Tunnel boring machine positioning automation in tunnel construction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle