辅助驾驶向自动驾驶转变? 11m级土压盾构AI全自动掘进通过实战验证

小编语

日本鹿儿岛东西道路隧道项目采用土压平衡盾构法施工，盾构直径11.34m，隧道总长2319m。

鹿儿岛东西道路隧道工程所用盾构机

2025年2月，在该工程内开展了专项自动驾驶试验。试验段长度4.5m，分为3组测试，试验工况为转弯半径700m的右转弯段，纵坡为1.47%上坡。

盾构操作控制室现场

试验结果显示，自动驾驶掘进的目标坐标偏差平均值为水平方向0.88mm，竖直方向1.83mm，整体控制误差小于3mm。对比人工操作普遍10mm量级的掘进偏差，该自动驾驶系统的控制精度提升显著，尤其在水平方向控制上表现优异。

大成建设研发的盾构AI自动驾驶系统，核心逻辑是将人工经验转化为可量化、可复现的AI算法模型，实现千斤顶推力分配的自动决策。

系统操作界面示意图

与传统辅助驾驶系统相比，该技术实现了从“人工选模型、手动发指令”到“AI自动匹配、全自动控制”的本质跨越，达成了盾构掘进方向的自动驾驶。

AI训练数据集覆盖大成建设既往承建的20个盾构隧道项目，累计掘进长度约3.3万延米，涵盖不同直径、不同地质、不同线形的多样化施工场景。系统以盾构机运行参数、开挖面土水压力等约10项核心工程指标为输入变量，通过AI算法构建推力作用点计算模型，可针对不同工况输出差异化的控制参数。

以往的辅助驾驶系统仅配置20个固定模型，施工中需人工筛选与现场工况匹配度最高的模型调用。本次技术升级中，基于20个项目的实测数据，通过AI生成大量虚拟工况模型，将模型总量从20个扩充至约400个，工况覆盖范围实现量级式拓展，可适配更为复杂多变的施工条件。

在此基础上，系统具备AI自动匹配最优模型的能力。即使在同一隧道工程内，系统也可结合实时掘进数据，每间隔数米动态切换与当前工况最适配的计算模型。同时，推力作用点的水平坐标与竖直坐标可分别调用独立模型进行计算，实现了双向维度的精细化独立控制。