Quando uma tuneladora de grande diâmetro de 12 metros escava nas profundezas do subsolo, mesmo um desvio de atitude de apenas alguns milímetros pode causar desalinhamento dos segmentos, subsidência do terreno ou até mesmo colapsos. Como fazer este gigante de aço desajeitado percorrer o eixo de projeto com precisão milimétrica? Quando dados, algoritmos e equipamentos físicos alcançam um acoplamento profundo entre o virtual e o real, a construção inteligente de túneis com tuneladoras entra finalmente numa nova era de "otimização global".

Adeus à armadilha do "ótimo local": Por que os métodos de otimização existentes são insuficientes?

Na construção de túneis com tuneladora, existem relações de acoplamento não lineares complexas entre mais de uma dezena de variáveis, como o empuxo, o torque da cabeça de corte e a velocidade de avanço. O ajuste tradicional de parâmetros baseado na experiência humana muitas vezes resolve um problema e cria outro — otimiza-se a velocidade de avanço, mas a atitude desvia-se; resolve-se o desvio de atitude, mas podem surgir novos riscos de engenharia.

O grupo de investigação do Professor Associado Chen Ke, da Universidade de Ciência e Tecnologia de Huazhong, descobriu um problema central na sua pesquisa: os métodos de otimização existentes, baseados em análise estatística e simulação numérica, ou têm dificuldade em captar as interações não lineares sob condições geológicas heterogéneas, ou têm um custo computacional demasiado elevado; e na aprendizagem profunda, os algoritmos também caem frequentemente na armadilha do "ótimo local" — ou seja, a chamada "melhor solução" encontrada pelo algoritmo é apenas a melhor dentro de um intervalo restrito, e não a melhor em termos globais.

Perante este desafio do setor, a equipa de investigação propôs uma ideia ousada: em vez de deixar o algoritmo tatear no escuro, é melhor deixar primeiro o "gémeo digital" da tuneladora no mundo virtual explorar todas as possibilidades.

Arquitetura de três camadas completa a cadeia desde os dados até à decisão

A equipa de investigação quebrou o teto técnico dos métodos tradicionais ao introduzir uma solução integrada de "arquitetura em camadas + IA explicável + otimização híbrida".

Arquitetura de gémeo digital em camadas — Pré-visualizar cada corte no mundo virtual

Esta estrutura integra a aquisição de dados, o pré-processamento, a modelação e a otimização numa arquitetura unificada de quatro camadas, onde cada módulo desempenha a sua função e se articula em tempo real. A camada de dados é responsável por limpar e estruturar os enormes parâmetros de escavação e informações geológicas obtidos pelo sistema de sensores no local da obra; a camada de modelo constrói um modelo de gémeo digital de alta fidelidade com base em dados históricos, mapeando a resposta multi-cenário da tuneladora física e do solo; a camada de otimização assume as tarefas de cálculo principais; a camada de feedback retransmite dinamicamente os resultados da otimização para o equipamento físico, orientando o ajuste da construção real.

A estratégia de otimização de parâmetros completos significa que a estrutura não se limita a ajustar parâmetros locais, mas integra todas as variáveis, como empuxo, torque e velocidade, num modelo de otimização unificado, realizando uma pesquisa global no espaço virtual do gémeo digital para encontrar a solução ótima que ultrapassa as armadilhas locais.

IA explicável SHAP — Fornecer uma "calculadora fiável" para a decisão

Embora a capacidade preditiva da estrutura do gémeo digital seja forte, como fazer com que os engenheiros no terreno confiem nas suas conclusões? A equipa de investigação introduziu o método de explicabilidade SHAP (Shapley Additive Explanations), que quantifica a contribuição marginal de cada parâmetro de construção para o resultado da previsão, identificando com precisão os parâmetros de controlo chave que mais influenciam a atitude da tuneladora.

Esta estrutura de "IA explicável" faz com que a otimização dos parâmetros da tuneladora deixe de ser uma caixa negra algorítmica, transformando-se numa ferramenta de decisão de engenharia transparente, rastreável e verificável.

Algoritmo de otimização híbrido ABC-NSGA-III — Encontrar a solução ótima global mais rapidamente

Este é o motor central de toda a estrutura. A equipa de investigação acoplou organicamente o algoritmo de colónia artificial de abelhas (ABC) com o algoritmo genético de ordenação não dominada de terceira geração (NSGA-III):

Algoritmo de Colónia Artificial de Abelhas (ABC): Responsável por localizar rapidamente o espaço de soluções viáveis, evitando cair em ótimos locais;

Algoritmo Genético de Ordenação Não Dominada de Terceira Geração (NSGA-III): Realiza uma pesquisa de fronteira de Pareto de alta dimensão em âmbito global, encontrando o conjunto de soluções ótimas de Pareto não dominadas entre múltiplos objetivos conflituantes (como desvio de atitude, velocidade de avanço e consumo de energia).

O ABC é responsável pela "exploração" de amplo alcance, e o NSGA-III pela "resolução" fina. A sinergia entre ambos garante simultaneamente a velocidade de convergência e a qualidade do conjunto de soluções, podendo ser considerado um efeito sinérgico algorítmico de 1+1>2.

Linha de Ligação ao Aeroporto de Xangai apresenta resultados, taxa de otimização global superior a 32%

A estrutura foi validada de forma completa com base no projeto da Linha de Ligação ao Aeroporto de Xangai. Este projeto está localizado numa zona geológica subterrânea complexa entre o Novo Distrito de Pudong e o Terminal de Hongqiao, impondo exigências extremamente elevadas ao controlo da atitude da tuneladora.

Após comparar várias soluções de otimização, a investigação descobriu que: a "otimização de parâmetros completos" alcançou o melhor desempenho, com uma taxa de otimização global de 32,02%; na análise comparativa com múltiplos objetivos coexistentes, esta estrutura superou significativamente os métodos de referência existentes tanto na velocidade de convergência como na qualidade da solução, com uma redução do desvio de atitude da tuneladora entre 2,21% e 17,13%. A estratégia de otimização de parâmetros completos permite que a estrutura capture simultaneamente os efeitos sinérgicos de múltiplas variáveis, resolvendo o problema crónico do setor de "resolver um problema e criar outro".

Este resultado já foi aplicado na obra real da Linha de Ligação ao Aeroporto de Xangai. O novo sistema inteligente de escavação "cloud-edge-device" alcançou um modo operacional normalizado de "supervisão humana, operação autónoma", aumentando a eficiência abrangente de escavação em 33%.

Da demonstração de engenharia à promoção em todo o setor

1. Setor de grandes tuneladoras para transporte ferroviário

Com a construção em larga escala da rede ferroviária de alta velocidade "Oito Verticais e Oito Horizontais" e das ferrovias interurbanas metropolitanas, a aplicação de tuneladoras de grande diâmetro (acima de 10 metros) é cada vez mais generalizada. Esta estrutura já reúne condições para ser aplicada em grandes projetos como o túnel da foz do Rio das Pérolas na Ferrovia Shenzhen-Jiangmen e o túnel do Estreito de Jintang na Ferrovia Ningbo-Zhoushan.

2. Galerias técnicas urbanas e obras subterrâneas

Em cenários de construção com tuneladoras de médio porte e pipe jacking, esta estrutura pode ser moderadamente simplificada para fornecer soluções precisas de ajuste de parâmetros para galerias técnicas urbanas, parques de estacionamento subterrâneos e escavação subterrânea de estações de metro, reduzindo significativamente os riscos de construção e melhorando a qualidade da obra.

3. Transferência para cenários de construção semelhantes

O algoritmo de otimização híbrido ABC-NSGA-III possui uma forte capacidade de transferibilidade setorial — desde a escavação de túneis com TBM até à construção de túneis pelo método mineiro, desde túneis imersos transmarítimos até à construção de depósitos geológicos profundos para resíduos nucleares, todas as áreas que envolvam otimização multivariável e multiobjetivo poderão beneficiar.

4. Ciclo fechado indústria-universidade-investigação na construção inteligente com tuneladora

Com a acumulação de experiência prática em engenharia e a iteração contínua de novos algoritmos de otimização, esta estrutura está a evoluir para a fase de "controlo regulatório em ciclo fechado em tempo real". No futuro, a estrutura de gémeo digital irá também combinar aprendizagem federada e tecnologias de perceção de informação heterogénea multi-fonte, realizando a transferência de conhecimento e otimização colaborativa entre projetos, protegendo simultaneamente a privacidade dos dados.

Transformar o túnel de "obra caixa negra" em "obra transparente"

Durante muito tempo, a obra subterrânea foi considerada uma "caixa negra" intangível e invisível — geologia complexa, inúmeras variáveis, previsão de riscos baseada apenas na experiência. O verdadeiro valor deste avanço da Universidade de Ciência e Tecnologia de Huazhong reside em fazer a tomada de decisão na construção com tuneladora transitar da "intuição experiente" para o "impulso de dados + algoritmos".

O artigo de investigação afirma claramente na introdução: o controlo de túneis com tuneladora permanece intrinsecamente complexo, e configurações inadequadas de parâmetros podem levar a desvios de atitude da tuneladora, causando subsequentemente desalinhamento da trajetória, deslocamento de segmentos e até danos estruturais. Através da fusão orgânica da análise de explicabilidade SHAP, da otimização híbrida ABC-NSGA-III e do gémeo digital em camadas, os investigadores não só superaram o estrangulamento do "ótimo local" a nível algorítmico, como também validaram a viabilidade prática de uma "taxa de otimização global de 32,02%" em contexto real de engenharia.

Isto marca também que a gestão da construção de túneis com tuneladora avançou da fase "predominantemente manual" para uma fase inteligente de ordem superior "predominantemente baseada em dados e algoritmos".