定性的土仓压力控制模型。但　是，由于地层的随机特性、控制模型的非线性特性、　此，从控制地表沉降的角度考虑，合理地掘进工作面　的土压力应该介于主动土压力和被动土压力之间　Ｊ。　。≤　≤　ｐ　（２）　式中，　。为主动土压力，　为被动土压力，　为合　理的土仓压力。　土压平衡盾构机使得刀具切下的渣土通过添加　改性材料呈塑性流动状态，充满于盾构机密封舱，然　后，通过螺旋输送机将密封舱内的渣土排出，并且保　持刀盘的进土量与螺旋输送机的排土量保持平衡，　同时要求密封舱内渣土具有一定的压力以控制掘进　工作面的稳定性，进而控制地表的变形。密封舱压　力与隧道的埋深、土层的物理力学性质和刀盘的开　口率以及盾构机的推力有关。Ｓｒａｒｎｏｏｎ建议密封舱　压力应该设置为主动土压力与水压力之和，再加上　１０ｋＰａ的波动压力　Ｊ，这是目前国内外经常采用　的计算方法。意大利的Ｒｕｓｓｏ在总结欧洲地铁隧道　数值分析结果和现场观测资料的基础上，提出了保　证掘进工作面稳定的土压力范围应该介于主动土压　力与被动土压力之间，合理的工作面土压力选择介　于主动土压力与静止土压力之间，并且建议掘进工　作面土压力合理值为侧向土压力与水压力之和，再　加上２０ｋＰａ的波动压力　。图７所示为土仓压力过　小引起的地表沉降。　图７土仓压力过小引起的地表沉降　目前常用的盾构机土仓压力控制方法是根据　土仓压力监测值与期望值对比，当土仓压力大于　（或小于）某个界限值时，盾构机操作司机凭经验通　过增加（或减小）螺旋输送机的转速，增加（或减小）　排土速度，用以减少（或增加）土仓内的渣土量，实　．．．——４２．．．——　观测数据的含有噪音，以及影响土仓压力因素的复　杂性，很难给出精确的解析形式的控制模型。以盾　构机掘进参数现场观测数据为基础，将神经网络作　为一个“黑箱”处理，利用神经网络具有的非线性映　射能力、自组织和自适应能力，实现土仓压力控制模　型的建模与辨识，该建模方法包含了掘进过程中众　多因素对土仓压力的影响。　５　盾构机异常工况的在线判别子系统　盾构机在塑性粘土中掘进时，容易在刀盘特别　是刀盘的中心部位产生泥饼。泥饼是盾构机刀盘切　削下来的细小颗粒、碎屑在刀盘上重新聚集而成半　固结或者固结的块状体。它会导致土仓压力异常波　动、观测信息紊乱、失真，严重时导致地表的塌陷或　者隆起，这方面的例子在广州地铁一号线施工中出　现过几次。研究盾构机异常工况（包括渣土结饼、　赌转、渣土成拱、遇见孤石等）与盾构机掘进参数之　间的关系，实现对盾构机异常工况的在线辨识和判　断。针对不同的地层，优化确定与其相适应的盾构　机掘进参数，降低掘进能耗与刀具磨损，提高盾构机　控制系统的顺应性。　异常　工况　判别　黑箱　图８盾构机掘进异常工况辨识　如图８所示，根据现场观测的盾构机推力、刀盘　扭矩、推进速度和土仓压力等数据，建立基于神经网　络的异常工况判别模型，使得该子系统能够及时准　确地对异常工况进行辨识。　６　盾构机掘进参数优化子系统　合理的土仓压力的设定，要求既保证掘进工作　面的稳定性，又尽可能减少机械磨损。因为过大的　土仓压力，不但增加了刀盘与渣土之间的摩擦阻力、　加剧了单盘和刀具转动过程中的过度磨损，而且会　造成驱动刀盘转动能源和动力的浪费。　（下转第４６页）　据库管理系统等管理系统资源的软件系统的设计。　通过参与系统程序的设计，学生可以对计算机硬件　体系结构、程序运行方式、运行控制等有更深入的了　解。在头脑中树立清晰的软件体系结构概念，明确　所开发软件在整个软件体系中的层次。　４结束语　在大学里，除了通常意义下的素质培养外，重点　是进行专业能力和专业素质的培养。计算机专业人　才的专业基本能力包括计算思维能力、算法设计与　分析能力、程序设计与实现能力、系统能力。计算机　专业大学生程序设计能力的培养与提高并不是由一　到两门课程的教学就可以完成的，而是需要在一个　循序渐进的过程中逐渐养成。因此，要强化系列课　程的位置和与建设，明确地使一个系列课程构成一　这方面能力的培养需要贯穿于整个本科教育　中，并且渴望延续到硕士教育和博士教育阶段，更需　要在未来的职业生涯中得到不断的研修和提高。这　方面能力的培养特别强调学生对问题描述和求解方　案的设计，真正从不同层面上学习、了解和掌握程　序、程序设计、程序实现、程序测试、程序分析等方面　的知识和方法，并在理论的指导下开展广泛、深入的　活动。　参考文献：　［Ｉ］钱能．Ｃ＋＋程序设计教程［Ｍ］．２版．北京：清华大学出版社，　２００５．　［２］吴乃陵，况迎辉．Ｃ＋＋程序设计［Ｍ］．２版．北京：清华大学出　版社，２００６．　２００６．　．　・　［３］谭浩强．Ｃ＋＋面向对象程序设计［Ｍ］．北京：高等教育出版社，　［４］朱占立，张玉祥．Ｃ＋＋面向对象程序设计【Ｍ］．北京：人民邮电　出版社，２００６．　个恰当的训练系统，使学生在一系列的修养中“形　成”一些良好的程序设计的习惯，“潜移默化”地养　成优秀程序设计人才所具备的“能力”和“素质”。　因此培养程序设计能力及对程序设计主要问题的学　习，主要是为了使学生对本专业最基本的程序有全　面的掌握，以便设计出正确的、有效的、效率高的、性　能优的、可维护性好的程序，并且在设计和实现的过　程中具有较高的效率。　［５］倪瑞晓，Ｃ语言编程技术的分析研究［Ｊ］．计算机技术与发展，　２００９，１９（１２）：２５１—２５４．　［６］蒋宗礼．以能力培养为导向，提高计算机学科教育教学水　平［Ｊ］．中国大学教学，２００８（８）：３５－３７．　［７］张钢．依据专业规范制定分专业方向培养方案的实践与何题探　讨［Ｊ］．计算机教育，２００８（１０）．　［８］教育部高等学校计算机科学与技术教学指导委员会．高等学校　计算机科学与技术专业人才专业能力构成与培养［Ｍ］．北京：　机械工业出版社，２０１０．　责任编辑：张禹　（上接第４２页）　ｌａｆｉｏｎ　ｏｆ　Ｓｈｉｅｌｄ　Ｔｕｎｎｅｌｉｎｇ　Ｂｅｈａｖｉｏｒ　ａｌｏｎｇ　ａ　Ｃｕｒｖｅｄ　Ａｌｉｇｎｍｅｎｔ　ｉｎ　ａ　在极端情况下，还会引起地表的隆起。优化的掘进　参数包括：盾构机推力、推进速度、刀盘转速、刀盘扭　矩等；例如对于以齿刀和切刀为主的软土层，刀盘应　该以低转速、大扭矩模式掘进。　Ｍｕｌｉｆｌａｙｅｒｅｄ　Ｇｒｏｕｎｄ『Ｊ］．Ｊｏｕｒｎａｌ　ｏｆＧｅｏｔｅｅｈｎｉｃａｌ　ａｎｄ　Ｇｅｏｅｎｖｉｒｏｎ—　ｍｅｎｔｌａ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００７，１３３（６）：６８４—６９４．　［２］Ｇｏｎｚｌａｅｚ　Ｃ，Ｓａｇａｅｔａ　Ｃ．Ｐａｔｔｅｒｎｓ　ｆ　ｏｓｏｌｌ　ｄｅｆｏｒｍａｔｉｏｎｓ　ａｒｏｕｎｄ　ｔｕｎｎｅｌｓ　［Ｊ］．Ａｐｐｌｉｃａｔｉｏｎ　ｔｏ　ｔｈｅ　Ｅｘｔｅｎｓｉｏｎ　０ｆ　Ｍａｄｒｉｄ　Ｍｅｔｒｏ．Ｃｏｍｐｕｔｅｒｓ　ａｎｄ　Ｇｅｏｔｅｈｎｉｃｓ．２００１（２８）：４４５－４６８．　７　结束语　盾构机掘进过程中由于地层特征的随机性和复　［３］ＬＩ　Ｓｈｏｕｊｕ，ＣＡＯ　Ｕａ／ｌ，ＳＨＡＮＧＧＵＡＮ　Ｚｉｃｈａｎｇ．Ｐａｒａｍｅｔｅｒ　ｉｄｅｎｔｉ—　ｆｉｃａｔｉｏｎ　ａｎｄ　ｐｒｅｓｓｕｒｅ　ｃｏｎｔｒｏｌ　ｏｆ　ｄｙｎａｍｉｃ　ｓｙｓｔｅｍ　ｉｎ　ｓｈｉｅｌｄ　ｔｕｎｎｅｌｉｎｇ　杂性，以及土仓压力控制模型的非线性、时滞性和时　变性，因此，土仓土压力分布模型建模和预测控制模　型的研究，对于有效地控制地表变形和保证盾构安　全施工是非常重要的。从目前的研究现状看，尽管　人们已经认识到土仓土压力优化设定与控制的重要　性，特别是随着盾构机国产化的飞速发展，使得此课　题的研究更具有广泛的工程应用背景，而建立对于　非线性、时变、时滞和不确定的土仓土压力系统的控　制模型仍然是一个没有很好解决的关键问题，而且　国内在这方面的研究也比较缺乏。因此，无论在盾　构机土仓压力分布建模与预测控制的理论研究，还　是在盾构机土仓土压力控制模型工程应用上都非常　迫切需要解决这一课题。　参考文献：　［１］Ｍｉｔｓｕｔａｋａ　Ｓｕｇｉｍｏｔｏ，Ａｐｈｉｃｈａｔ　Ｓｒａｍｏｏｎ，Ｓｈｉｎｊｉ　Ｋｏｎｉｓｈｉ，ｅｔ　１ａ．Ｓｉｍｕ　ｕｓｉｎｇ　ｌｅａｓｔ　ｓｑｕａｒｅｓ　ｍｅｔｈｏｄ［Ｊ］．Ｊｏｕｒｎａｌ　０ｆ　Ｃｏａｌ　Ｓｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅ　ｉｒｎｇ，２０１０，１６（３）：２５６—２６１．　［４］曹丽娟，上官子昌，李守巨．基于神经网络的盾构机密封舱压力　控制研究［Ｊ］．广西师范大学学报，２０１０，２８（３）：１７５—１８２．　［５］上官子昌，李守巨，栾茂田．土压平衡盾构机密封舱土压力控制　方法［Ｊ］．煤炭学报，２０１０，３５（３）：４０２—４０５．　［６］Ａｐｈｉｃｈａｔ　Ｓｒａｍｏｏｎ，Ｍｉｔｓｕｔａｋａ　Ｓｕｇｉｍｏｔｏ，￣￣ｏｕｊｉ　Ｋａｙｕｋａｗａ．Ｔｈｅｏｒｅｔｉ—　ｅａｌ　Ｍｏｄｅｌ　ｏｆ　Ｓｈｉｄｄ　Ｂｅｈａｖｉｏｒ　Ｄｕｒｉｎｇ　Ｅｘｃａｖａｔｉｏｎ．ＩＩ：Ａｐｐｌｉｃａｔｉｏｎ　［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｇｅｏｔｅｃｈｎｉｃａｌ　ａｎｄ　Ｇｅｏｅｎｖｉｒｏｎｍｅｎｔｌａ　Ｅｎｇｉｎｅｅｒｉｎｇ，　２００２，１２８（２）：１５６—１６５．　［７］Ｍｉｔｓｕｔａｋａ　Ｓｎｇｉｍｏｔｏｌａｎｄ却ｈｉｃｈａｔ　Ｓｒａｍｅｏｎ．Ｔｈｅｏｒｅｔｉｃｌａ　Ｍｏｄｅｌ　ｏｆ　Ｓｈｉｅｌｄ　Ｂｅｈａｖｉｏｒ　Ｄｕｒｉｎｇ　Ｅｘｃａｖａｔｉｏｎ．Ｉ　ｔｈｅｏｒｙ：Ａｐｐｌｉａｔｃｉｏｎ［Ｊ］．Ｊｏｕｒ．　ｈａｌ　ｏｆ　Ｇｅｏｔｅｃｈｎｉｃａｌ　ａｎｄ　Ｇｅｅｅｎｖｌｒｏｎｍｅｎｔｌａ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００２，１２８　（２）：１３８—１５５．　［８］Ｒｕｓｓｏ　Ｇ．Ｅｖａｌｕａｔｉｎｇ　ｔｈｅ　ｒｅｑｕｉｒｅｄ　ｆａｃｅ—ｓｕｐｐｏｒｔ　ｐｒｅｓｓｕｒｅ　ｉｎ　ＥＰＢＳ　ａｄｖａｎｃｅ　ｍｏｄｅ［Ｊ］．Ｇａｌｌｅｒｉｅ　ｅ　ｇｒａｎｄｉ　Ｏｐｅｒｅ　Ｓｏｔｔｅｒｒａｎｅｅ，２００３．　责任编辑：么丽苹　—－－——４６・－－——