← 返回列表

一种用于高压旋喷桩控制的多模态数据处理方法及装置

申请号: CN202311743236.X
申请人: 中铁三局集团广东建设工程有限公司; 中铁三局集团有限公司
更新日期: 2026-03-09

专利详细信息

项目 内容
专利名称 一种用于高压旋喷桩控制的多模态数据处理方法及装置
专利类型 发明授权
申请号 CN202311743236.X
申请日 2023/12/19
公告号 CN117420810B
公开日 2024/3/12
IPC主分类号 G05B19/418
权利人 中铁三局集团广东建设工程有限公司; 中铁三局集团有限公司
发明人 陈世超; 孙廷鑫; 牛洪强; 张晓鹏; 巫祖伟; 吴琛; 杨明; 朱晨; 程海玲
地址 广东省广州市白云区北太路1633号广州民营科技园科盛路8号配套服务大楼5层A505-8房; 山西省太原市迎泽区迎泽大街269号

摘要文本

中铁三局集团广东建设工程有限公司; 中铁三局集团有限公司获取“一种透气窗帘布”专利技术,本发明公开了一种用于高压旋喷桩控制的多模态数据处理方法及装置,该方法包括:在旋喷注浆设备工作时,实时获取所述旋喷注浆设备的浆液传感数据、管道压力数据、红外测距数据、图像数据和超声波穿越数据;根据所述浆液传感数据、所述管道压力数据、所述红外测距数据和所述图像数据,以及所述旋喷注浆设备的已工作时长,确定所述旋喷注浆设备的工作状况;根据所述工作状况,确定所述旋喷注浆设备的控制指令;根据所述超声波穿越数据和所述工作状况,预测所述旋喷注浆设备对应的旋喷桩工程的完成时间和完成质量。可见,本发明能够实现更加全面和智能地对旋喷桩工程进行监控和预判,利用数据处理提高工程智能化程度,提高效率,减少出错。

专利主权项内容

1.一种用于高压旋喷桩控制的多模态数据处理方法,其特征在于,所述方法包括:在旋喷注浆设备工作时,实时获取所述旋喷注浆设备的浆液传感数据、管道压力数据、红外测距数据、图像数据和超声波穿越数据;所述超声波穿越数据为设置在所述旋喷注浆设备上方的接收器接收到的由设置在注浆管底部的发射器发送的超声波数据;根据所述浆液传感数据,以及预设的传感数据和凝结程度的数学对应关系模型,确定所述旋喷注浆设备对应的浆液凝结程度参数;判断所述浆液凝结程度参数是否大于预设的凝结阈值,以判断所述旋喷注浆设备是否存在凝浆异常情况;所述凝结阈值根据所述旋喷注浆设备的已工作时长和预设的正常凝结程度和时长的数学对应关系计算得到;判断所述红外测距数据与预设的距离参考值之间的距离差值是否大于预设的第一差值阈值,以判断所述旋喷注浆设备是否存在提升异常情况;所述距离参考值根据所述已工作时长和预设的正常距离和时长的数学对应关系计算得到;判断所述管道压力数据与预设的压力参考值之间的压力差值是否大于预设的第二差值阈值,以判断所述旋喷注浆设备是否存在压力异常情况;所述压力参考值根据所述已工作时长和预设的正常压力和时长的数学对应关系;根据所述图像数据,和预设的图像分析算法,判断所述旋喷注浆设备是否存在冒浆异常情况;依照以下规则确定所述旋喷注浆设备的控制指令:当判断到所述旋喷注浆设备存在凝浆异常情况时,确定所述旋喷注浆设备的控制指令为立即停止全部部件的工作并发送报警指令至监控终端;当判断到所述旋喷注浆设备存在提升异常情况时,确定所述旋喷注浆设备的控制指令为控制提升部件的提升速度为当前速度与第一参数值的和;所述第一参数值的正负符号与所述距离差值相同;所述第一参数值的绝对值大小与所述距离差值的绝对值大小成正比;当判断到所述旋喷注浆设备存在压力异常情况时,确定所述旋喷注浆设备的控制指令为控制注浆泵部件的泵功率降低第二参数值;所述第二参数值的大小与所述压力差值成正比,当所述压力差值大于第三差值阈值时,确定所述旋喷注浆设备的控制指令为控制注浆泵部件停止工作;当判断到所述旋喷注浆设备存在冒浆异常情况时,确定所述旋喷注浆设备的控制指令包括:控制所述提升部件的提升速度提高第三参数值;控制旋转部件的旋转速度提高第四参数值;控制所述旋喷注浆设备的喷嘴直径缩小第五参数值;控制所述注浆泵部件的泵功率提高第六参数值;所述第三参数值、所述第四参数值、所述第五参数值和所述第六参数值均与冒浆差值成正比;所述冒浆差值为当前浆液喷洒参数和当前冒浆阈值之间的差值;将所述超声波穿越数据,输入至训练好的凝固进度预测神经网络中,以得到所述旋喷注浆设备对应的旋喷桩工程的凝固进度;所述凝固进度预测神经网络通过包括有多个训练超声波穿越数据和对应的凝固进度标注的训练数据集训练得到;根据所述旋喷注浆设备的已工作时长和预设的时长和凝固进度的数学对应关系,得到所述旋喷桩工程对应的凝固进度参考值;判断所述旋喷桩工程的所述凝固进度与所述凝固进度参考值之间的进度差值是否大于预设的进度差阈值,以确定所述旋喷桩工程是否存在凝固异常情况;将所述凝固进度和所述进度差值,输入至训练好的剩余工程时长预测神经网络,以得到所述旋喷桩工程的剩余工程时长;所述剩余工程时长通过包括有多个训练凝固进度和训练进度差值和对应的剩余工程时长的训练数据集训练得到;计算所述剩余工程时长和当前时间的和,得到所述旋喷桩工程的完成时间;计算所述剩余工程时长和所述已工作时长的和,得到预计总完成用时;计算所述预计总完成用时和所述旋喷桩工程对应的预计用时之间的用时差值;计算所述进度差值、所述用时差值、所述距离差值、所述压力差值和所述冒浆差值的加权求和值,得到所述旋喷桩工程对应的完成质量参数。