技术摘要：
本发明公开了一种TBM关键参数智能控制系统及方法，包括如下步骤：PLC读取上位机数据，建立上位机的唯一识别ID；PLC采集掘进数据发送给上位机；输入盾构机设备信息，上位机根据掘进数据判断盾构机是否正常掘进，上位机将盾构机设备信息和正常掘进的掘进数据发送给边缘计  全部
背景技术：
TBM施工具有掘进速度快、施工安全、成洞质量高等优点得到了越来越广泛的应 用。目前TBM掘进参数的选择仍依赖人为经验，司机水平又良莠不齐，经常不能及时有效的 调整掘进策略，对施工质量和效率都造成了较大的影响，甚至可能发生人员伤亡事故。因 此，TBM智能掘进技术已成为隧道智能建造领域的重大技术挑战。 国内外已对隧道智能建造领域的智能控制开展了一系列的研究和探索，但尚不能 满足功能应用需求，存在数据传输效率低、模型更新不及时、无法实现数据的闭环管理等诸 多问题。
技术实现要素：
针对隧道施工过程中数据传输效率低、模型更新不及时、无法实现数据的闭环管 理等的问题，本发明提出了一种TBM关键参数智能控制系统及方法，基于边缘计算技术建立 了TBM智能掘进系统的整体架构，可满足用户各种网络条件下的各种应用需求。 为解决以上技术问题，本发明所采用的技术方案如下： 一种TBM关键参数智能控制方法，包括如下步骤： S1，PLC读取上位机数据，建立上位机的唯一识别ID； S2，启动盾构机，PLC将传感器在线采集的反映盾构机掘进状态的掘进数据传送给到上 位机； S3，通过上位机输入盾构机设备信息，上位机根据步骤S2中所采集的掘进数据判断盾 构机是否处于正常掘进状态，若盾构机处于正常掘进状态，上位机将盾构机设备信息和正 常掘进状态的掘进数据发送给到边缘计算站； S4，边缘计算站对接收到的正常掘进状态的掘进数据和盾构机设备信息进行预处理， 并将处理后的数据发送到大数据中心； S5，通过上位机设定刀盘转速和推进速度，PLC接收上位机的指令并对盾构机的刀盘转 速和推进速度进行调整，边缘计算站根据盾构机模型和实时采集的掘进数据计算掘进数据 最优值，并将掘进数据最优值反馈给到上位机，上位机通过PLC对掘进数据进行在线调整； S6，云计算平台根据大数据中心中的数据对盾构机模型重新进行训练，将训练好的盾 构机模型自动更新至边缘计算站； S7，边缘计算站根据训练好的盾构机模型和实时采集的掘进数据计算新的掘进数据最 优值，上位机根据新的掘进数据最优值并通过PLC对掘进数据不断进行调整。 在步骤S1中，所述唯一识别ID根据上位机的硬盘序列号X所建立，PLC读取上位机 的一个硬盘序列号X，利用MD5加密算法对硬盘序列号X进行处理得到机器码Y，截取机器码Y 4 CN 111594201 A 说　明　书 2/7 页 的最后N位即为该上位机的唯一识别ID。 在步骤S3中，所述上位机根据步骤S2中所采集的掘进数据判断盾构机是否处于正 常掘进状态，包括如下步骤： S3.1，上位机调用刀盘卡机风险报警模型，刀盘卡机风险报警模型根据步骤S2中所采 集的掘进数据中的刀盘扭矩判断刀盘是否处于正常掘进状态； S3.2，上位机调用盾体卡机风险报警模型，盾体卡机风险报警模型根据步骤S2中所采 集的掘进数据中的推进速度判断盾构机是否处于正常启动状态。 在步骤S4中，所述边缘计算站对接收到的正常状态的掘进数据和盾构机设备信息 进行处理，包括如下步骤： S4.1，边缘计算站按照掘进数据的位数设定标准，对掘进数据中的异常数据进行清洗 并替换； S4.2，边缘计算站通过位移编码标识的形式对盾构机设备信息和步骤4.1中清洗和替 换后的掘进数据进行标准化； S4.3，边缘计算站将步骤S4.2中标准化后的数据发送到大数据中心，大数据中心按照 TBM型号对所有数据建库保存。 在步骤S4.1中，所述掘进数据的位数设定标准是指正常的掘进数据为小数点后保 留两位；所述对掘进数据中的异常数据进行清洗并替换是指若掘进数据的小数点后的数据 超过两位或不足两位，边缘计算站判定为接收到异常数据，并将异常数据替换为“999.99”； 若一条掘进数据中的某一掘进数据为空，边缘计算站判定为该掘进数据缺失，并将所缺失 的掘进数据设定为“999.99”，若一条掘进数据中的掘进数据缺失15%以上时，边缘计算站直 接删除该条掘进数据；若两条掘进数据的每个掘进数据均相同时，边缘计算站直接删除第 二条掘进数据。 在步骤S4.2中，所述对盾构机设备信息和步骤S3.1中清洗后的掘进数据进行标准 化是指建立唯一标识ID，唯一标识ID为七位字符，第1位字符表示盾构机的数据类别，数据 类别包括主要数据、设备参数、开关量、报警量或统计量；第2位字符表示厂家数据参数，厂 家数据参数包括各类参数、散乱参数、中铁装备参数、海瑞克参数或罗宾斯参数；第3-4位字 符表示厂家数据参数的归属系统，厂家数据参数的归属系统包括液压系统、控制系统、冷却 水系统、润滑密封系统、膨润土系统或皮带机系统；第5-7位字符表示推进速度、刀盘转速、 贯入度、总推力或刀盘扭矩。 在步骤S5中，所述边缘计算站根据盾构机模型和实时采集的掘进数据计算掘进数 据最优值，包括如下步骤： S5.1，边缘计算站根据掘进参数最低有效值和采样时间点对实时采集的每条掘进数据 中的掘进参数进行比较，以判定出有效掘进点的掘进数据； S5.2，上位机调用盾构机模型的岩体感知模型，并根据步骤S5.1中的所述有效掘进点 的掘进数据计算岩体参数； S5.3，上位机调用盾构机模型的辅助驾驶模型，并根据步骤S5.2中的岩体参数和步骤 S5.1中的所述有效掘进点的掘进数据，计算掘进数据最优值。 一种TBM关键参数智能控制系统，包括用于采集掘进数据的PLC、用于设定掘进参 数的上位机、用对PLC所采集的掘进数据进行处理的边缘计算站和用于更新盾构机模型的 5 CN 111594201 A 说　明　书 3/7 页 云计算平台，PLC与上位机相连接，上位机与边缘计算站相连接，边缘计算站分别与大数据 中心和云计算平台连接，且大数据中心与云计算平台相连接。 本发明的有益效果： 本发明利用边缘计算站为桥梁连接上位机和云计算平台，使上位机避免暴露在公网环 境下，且上位机与云计算平台通讯时需要验证该上位机的唯一识别ID，验证通过后才进行 通信，保证了通信的安全；盾构机产生的数据首先经过边缘计算站的清洗和标准化再发送 至大数据中心，有效提高了数据质量和传输效率；云计算平台可以不断地对盾构机模型进 行训练，并自动更新至边缘计算站，且盾构机模型只需满足输入输出参数要求即可运行，具 有丰富的可扩展性；大数据中心对盾构机设备信息和掘进数据进行存储，为数据分析决策 提供了可靠的数据源，且大数据中心中的数据不断积累，每达到一定数值，已有模型即会重 新生成并优化更新，进一步提高了预警及决策的效率，实现了掘进效率的良性循环和数据 的闭环管理，实现了云计算平台、边缘计算站和盾构机的高效连接，提高了TBM施工及决策 的效率，为TBM智能掘进进一步夯实了基础。 附图说明 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。 图1为本发明的控制流程示意图。 图2为本发明的架构图。 图3为MongoDb数据存储结构图。