一种火山灰地层的盾构掘进智能调向方法

1.一种火山灰地层的盾构掘进智能调向方法，其特征在于，所述方法包括：通过多源传感器采集盾构机与目标区域的施工数据，对所述施工数据进行预处理，并对预处理后的施工数据进行融合，得到实时监测数据；获取所述目标区域的历史掘进误差数据，利用深度学习模型对所述历史掘进误差数据与所述实时监测数据进行分析，生成掘进方向调整指令；根据所述掘进方向调整指令对所述盾构机的推进速度与转向角度进行调整，并根据所述掘进方向调整指令对所述盾构机内的多个顶进油缸的推力分布进行调整；根据所述实时监测数据生成泥饼防治指令，并根据所述泥饼防治指令对泥饼清除装置的清除参数进行调整，通过人机交互界面实时展示调整后的盾构机的运行状态和掘进方向。 2.根据权利要求1所述的火山灰地层的盾构掘进智能调向方法，其特征在于，所述多源传感器包括姿态传感器、地质雷达、摄像头、泥浆参数传感器，所述施工数据包括倾斜角度、加速度、地层结构信号、掘进面图像、压力数据、流量数据、黏度数据与地层湿度数据，所述通过多源传感器采集盾构机与目标区域的施工数据，包括：利用遗传算法优化所述多源传感器在所述盾构机上的安装位置；通过所述姿态传感器采集所述盾构机的倾斜角度与加速度，通过所述地质雷达采集所述目标区域的地层结构信号；通过所述摄像头采集所述目标区域的掘进面图像，通过所述泥浆参数传感器采集所述目标区域的泥浆参数，包括压力数据、流量数据、黏度数据与地层湿度数据中的至少一项。 3.根据权利要求2所述的火山灰地层的盾构掘进智能调向方法，其特征在于，所述对所述施工数据进行预处理，并对预处理后的施工数据进行融合，得到实时监测数据，包括：利用卡尔曼滤波算法对所述盾构机的倾斜角度与加速度进行平滑处理，得到预处理后的倾斜角度与预处理后的加速度；利用小波变换算法对所述目标区域的地层结构信号进行多分辨率分析，得到预处理后的地层结构信号；利用卷积神经网络对所述目标区域的掘进面图像进行图像分析，得到预处理后的掘进面图像；利用支持向量机对所述目标区域的泥浆参数进行分类预测，得到预处理后的泥浆参数；利用扩展卡尔曼滤波算法对预处理后的倾斜角度、预处理后的加速度、预处理后的地层结构信号、预处理后的掘进面图像与预处理后的泥浆参数进行融合处理，生成所述实时监测数据。 4.根据权利要求3所述的火山灰地层的盾构掘进智能调向方法，其特征在于，所述预处理后的地层结构信号包括岩石、孔隙、水分与地层不均匀性，所述利用小波变换算法对所述目标区域的地层结构信号进行多分辨率分析，得到预处理后的地层结构信号，包括：根据所述地层结构信号的频率特性和目标分辨率确定目标小波函数；利用所述目标小波函数对所述地层结构信号进行小波分解，得到小波分量，包括低频分量与高频分量；过滤掉所述高频分量中高于预设频率阈值的噪声信号，通过分析去噪后的高频分量的突变点和强度，识别出所述目标区域的岩石、孔隙与水分，通过分析所述低频分量的波动，识别出所述目标区域的地层不均匀性。 5.根据权利要求2所述的火山灰地层的盾构掘进智能调向方法，其特征在于，所述利用深度学习模型对所述历史掘进误差数据与所述实时监测数据进行分析，生成掘进方向调整指令，还包括：利用支持向量回归模型对所述历史掘进误差数据进行回归分析，确定掘进方向偏差趋势与掘进方向偏差因素；利用贝叶斯网络对所述地层结构信号的地质参数进行综合分析，确定所述目标区域内的各地质层段对掘进方向的影响权重；利用模糊自适应控制算法并根据所述历史掘进误差数据与所述地层结构信号，确定所述盾构机中各顶进油缸的推力分布；利用所述深度学习模型对所述实时监测数据、所述掘进方向偏差趋势、所述掘进方向偏差因素、所述目标区域内的各地质层段对掘进方向的影响权重与所述盾构机中各顶进油缸的推力分布进行处理，生成所述掘进方向调整指令。 6.根据权利要求5所述的火山灰地层的盾构掘进智能调向方法，其特征在于，所述利用支持向量回归模型对所述历史掘进误差数据进行回归分析，确定掘进方向偏差趋势与掘进方向偏差因素，包括：利用所述支持向量回归模型对所述历史掘进误差数据进行回归分析，生成误差预测曲线；根据所述误差预测曲线识别出掘进位移误差的线性趋势、周期性波动与突变点，得到所述掘进方向偏差趋势；获取附加传感器采集的附加数据，对所述附加数据与所述历史掘进误差数据进行相关性分析，确定与掘进位移误差之间存在相关性的基本因素，并利用所述支持向量回归模型确定所述基本因素中与掘进位移误差之间的相关性大于预设相关性阈值的目标因素，得到所述掘进方向偏差因素。 7.根据权利要求5所述的火山灰地层的盾构掘进智能调向方法，其特征在于，所述利用贝叶斯网络对所述地层结构信号的地质参数进行综合分析，确定所述目标区域内的各地质层段对掘进方向的影响权重，包括：根据各所述地质参数定义所述贝叶斯网络的节点，根据所述历史掘进误差数据，定义各所述节点之间的条件依赖关系与条件概率表，其中，所述条件概率表用于描述一个节点在其父节点给定条件下的概率分布；将各所述地质参数输入所述贝叶斯网络，计算各所述地质参数在给定条件下掘进方向偏差的概率；根据各所述地质参数在给定条件下掘进方向偏差的概率与各所述掘进方向偏差对所述掘进方向的影响程度，计算所述目标区域内的各地质层段对所述掘进方向的影响权重。 8.根据权利要求5所述的火山灰地层的盾构掘进智能调向方法，其特征在于，所述利用模糊自适应控制算法并根据所述历史掘进误差数据与所述地层结构信号，确定所述盾构机中各顶进油缸的推力分布，包括：将所述地层结构信号的地质参数、所述历史掘进误差数据与实时掘进误差数据转化为模糊集合，并采用预设隶属函数定义各所述模糊集合的范围；根据所述历史掘进误差数据确定模糊规则，利用所述模糊自适应控制算法将所述模糊规则应用于各所述模糊集合，计算各所述顶进油缸的模糊推力分布；利用去模糊算法对各所述顶进油缸的模糊推力分布进行去模糊化处理，得到各所述顶进油缸的推力分布。 9.根据权利要求5所述的火山灰地层的盾构掘进智能调向方法，其特征在于，所述深度学习模型包括卷积神经网络模块、长短期记忆网络模块与综合输出模块，所述利用所述深度学习模型对所述实时监测数据、所述掘进方向偏差趋势、所述掘进方向偏差因素、所述目标区域内的各地质层段对掘进方向的影响权重与所述盾构机中各顶进油缸的推力分布进行处理，生成所述掘进方向调整指令，包括：通过所述卷积神经网络模块提取所述实时监测数据的空间特征数据；通过所述长短期记忆网络模块分析所述历史掘进误差数据与所述实时监测数据的时间相关性，得到时间序列数据；通过所述综合输出模块结合所述空间特征数据与所述时间序列数据，生成预测结果，所述预测结果用于表示对地层变化趋势和偏移风险的预测；根据所述预测结果，计算出目标掘进方向调整量，并采用PID控制算法结合所述目标掘进方向调整量、所述掘进方向偏差趋势、所述掘进方向偏差因素、所述目标区域内的各地质层段对掘进方向的影响权重与所述盾构机中各顶进油缸的推力分布，生成所述掘进方向调整指令。 10.根据权利要求2所述的火山灰地层的盾构掘进智能调向方法，其特征在于，所述根据所述实时监测数据生成泥饼防治指令，并根据所述泥饼防治指令对泥饼清除装置的清除参数进行调整，包括：根据所述掘进面图像，识别泥饼位置、泥饼厚度、泥饼分布范围、泥饼物理特性；根据所述泥饼位置、所述泥饼厚度、所述泥饼分布范围、所述泥饼物理特性与所述泥浆参数，生成所述泥饼防治指令；根据所述泥饼防治指令调整所述泥饼清除装置的清除力度和频率。