Tunnel boring machine positioning automation in tunnel construction
Notice bibliographique
Résumé
Purpose Tunnel construction using a tunnel boring machine (TBM) entails precise machine positioning and guidance in the underground space. In contrast to traditional laser-based machine guidance solutions, the proposed research aims to develop an automation alternative to facilitate TBMguidance and as-built tunnel alignment survey during tunnelling operations. Method A fully automated system is proposed, in which a robotic total station is employed to automate the continuous process of TBM -tracking and positioning in the 3D underground working space. ZigBeebased wireless sensor networks are applied for wireless data communication inside the tunnel. A camera is mounted on the telescope of the total station to capture online operational videos. Real-time survey data are thus acquired, processed and displayed on a tablet PC on the fly, resulting in: (i) TBM’s precise coordinates in the underground space; (ii) three-axis body rotations of the TBM; (iii) tunnelling chainage progress; and (iv) line and grade deviations of the tunnel alignment. Results & Discussion For proof-of-concept, a prototype TBM-positioning automation system has been developed in-house for laboratory testing. The accuracy testing was conducted by the automation system and a specialist surveyor independently. The differences between the two sets of surveying results were less than 2mm, which sufficiently validated the high accuracy of the automation solution. In April 2012, the prototype will be field tested on a 2.4 m diameter and 1,040 m long drainage tunnel project in Edmonton, Canada.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».