地面建筑与隧道的施工过程相互影响预测及控制（精）

内容简介

本书内容分为上下两篇，上篇为隧道施工对既有建筑物的影响及控制等方面的理论研究和工程实例分析，下篇为建筑施工对既有隧道的影响及控制等方面的研究和工程实践。上篇针对“上软下硬”土岩二元结构的典型地质条件的地铁隧道穿越建筑物的工程实际，采用现场监测、数值模拟、理论分析等方法和手段，研究了典型地质条件下地铁隧道开挖引起的地层变形规律、地铁隧道穿越建筑物损伤机理和规律，探讨了地铁隧道穿越建筑物的安全风险管理等问题。下篇针对高层建筑施工过程中的基坑开挖卸载和主体结构施工加载等问题，探索邻近隧道安全评价方法，结合工程实践，优化建筑施工方案、系统评价既有隧道的安全性，给出控制措施。

本书内容丰富，研究具有针对性，具有一定的学术参考价值，为从事隧道工程建设和建筑工程设计和施工的广大工程技术人员、科研人员、专家、学者以及研究生们提供了技术参考。

由于时间与水平有限，本书中难免有不妥之处，谨请读者予以批评指正。 2100433B

预测控制算法种类较多，表现形式多种多样，但都可以用预测模型、滚动优化和反馈校正这三条基本原理加以概括。

预测控制系统预测模型

预测控制的本质是在对过程的未来行为进行预测的基础上，对控制量加以优化，而预测是通过模型来完成的。因此模型是预测控制的基本元素。预测模型的功能是根据对象的历史信息和未来输入预测其未来输出。在MAC算法中，根据被控对象的单位脉冲响应序列，截取前N项构建系统的近似脉冲传递函数并将其作为预测和控制的模型。

预测控制系统滚动优化

预测控制的优化，是在未来一段时间内，通过某一性能指标的最优化来确定未来的控制作用，这一性能指标涉及系统未来的行为，并且在下一时刻只施加当前时刻控制作用，从而依次滚动进行。可见，它是在线反复进行的，而且优化是局部优化，有别于传统意义下的全局优化。为了不使控制量的变化过于激烈，MAC采用如下优化性能指标：

其中，q_i，r_i分别为误差加权系数和控制加权系数，表示对误差和控制变化的抑制。

预测控制系统反馈校正

预测控制是一种闭环控制算法，用预测模型预测未来的输出时，由于对象先前信息的不充分，预测值与真实值之间存在一定的偏差，只有充分利用实际输出误差进行反馈校正，才能得到良好的控制效果。利用模型的预测误差：

来校正模型的预测，得到新的更为准确的模型预测，这个过程将反复在线进行。

连续预测控制预测控制算法框图

虽然预测控制有许多算法，一般的意义上说，它们的原理都是一样的，算法框图如图1所示：

连续预测控制预测控制三个基本原则

(1)预测模型

预测控制是一种基于模型的控制算法，该模型被称为预测模型。对于预测控制而言，只注重模型功能，而不是模型的形式。预测模型是基于对象的历史信息和输入，预测其未来的输出。从方法论的角度来看，只要信息的收集具有预测功能，无论什么样的表现，可以作为预测模型。这样的状态方程、模型传递函数都可以用来作为一个传统的预测模型。例如线性稳定对象，甚至阶跃响应、脉冲响应的非参数模型，，都可直接作为预测模型。此外，非线性系统，分布式参数系统模型，只要具备上述功能也可以在这样的预测控制系统中时用来作为预测模型。因此，预测控制打破了严格的控制模型结构的传统要求，可按照功能要求根据最方便的信息集中方式基础建模。在这种方式中，可以使用预测模型为预测控制进行优化，.以提供的先验知识来确定什么样的控制输入，从而使下一次受控对象的输出变化与预定的目标行一致。

(2)滚动优化

预测控制是一种基于优化的控制，但其控制的输入不是根据模型和性能指标一次解决并实现它，而是在实时的时间里来滚动优化解决。在每一步的控制中，定义从目前到未来有限时域的最优化问题，通过参数优化求解时域的最优控制输入，但是只有真正的即时输入控制才给予实现。到下一个控制周期，重复上述步骤，整个优化领域向前一步滚动。在每个采样时刻，优化性能指标只涉及从现在到未来有限的时间，并且下一个采样时刻，优化时段向前推移。因此，预测控制全局优化指标是不一样的，在每一个时刻有一个相对该时刻的优化指标。因此，预测控制的优化不是一次离线进行，而是在线反复进行，这是滚动优化的意义，预测控制的这一点也是不同于传统最优控制的根本。

(3)反馈校正

基础的预测模型中，对象的动态特性只有粗略的描述，由于实际系统中有非线性、时变、模型不匹配、干扰等因素，基于相同模型的预测，与实际情况是无法完全匹配的，这需要用其他手段补充预测模型和实际对象的误差，或对基础模型进行校正。滚动优化只有建立在反馈校正的基础上，才能体现其优越性。因此，通过预测控制算法的优化，确定一系列未来的控制作用，为了防止模型失配或环境干扰引起的控制措施对理想状态造成的影响，这些控制没有完全逐一实现，只实现即时控制作用。到下一个采样时间，首先监测对象的实际输出，并使用此信息在预测模型的基础上进行实时校正，然后进行新的优化。因此，预测控制优化不仅基于模型，并使用了反馈信息，从而构成一个闭环优化。

连续预测控制预测控制基本特征

(1)预测控制算法利用过去，现在和未来(预测模型)的信息，而传统的算法，如PID等，只取过去和现在的信息;

(2)对模型要求低，现代控制理论难以大规模应用于过程工业，重要原因之一就是对模型精度过于苛刻，预测控制成功地克服这一点;

(3)模型预测控制算法具有全局滚动优化，每个控制周期持续的优化计算，不仅在时间上满足实时性要求，还通过全局优化打破传统局限，组合了稳定优化和动态优化;

(4)用多变量控制思想来取代单一的可变控制传统手段。因此，在应用到多变量的问题时，预测控制通常被称为多变量预测控制;

(5)最重要的是能有效地处理约束。因为在实际生产中，通常将制造过程工艺设备的状态设置为在边界条件(安全边界，设备功能边界，工艺条件边界等)上操作，该操作状态下，操作变量往往产生饱和以及被控变量超出约束的问题。所以可以处理多个目标，有约束控制能力成为一个控制系统长期、稳定和可靠运行的关键技术。

连续预测控制预测控制种类

1978年，Richalet等首先阐述了预测控制的思想，预测控制是以模型为基础，采用二次在线滚动优化性能指标和反馈校正的策略，来克服受控对象建模误差和结构、参数与环境等不确定因素的影响，有效的弥补了现代控制理论对复杂受控对象所无法避免的不足之处。

预测控制自发展以来，算法种类非常繁多，但按其基本结构形式，大致可以分为三类：

(I)由Cutler等人提出的以非参数模型为预测模型的动态矩阵控制(Dynamic Matrix Control, DMC), Rauhani等人提出的模型算法控制(Model Algorithmic Control,MAC).这类非参数模型建模方便，只需通过受控对象的脉冲响应或阶跃响应测试即可得到，无须考虑模型的结构与阶次，系统的纯滞后必然包括在响应值中。其局限性在于开环自稳定对象，当模型参数增多时，控制算法计算量大。

(2)与经典的自适应控制相结合的一类长程预测控制算法(Generalized Predictive Control, GPC).这一类基于辨识模型并且有自校正的预测控制算法，以长时段多步优化取代了经典的最小方差控制中的一步预测优化，从而适用于时滞和非最小相位对象，并改善了控制性能，具有良好的鲁棒性。

(3)基于机构设计不同的另一类预测控制算法:包括由Garcia提出的内模控制(Internal Model Control, IMC), Brosilow等人提出的推理控(Inference Control)等。这类算法是从结构上研究预测控制的一个独特分支。

以上述典型预测控制为基础结合近几年发展起来的各种先进控制策略，形成了一些先进的预测控制算法，包括极点配置预测控制、解祸预测控制、前馈补偿预测控制、自适应预测控制，鲁棒预测控制等。本文重点研究自适应预测控制，即基于自适应双重控制的预测控制算法。

另外，诸如模糊预测控制，神经网络预测控制等智能预测控制算法的发展为解决复杂受控系统提供了强有力的支持。

许多新型的预测控制层出不穷，如预测函数控制、多速率采样预测控制、多模型切换预测控制，有约束预测控制等。预测控制的算法种类越来越多，预测控制的性能在不断改善，使其更好的应用在工业实际中。

英文：

释文：其基本内容是：了解历史上地面塌陷活动的频次、规模、强度,总结活动规律；调查地面塌陷活动区的地形地貌、地质构造、气象、水文、可溶岩及其他容易塌陷岩石的类型和发育情况、覆盖层性质和发育情况、地下水赋存条件和水动力特征等。在掌握有关实际资料的基础上,利用时间序列分析、多元回归分析以及灰色系统理论分析、经验公式计算等方法,分析地面塌陷与时间关系、地面塌陷与降雨关系、地面塌陷与抽水(或排水、蓄水)强度关系、地面塌陷与地下水动态关系、地面塌陷与岩土性质关系等,建立发生地面塌陷的单项因素以及综合因素的临界值或判别关系模型,依此对地面塌陷危险性和活动程度进行预测。由于地面塌陷研究的理论和方法尚不够完善,所以地面塌陷预测还没有系统成熟的方法,有待在实践中不断探索和发展。 2100433B