[发明专利]一种盾构机施工预警方法及装置

说明书

本发明涉及一种盾构机施工预警方法及装置，属于隧道掘进技术领域，全断面岩石掘进机(tunnel boring machine,TBM)具有施工速度快，安全性高，经济性好等优点，在高速公路、铁路运输、城市地铁等重大工程中得到了广泛的应用。由于工作环境恶劣，需要实时的施工预警方法及装置。本发明针对刀盘检测和围岩分类两个领域，设计了基于岩渣分类和围岩完整性监测的方法，实现了隧道施工监测预警。两种方法均基于卷积神经网络，因此本发明提出一种基于OpenCL的卷积神经网络加速架构，实现了针对预警方法的部署加速装置。

技术领域

本发明属于隧道掘进技术领域，具体为盾构机施工预警方法及装置。

背景技术

全断面岩石掘进机(tunnel boring machine,TBM)具有施工速度快，安全性高，经济性好等优点，在高速公路、铁路运输、城市地铁等重大工程中得到了广泛的应用。由于工作环境恶劣，刀盘滚刀极易受到异常磨损和损坏，如果施工过程当中无法及时发现并处理刀具出现的损坏，不仅会降低掘进效率，还会致使刀盘出现异常磨损，影响工程进度与施工质量.因而研究盾构刀具的磨耗原因并对刀具磨损情况进行实时监控，对刀具的合理选择、使用、维护和更换尤为必要。根据TBM刀盘滚刀的破岩机制，当刀盘磨损或者损坏时，掘进产生的岩渣碎片尺寸会增大。因此，可以通过监测传送带上的岩渣碎片情况间接监测刀盘的状态，指导现场施工人员及时检查和更换刀具。相机在传送带上方采集图像，避开了恶劣的生产环境，同时还具有设备简单、损耗低、成本低、长时间监测等优点。

同时隧道围岩等级分类在隧道施工中有着至关重要的作用，是隧道开挖后稳定性判定及相应支护措施选取的重要因素。传统的围岩分级依据岩石的强度，岩体的完整性，裂隙填充物，地下水及地应力等情况综合而定，由于工作量较大且难以获取，导致前期勘察中的围岩分级较为粗略。隧道施工环境及工序复杂，施工中的TBM可能会影响拍摄视线，同时，围岩开挖后会采用一定的支护措施来确保围岩的稳定，例如锚杆、钢筋网、钢拱架等会干扰图像的识别。基于全卷积神经网络的围岩完整性检测网络可以有效避免干扰物的影响，同时图像分割网络可以将裂缝与背景分割开，更加直观的显示当前围岩完整性，从而指导施工人员根据围岩种类选择合适的支护设计和施工

基于上述背景，本发明提出基于卷积神经网络的盾构机施工预警方法及装置。通过卷积神经网络实现岩渣分类以及围岩完整性监测，并通过所提出的设备实现图像的采集以及网络的计算。

发明内容

本发明提供一种基于计算机视觉的盾构机预警方法及装置，包括采集图像信息的图像传感器若干，异构计算装置，以及对结果进行显示的显示器。为达到以上目的，本发明采取了以下技术方案：

步骤1：通过分布于盾构机不同位置的图像采集装置采集掘进过程中的岩渣图像以及围岩图像。

步骤2：将图像传输至异构计算终端，通过预处理后输入到不同的卷积神经网络分别对输入的岩渣图像和围岩图像进行网络计算。

步骤3：特征提取，采用卷积层进行特征提取分支，对于岩渣分类网络，卷积层后连接全连接层进行分类，对于围岩完整性检测网络，连接解码层进行分类和异常分割。

步骤4：特征分类，经Softmax函数将岩渣图像分为正常和异常两类，通过解码器将围岩图像分为完整和不完整区域两部分。

步骤5：将分类结果输出到显示装置中进行显示，从而帮助施工人员确定当前的施工状况。

附图说明

图1为本发明所涉一种基于卷积神经网络的岩渣分类方法整体流程图

图2为岩渣数据集示意

图3为基于全卷积网络的围岩完整性监测方法

图4围岩完整性检测网络计算结果示意

图5基于CPU+FPGA的卷积神经网络异构计算架构

图6系统整体架构