[分享]盾构也要"无人驾驶"，马来西亚自主运行TBM

随着工业4.0时代的来临，地下工程也在逐渐拥抱自动化与智能化。去年，由马来西亚MMC Gamuda公司研发的“自主运行TBM”系统夺得2019年国际隧协“年度技术革新”大奖，令人记忆犹新之余，也使人充满好奇。本期，小编就为大家揭秘全球首个自主运行TBM系统的诞生与应用！

系统研发背景

自主运行TBM系统（Autonomous TBM，简称为A-TBM）是一种实现TBM自主推进、转向与控制的智能化系统。该系统的前身是一套TBM模拟设备——早在2016年，马来西亚隧道培训学院（TTA）搭建了盾构驾驶室全真环境，进行急曲线推进、工作面坍塌、螺旋机堵塞等模拟场景训练。

2018年，经过深入开发与完善，研究团队为这套模拟器搭建了完整的可编程逻辑控制器（PLC），以此为基础研发了盾构的自动转向控制功能，于同年第三季度在两台TBM上进行了实机试验，效果极佳。有鉴于此，团队开始研究更深入、细致的控制算法，将自主运行扩展至TBM运行的所有子系统中，即自主运行TBM系统。

系统研发的特点与挑战

■ 盾构在地下推进的自由度远比车辆在公路上小，也无需感知行进中的人或物体，研发可基于纯粹数据而非视觉感受，降低了复杂程度。

■ 盾构推进速度相对较慢，对于瞬时反应要求低；

■ 然而，自主运行TBM的研发无法如车辆自动驾驶技术般从获得数量庞大的行驶数据，不仅TBM施工数据样本有限，公开的TBM推进参数更是极少。

A-TBM系统以吉隆坡KV地铁2号线的16个隧道13.5km隧道区间及1号线9.5km的隧道掘进数据为样本，结合传统的TBM控制方法与参数进行开发。如今的A-TBM系统已能控制TBM的各个子系统，分为自动转向与自动推进：

■ 自动转向实现TBM对于盾构轴线的自动控制；

■ 自动推进则实现盾构推力、刀盘转速、自动切削、自动注浆、开挖量平衡、泥水平衡的自动控制。

■ 单个子系统采用模块化设计，只实现特定功能。

系统架构和AI控制算法

A-TBM系统由“即插即用”式自主运作模组与可编程逻辑控制器（PLC）组成，两者交换数据后，模块根据PLC的反馈信息做出决策。自主运作模块为TBM的“大脑”，而PLC则是“神经系统”：

系统架构

“大脑”——自主运作模组

■ “大脑”由各种AI算法综合而成，大多基于专有的通用控制算法，如PID（比例积分微分控制），与其他微服务架构连接，实现自主运行。PID是当今的经典控制算法，广泛应用于汽车巡航控制、温度调节等；

■ 由于单个子系统的输入和输出之间存在非线性和交叉耦合，因此工程团队花费了大量时间连接各个算法，对所有的TBM子系统进行整合优化；

■ 可通过掘进中央指挥控制中心远程访问“大脑”，查阅系统决策过程，并提供参数可视化。

推进参数可视化

“神经系统”——可编程逻辑控制器PLC

■ 一台TBM上有数以百计的传感器，连接至可编程逻辑控制器（PLC），每分钟采样数千个数据点，该模式极其适宜自动化，以人类无法做到的速度同时处理大量数据并采取响应措施。

■ “大脑”与“神经系统”进行通信，交换数据并基于传感器反馈做出决策，再利用单独的执行器控制TBM的运行。

■ 为保证无网络情况下的可靠性，目前的系统使用了本地计算机系统而非云连接；PLC与本地计算机之间的硬件交互更易于管理，排障时间更短。

工程应用与实效

A-TBM研发完成后直接于吉隆坡KV地铁2号线中13.5km隧道的建设中得以应用，工程12台TBM中的10台采用了这一系统。隧道穿越复杂多变的喀斯特地层，沿线至少存在6个断层带，为隧道工程界最具挑战性的地质之一。系统也同样使用了可变密度盾构作为实验平台，当然，由于系统采用模块化设计，这一系统可以用于任意TBM。

KV地铁2号线的复杂地质

轴线精度自动控制

■ 根据最早两台A-TBM的掘进数据，在无人值守的情况下，掘进中的TBM护盾的偏移值为+-5mm，运行平稳。

■ 同时，自动转向的达到的精度显著提高：人工转向时需反复观察与调节油缸，转向程度不均匀；而在自主模式下，计算机会基于建立的数学模型与算法不断实时对油缸推力进行细微调整，使盾构精确地保持在设计轴线上。

接触压力自动平衡

■ 上图展示了一环的推进中接触压力的曲线。TBM推进不仅需要推力，还要在掘进速率最大化的同时，限制最大接触压力，以保护切削刀具。

■ 由于地层复杂多变，推力与产生的接触压力是高度非线性的。推力增加会导致接触压力的增加，但增加的幅度取决于所遇到的地质类型，可能极不均匀。

■ 推进参数在推进前由人工设定，之后交由自主系统控制。从掘进数据图表可以看出，A-TBM较为有效地将接触压力保持在推力或接触力的极限范围内。

地层变化自主调节

■ 上图展示了系统针对预期地质条件的调节机制。图中蓝色部分地质为喀斯特石灰岩、灰色部分则为肯尼山砂层。

■ 自主运行过程中，系统从较软土层中，绿色的“速度控制”指标转换成了较硬岩层中红色的“接触压力控制”指标。

■ 图中方框部分中显示TBM遭遇了较硬的岩石，此时自主系统将接触压力降低，以保护切削刀具。

■ 在该区域内设定的渗透压极限更高，但由于机器受到接触压力的限制，因此这一设定的极限并未生效。

2019年第一季度，首台搭载A-TBM系统的S-776盾构穿越长1.9km的喀斯特地层后顺利贯通。至今，已有10台TBM应用了这一系统，总计自主掘进长度已超6km。

首台贯通的A-TBM

在密集城区下的A-TBM应用

技术发展前景

A-TBM系统采用“即插即用”与模块化设计，可以快速安装并应用于任意一台TBM上；操作人员无需进入设备，也不用忙于观察与操作，可以更多关注管片拼装、沉降等；系统具有更短响应时间、更客观的决策能力，同时避免工人由于疲劳或数据过多造成的认知负荷与操作失误；自主控制带来了更高的推进效率与精度。

然而，目前用于决策的数据分析仍然以描述性分析为主，即发现问题并加以应对（如同传统TBM的决策过程），目前团队正在尝试引入机器学习与大数据技术，研究自主的事前预测技术，未来的A-TBM或将开始接管工程师的岗位，进行一些知识性工作，例如制定TBM长期的运行策略等。

未来的盾构：

不仅帮你推，

还帮你想好了要怎么推

结语

随着智慧设备的发展，未来的盾构也能实现“无人驾驶”，在提高安全性的同时，也会带来更高的生产效率，而未来的智能化盾构更是将代替人类制定决策，实现不折不扣的“自动化”，让我们期待这一技术创新的到来吧！