3.2 数据传输

　　从系统功能图(图2)上可以看出系统的数据来源可分为两个部分,一部分是有传感器传送来的盾构的各类运行参数,另一部分则是有人工定期输入的量测数据﹑情况记录等数据。前者数据要求很强的实时性，需要随时与公司总部的数据同步，而后者的数据只需要定期更新即可。因此对这两类数据采用了不同的数据传送方法。

　　对于实时施工数据，由于每个盾构的生产厂商和型号的不同，因此获取的施工数据方式和数据内容都不相同，为此通过一个Read程序，依据为每个盾构度身定做的一个数据结构对照表，将不同数据采集系统获取的数据转换到施工现场的标准数据库中，而与此同时将此数据片段加密后通过互联网传送至公司总部，公司总部的服务器将其解密等处理后，放置到总部的服务器中。具体的流程如图3所示。

　　从图3的数据传输过程可以看出，在数据的传递的过程中，采用了双向FTP不间断进行片段数据传输，采用这种方式原因在于实施非常灵活，可靠性和安全性都比较高。而原SQL Sever数据库提供的远程数据库同步的方法：快照与订阅方式，由于施工现场传送数据的过程，实际上是订阅修改的过程，总部数据库必须开放匿名登录，会对安全性产生一定的问题，所以没有采用。

　　对于其他需要定期传送的数据，采用了SQL Sever 中的数据转换服务(DTS)的方法完成。

　　3.3 数据发布

　　当施工现场数据进入公司总部的数据库后，通过Window 2000的Internet 信息服务(IIS)进行发布，对于实时的监控数据通过Flash的网页进行实时图形显示(图4)，历史数据和其他数据采用ASP技术以EXCEL数据表格方式显示，而报表的订阅定时群发功能则通过Window提供的计划管理完成。Web Sever 结构如图5所示。

　　为了保证系统的安全性，采用安全模式的用户登录方式，即用户名和密码经过加密以后才在互联网通过安全套接字层连接后发送，保证了密码的安全性。同时，为了方便使用，用户还在自己的权限范围可以自行授权子用户。

　　3.4 数据分析

　　除了能为技术人员同步提供详尽，准确的施工数据以外，施工数据的分析也是一个非常重要的方面。施工数据的分析分为两个方面，一个方面是在施工现场提供快速有效的地面沉降的预测和施工参数的设定建议，另一方面，是对各工程历史数据进行分析计算，找出规律。

　　在施工现场的数据分析设计是在原有的盾构隧道智能辅助决策系统[1]的基础上进行的，它把原系统中的人工神经网络模糊控制等人工智能的方法结合目前数据库进行改进后，放入了本系统中。其与原系统的最大区别是：原系统中数据均为手工输入，存在滞后和数据不准确的情况，而且数据提供的也没有现在全面。鉴于这种情况，在用人工神经网络进行系统的数学模型的建立时，我们扩展原有的输入量，增加了注浆压力，注浆流量，盾构姿态等原来很难及时获取数据，同时从原来的每环一组学习数据，变成每推进0.2m生成一组学习数据，使系统的响应速度加快，如果发现预测结果与实际情况误差增大，系统将自动加大数据获取量，例如：网络训练数据该为每推进0.1m生成一组学习数据，使系统尽快适应变化的模型。神经网络预测控制模型的流程如图6所示。

　　除了原有的人工智能的方法外，系统还根据土力学理论和工程上经典公式的计算，这些方法在工程技术人员在对一些关键施工段进行决策有很大的帮助。

　　除了施工现场的数据分析以外，在公司总部对历史数据的分析挖掘也至关重要，由于数据量非常大，而且数据的实时性要求低，因此在总部的数据分析系统，我们采用了有限元和混沌神经网络进行数据

上一页  [1] [2] [3]  下一页