智能化对运筹学模型的挑战(论文推荐詹金武等)

【能源人都在看,点击右上角加'关注'】

智能化对运筹学模型的挑战(论文推荐詹金武等)(1)

长按识别二维码,进入点击PDF可查看全文

作 者

詹金武,李 涛,李 超

作者单位

北京交通大学 土木建筑学院

研究背景

为了保持国民经济快速可持续发展,近年来我国修建了大量的矿山、水利、交通等深埋长大隧道。对于深埋、长大隧洞的施工,通常优先采用隧洞掘进机(TBM)施工,其具有快速、优质、安全等优点。与常规钻爆法相比,整体上比较经济。由于地质环境的复杂性,TBM在施工时往往面临着众多不确定因素的影响,因选型不当而引起的工程事故时有发生。TBM设备的正确选型是保障隧道工程顺利进行的前提,具有十分重要的意义。

人工智能是在计算机科学、控制论、信息论、心理学、语言学等多种学科相互渗透的基础发展起来的一门新兴边缘学科,主要用于模仿和实现人类的智能行为。目前,人工智能应用领域涵盖了符号计算、模式识别、专家系统、机器翻译等方面,其2个主要特点为从人工知识表达到大数据驱动的知识学习技术,以及从分类型处理的复杂数据转向多环境的认知、学习、推理。

笔者采用人工智能中的智能设计理论和决策理论,将知识获取与模糊综合评价模型相结合,开展多指标决策的TBM定量化选型研究。其中,以规则的形式表示人工知识,构建复杂地质条件下TBM选型适应性评价知识库,实现库中知识的添加、修改和更新等功能。基于IDSDP智能平台开发TBM选型适应性评价决策支持系统,达到TBM选型适应性智能评价决策的目的。

摘 要

随着我国西部的大开发和“一带一路” 的建设,迫切需要大力发展交通、矿山、水利等重大“生命线”工程,而深埋长大隧道往往是这些生命线工程的关键控制性工程。

限于地质、地形和自然环境条件,从施工工期、造价和技术进步3个方面考虑,TBM(Tunnel Boring Machine)工法是深长隧道开挖的优先选择。深长隧道TBM的适应性受到众多因素的影响,难以进行有效和定量的评价。主要影响因素为不良地质,如突涌水、软岩大变形、断层破碎带、岩爆等;此外,隧道的设计、隧址地质条件等对TBM的选型也有重要影响。 人工智能方法具有能够分析复杂因素影响和处理复杂问题的突出特点,可用于TBM选型适应性的有效评价。

首先,基于层次分析法和模糊综合评判方法,通过TBM选型评价知识的获取,选取能够充分反映不同机型地质适应性差异、具有代表性和区分度高的7个评价指标,构建了TBM选型适应性评价指标体系及模糊综合评价模型,确定了各个评价指标的模糊隶属函数。

其次,通过编写权重辅助计算程序,确定了3种TBM机型选型适应性评价指标的权重;其中,为了避免单指标决策的局限性和主观臆断的缺陷,采用智能设计理论和决策理论相结合的方法,完成了多指标智能决策的定量化选型。 将评价模型与知识获取相结合,以规则的形式表示知识,构建了TBM选型适应性评价知识库。

最后,基于智能评价决策支持系统平台IDSDP,开发了TBM选型适应性智能评价决策支持系统,为深长隧道TBM选型提供了一种新的量化评价方法。利用该系统对高黎贡山铁路隧道TBM的选型进行了适应性评价,评价结果与实际情况相吻合。

文中图片

智能化对运筹学模型的挑战(论文推荐詹金武等)(2)

系统的基本结构

智能化对运筹学模型的挑战(论文推荐詹金武等)(3)

层次结构模型

智能化对运筹学模型的挑战(论文推荐詹金武等)(4)

长大隧道综合适应度计算示意

智能化对运筹学模型的挑战(论文推荐詹金武等)(5)

Hoek围岩挤压变形等级判断

智能化对运筹学模型的挑战(论文推荐詹金武等)(6)

TBM选型模糊综合评价指标体系

智能化对运筹学模型的挑战(论文推荐詹金武等)(7)

TBM选型准则层权重计算

智能化对运筹学模型的挑战(论文推荐詹金武等)(8)

敞开式TBM选型Q3指标层权重计算

智能化对运筹学模型的挑战(论文推荐詹金武等)(9)

敞开式TBM选型总层次指标权重计算

智能化对运筹学模型的挑战(论文推荐詹金武等)(10)

敞开式TBM选型适应性评价决策支持系统知识库

智能化对运筹学模型的挑战(论文推荐詹金武等)(11)

敞开式TBM选型适应性评价决策知识库编程结构

智能化对运筹学模型的挑战(论文推荐詹金武等)(12)

TBM选型适应性智能评价决策支持系统界面

智能化对运筹学模型的挑战(论文推荐詹金武等)(13)

TBM选型适应性智能评价决策功能模块

智能化对运筹学模型的挑战(论文推荐詹金武等)(14)

基于人工智能的TBM选型评价决策流程

智能化对运筹学模型的挑战(论文推荐詹金武等)(15)

隧道地质纵断面

智能化对运筹学模型的挑战(论文推荐詹金武等)(16)

高黎贡山隧道出口段施工平面布置

智能化对运筹学模型的挑战(论文推荐詹金武等)(17)

TBM选型数据管理

智能化对运筹学模型的挑战(论文推荐詹金武等)(18)

TBM选型决策分析

智能化对运筹学模型的挑战(论文推荐詹金武等)(19)

TBM选型综合适应性数据管理

智能化对运筹学模型的挑战(论文推荐詹金武等)(20)

TBM选型综合适应性分析

来源:

詹金武,李涛,李超. 基于人工智能的TBM 选型适应性评价决策支持系统[J]. 煤炭学报,2019,44(10):3258-3271.

ZHAN Jinwu,LI Tao,LI Chao. Decision support system of adaptability evaluation for TBM selection based on artificial intelligence[J]. Journal of China Coal Society,2019,44(10):3258-3271.

责任编辑:郭晓炜编辑整理:郭晓炜

审 核常琛

End

往期精彩

钱鸣高,许家林:煤炭开采与岩层运动

王家臣:我国放顶煤开采的工程实践与理论进展

袁亮院士视频讲解煤炭精准开采科学构想

谢和平,鞠杨,高明忠,等:煤炭深部原位流态化开采的理论与技术体系

王国法,刘峰,庞义辉,等:煤矿智能化——煤炭工业高质量发展的核心技术支撑

联系我们

联系人:郭晓炜

电话:010-84262930-811

邮箱:guoxiaowei@chinacs.org.cn

网址:www.mtxb.com.cn

版权声明:

本平台刊登的《煤炭学报》所有稿件均按照国家版权局有关规定支付了相应稿酬,《煤炭学报》享有稿件的信息网络传播权。未经授权,不得匿名转载。本平台所使用的图片属于相关权利人所有,因客观原因,部分作品如存在不当使用的情况,请相关权利人随时与我们联系。

免责声明:以上内容转载自煤炭学报,所发内容不代表本平台立场。

全国能源信息平台010-65367702,邮箱:hz@people-energy.com.cn,地址:北京市朝阳区金台西路2号人民日报社

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页