Page 10 - 2023年第54卷第12期

智能振冲控制模型核心是基于振冲工作状态 Ｓ＝ （Ｉ，Ｔ，Ｑ，Ｄ，ｖ，ｔ ），结合当前地层参数 Ｇ＝
ｔ ｖｉｂ
（ ρ ，ｎ，ｗ，ｆ）和施工参数 Ｃ ＝ （Ｉ ，ｔ，Ｔ ，Ｄ ），决策下一步的动作 Ａ ＝ （ａ，ａ，ａ），如式（２）
ａｋ ｖｉｂ ｖ ｍｉｎ ｌｅｎ ｔ ＋ １ Ｉ Ｑ Ｄ
所示。
Ａ ＝ Γ （Ｓ Ｃ，Ｇ） （２）
ｔ ＋ １
ｔ
式中：Ａ ＝ （ａ，ａ，ａ）为决策向量，包括电流决策 ａ，填料量决策 ａ和深度决策 ａ；Ｓ＝ （Ｉ，Ｔ，
ｔ ＋ １ Ｉ Ｑ Ｄ Ｉ Ｑ Ｄ ｔ
Ｑ，Ｄ，ｖ，ｔ ）为振冲工作状态向量，包括电流 Ｉ，拉力 Ｔ，填料量 Ｑ，深度 Ｄ，速度 ｖ和留振时间 ｔ ；
ｖｉｂ
ｖｉｂ
Ｃ ＝ （Ｉ ，ｔ，Ｔ ，Ｄ ）为施工参数向量，包括加密电流 Ｉ ，留振时间 ｔ，最小牵引力 Ｔ 和加密段
ｖｉｂ
ｍｉｎ
ｖｉｂ
ｌｅｎ
ｖ
ｍｉｎ
ｖ
长度 Ｄ ；Ｇ为地层参数向量，包括土体密度 ρ ，孔隙率 ｎ，含水率 ｗ和承载力特征值 ｆ；Γ为状态转
ｌｅｎ ａｋ
移函数，可根据振冲工作状态和施工控制参数生成决策。
３．２ 实时联动控制方法
（１）造孔控制。智能振冲控制策略是保证施工自动化控制的关键。造孔控制策略要点为保证成孔
质量，包括深度、倾斜度和孔内阻力。终孔标准是保证成孔深度的关键，针对深厚覆盖层，造孔至良
好持力层后，造孔速度会由于地层力学性质的提高而降低，因此，终孔标准可根据地勘揭示的地层分
界和造孔速度综合判断。拉力－ 深度联动是控制成孔倾斜度的关键，实时感知牵引力并调节造孔速度
以保证牵引力处于工作区间。孔内阻力可依据振冲器运动过程中牵引力和电流的情况判断，孔内阻力
过大时要进行清孔，清孔时先控制振冲器降至孔底，然后分段或缓慢连续上升。
（ ２）制桩控制。制桩阶段控制策略要点为按照加密段长度，逐段进行密实直到成桩。根据智能振
冲控制模型，将振冲器上提－ 补料－ 反插－ 留振全过程划分为 Ａ － Ｂ － Ｃ － Ｄ － Ｅ － Ｆ － Ｇ七个阶段，分别对应不
同的制桩状态，如表 ２所示。Ｅ、Ｆ、Ｇ三个阶段为实际施工过程中可能出现的多发异常工况，与 Ａ、
Ｂ、Ｃ、Ｄ四个阶段共同构成完整的制桩过程。当覆盖层中土体分层情况较复杂时，对于力学性质变化
不大的情况，施工参数不用针对性的调整，针对显著的地层变化，会根据地质勘测揭示的地层信息，
在不同的地层采用不同的施工控制参数。
（ ３）安全控制。安全策略是智能施工的前提和保障。振冲器上提时可能超过吊车负荷，易发生安
全事故。通过实时监测钢丝绳拉力对翻车风险进行分析评估，确保吊车处于本质安全状态，若出现牵
引力传感器脱机、故障或数据有明显异常等情况时，立即停止施工进行检修以保证安全。

４ 一体化数字化协同工作平台与振冲装备

４．１ 云 － 边 － 端架构 一体化数字化协同工作平台工作模式采用 “云 － 边 － 端” 架构，如图 ６所示。
“云” 提供数据库、云计算等支撑；“边” 包括智能振冲施工交互软件、填料系统、升降控制系统、
电气控制系统；“端” 包括各类传感器、终端显示设备等。智能振冲施工交互软件通过协议与云端相
连，将实时数据与施工结果上传至云平台，“云” 端将相关数据处理、计算、存储、展示并应用。
一体化数字化协同工作平台可分为数据采集层、中间件、数据中台、业务中台、低代码平台和应
用层。数据采集层能够收集多源异构数据，包括手工录入、手工台帐、第三方数据集成等。中间件包
括消息队列、时序大数据、缓存等，消息队列用于连接各分布式软件组件及接入物联网设备，时序大
数据库采用清华大学开发的 ＡｐａｃｈｅＩｏＴＤＢ ［２０］ ，可满足复杂工业场景下时间序列管理与分析的核心需
求，缓存采用工业主流标准的 Ｒｅｄｉｓ。数据中台基于元数据、知识库、模型库等构建统一对外服务能
力。业务中台提供各种功能与应用支撑，实现数据与应用的无缝对接。低代码平台实现个性化定制表
单、流程以及数据报表。应用层主要分为质量管理 ＡＰＰ、三维展示大屏以及集成到其它系统中。
４．２ 工作平台 一体化数字化协同工作平台主要功能包括数据管理、可视化和质量管理等。数据管理
实现了振冲全过程数据，包括桩基本信息、地勘资料、人员信息等历史性数据及施工实时感知数据的
收集、整理、检索与可视化。通过明确振冲碎石桩质量管理相关的数据流、算法流、质量流和人员
流，得到数据来源、算法 和质 量管 理 用 途，实 现 了 振 冲 质 量 多 维 多 源 数 据 的 采 集 和 多 单 位 数 据 的
接入。

９
— １ ３ ８ —