- 文献综述(或调研报告):
谢雄耀等[1]开发设计了实时移动交互平台,实时自动发送监视数据和信息流,及时通知项目各方隧道现状及沉降情况,一个由项目各方组成的即时通讯小组可根据移动交互平台上传的实时数据进行协调管理,实现隧道沉降控制。该实时移动交互平台在南宁地铁中得以应用达到了-4mm的沉降控制目标。这一平台的不足是目前仅提供沉降数据的采集和传输,并未整合其他施工参数或监测数据,且对于施工过程的指导依然依靠专家的工程经验,缺乏预测模型及智能化指导方案。
周诚等[2]使用小波变换噪声滤波器、卷积神经网络特征提取器等多种数据采集处理设备,利用深度学习方法建立了盾构隧道中盾构机姿态和位置的预测模型,预测结果结合施工经验,为调整盾构隧道的姿态和位置提供决策支持,帮助减少人工操作可能产生的蛇形运动,提高管片安装质量。但参数设置目前依旧凭借人工经验总结预测数据特征,缺少基于预测结果的自动化控制方法。
丁烈云等[3]基于物联网技术开发实时安全预警系统,实现安全监控和预警的集成。使用光纤光栅传感系统收集地下施工现场温度,开发了基于射频识别的劳工追踪系统。该系统不仅在项目办公室的屏幕上提供了对潜在危险情况的实时预警,而且还通过移动设备自动向项目所有参与者及正在地下施工的工人发送警告,使参与者可以立即了解情况;有效地提高地下建筑安全管理效率,减少地下空间开发项目中的工程事故。该系统能够实现对地下施工人员的安全预警,但对于施工中的隧道结构、盾构设备以及周边环境的变形数据并未有效收集,无法提供相关预警。
Reza Azimi 和SangHyun Lee[4]提出一种一个自动化的项目监控框架,该框架包含自动数据捕获、数据库、性能指标以及仿真和可视化组件组成的集成模型,解决了手动收集数据、错误的数据传输等问题,在项目管理出现偏差后立即采取纠正措施,并减轻对项目的潜在损害。但目前该框架只能实现对数据的采集和传输、可视化模拟等功能,并不提供针对性指导方案,需要现场人员及专家自主决策。
Ung-Kyun Lee和Joo-Heon Kim[5]等建立了一个安全监控系统,以减少可能发生致命事故的安全管理盲区。该系统包含监测工人靠近移动的传感设备、信号发射器、接收器、中继器以及用于解译信息的专用软件。该系统已成功应用于工程中的实时监控,并在实际施工现场对管理人员的安全管理做出迅速响应。Naticchia[6]、Carbonari[7]、丁烈云[8]等也开发了各自的实时安全监控系统,对工程安全预警做出研究。
Forcada[9]等开发了基于web的信息共享、传播系统,该系统提升了各研究机构和研究员之间的沟通与协作,但该系统仅用于研究人员之间,并未在工程中得以应用。
Behnam和Wickramasinghe[10]等提出了一个自动化系统,用于线性基础设施项目中关键建设活动的进度监控。该系统利用高分辨率卫星遥感图像及多种特征识别技术自动测量项目中不同位置的实际进度。该系统提供不同位置的图表和进度图,在基于Web的开源界面上生成和显示进度报告,提供更好的可视化效果。
[1]Xiongyao Xie, Qiang Wang, Isam Shahrour, Jun Li, Biao Zhou.A real-time interaction platform for settlement control during shield tunneling construction[J]. Automation in Construction, 2018,94:154-167
[2]Cheng Zhou, Hengcheng Xu, Lieyun Ding, Linchun Wei, Ying Zhou. Dynamic prediction for attitude and position in shield tunneling: A deep learning method[J]. Automation in Construction,2019,105:1-16
[3]L.Y. Ding, C. Zhou, Q.X. Deng, H.B. Luo, X.W. Ye, Y.Q. Ni, P. Guo, Real-time safety early warning system for cross passage construction in Yangtze Riverbed Metro Tunnel based on the internet of things[J]. Automation in Construction, 2013,36: 25–37
以上是毕业论文开题文献,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。