釆用ＰＳＯ算法对直接影响密封船进出土量的两个控制参数，即螺旋输送机转速和推进速度同时进行优化，   中山大涌升降车出租, 中山大涌升降车公司, 中山大涌升降车   从而使得盾构机密封船承压隔板上四点土压值分别尽可能的逼近各自的土压设定值，以期达到控制密封舱土压平衡的效果。最后采用现场施工数据进行仿真实验，并验证了此优化控制方法的有效性。

    优化控制目标的确定, 在实际盾构施工中，主要通过调节推进速度和螺旋输送机转速来控制密封舱土压平衡。基于上文建立的预测模型，以密封船四点土压预测值与各自设定值偏差最小为目标函数，采用粒子群优化算法对两个控制参数进行寻优，从而得到最优的推进速度和螺旋输送机转速，然后将此控制参数值传送给相应的液压驱动系统，执行期望的控制动作，实时控制密封船土压平衡。采用排土控制和推进控制相结合的控制模式，使得四点土压预测值与各自设定值偏差最小实现期望跟踪.   由上文建立的预测樺型给出。为土压设定值。分别是推进速度的最小值和最大值，和ｒｉｓ祖分别是螺旋输送机转速的最小值和最大值。

    粒子群优化算法是一种随机搜索、并行运算的群体智能优化算法，通过粒子在解空间内跟随最优粒子移动进行寻优搜索，可以快速有效的解决预测控制设计中目标函数优化的问题，具有很强的全局收敛能力和鲁棒性等特点。本章针对盾构机密封舱土压平衡优化控制问题，根据密封船进出土量随着推进速度和螺旋输送机转速的变化而变化，釆用粒子群算法对这两个控制参数进行大范围的全局搜索寻优。

     中山大涌升降车出租, 中山大涌升降车公司, 中山大涌升降车  http://www.jiangmenyuntichechuzu.com/

      密封舱土压平衡控制参数的寻优问题的核心思想就是指，从给定的参数范围内通过多次迭代搜寻出最优的一组参数值使得系统的控制性能最佳。釆用ＰＳＯ算法进行土压优化控制的具体步骤如下：（１）对ＰＳＯ参数进行初始化，包括种群的数目、学习因子、最大迭代次数、惯性权重、粒子的初始位置和速度等。（２）将密封舱内四个土压传感器检测的当前土压值Ｐ奶分别代入到各自的土压预测模型中，预测出下一时刻土压值。（３）在每次迭代过程中，按照优化控制目标函数计算各个粒子的适应度函数值。（４）通过控制两个掘进参数使目标函数值最小，从而找到各个粒子自身最优的位置，并且将其和群体最优位置比较，假如更优，则将其作为群体最优位置。（５）不断更新粒子的位置和速度，判别是否达到ＰＳＯ终止寻优的条件，若满足则输出最优解；否则，返回（３），幵始新一轮的搜索。

      优化控制效果及分析为了验证此优化方法的控制效果，利用上文中１２０组测试数据进行仿真实验，采用粒子群算法对两个控制参数进行寻优。利用粒子群算法对推进速度和螺旋输送机转速进行寻优的重要的一个环节是让收敛时间尽可能短的同时，也能够避免局部最优的情况发生。事实上，收敛速度和避免局部最优两者是相互矛盾的，加大粒子的数量可以较为有效的避免局部最优，但同时会不可避免的使收敛时间变长。经过大量的实验，最终将种群大小设定为１０，最大迭代次数为２００，学习因子均为１．２，惯性权重为０．５，粒子初始位置和初始速度随机生成。其中，被优化的推进速度和螺旋输送机转速的变化范围。

      此外，采用粒子群优化算法对控制参数进行寻优的平均时间不到ｌＯｓ，而盾构掘进过程中传感器采集数据的周期为３０ｓ，并且本文采用排土控制和推进控制相结合的控制策略，为盾构掘进操作提供了足够的时间，故而说明此智能控制策略在实际盾构掘进工程中是可行的。

      中山大涌升降车出租, 中山大涌升降车公司, 中山大涌升降车