[发明专利]一种自动打桩控制方法

权利要求书

1.一种自动打桩控制方法，其特征在于，包括以下步骤：

采集实时的特征参数——沉桩施工过程参数及桩身设计参数发送至云端；

接收云端计算获得的实时的沉桩阶段信息和/或沉桩过程不同深度桩端土层的分类信息；所述的沉桩阶段包括：未进入持力层阶段、刚进入持力层阶段、准备收锤阶段、可以收锤阶段；其中，所述的云端具体通过以下方法计算获得实时的沉桩阶段信息：

采集特征参数——沉桩施工过程参数及桩身设计参数；

从所述的特征参数中筛选子特征参数——锤型、桩径、壁厚、单位深度锤击能量、单位深度锤击数、累计锤击能量和累计锤击数；

利用所述的子特征参数训练模型，获得沉桩阶段预测模型；

基于所述的沉桩阶段预测模型，实时获得沉桩阶段信息；

所述的云端具体通过以下方法计算获得实时的沉桩过程不同深度桩端土层的分类信息：

采集特征参数——沉桩施工过程参数及桩身设计参数；

从所述的特征参数中筛选子特征参数——锤型、桩径、壁厚、单位深度锤击能量、单位深度锤击数、累计锤击能量、累计锤击数和累计锤击能量/(入土深度-未响锤深度)；

利用所述的子特征参数训练模型，获得机器学习土层识别预测模型；

基于所述的机器学习土层识别预测模型，实时获得沉桩过程不同深度桩端土层的分类信息；判断所述的沉桩阶段信息是否为可以收锤阶段和/或判断当前的打桩设备是否到达预设分类的土层；

若是，则控制打桩设备收锤；否则继续重复上述步骤，直至沉桩阶段信息为可以收锤阶段和/或打桩设备到达预设分类的土层时，控制打桩设备收锤。

2.根据权利要求1所述的自动打桩控制方法，其特征在于，在利用所述的子特征参数训练模型的步骤之前，还包括：

采用主成分分析法将带有相关性、耦合性的子特征参数进行合并，并对噪音信息进行滤除，将特征维度降为5。

3.根据权利要求1或2所述的自动打桩控制方法，其特征在于，利用所述的子特征参数训练BP神经网络模型，获得沉桩阶段预测模型。

4.根据权利要求3所述的自动打桩控制方法，其特征在于，利用所述的子特征参数训练BP神经网络模型，获得沉桩阶段预测模型后，还包括：

采用AdaBelief优化器对所述的沉桩阶段预测模型进行优化；

和/或采用改进的FocalLoss损失函数对所述的沉桩阶段预测模型进行优化；其中，所述的改进的FocalLoss损失函数为：

其中，L_fl表示损失函数，n代表类别数量；y_i表示变量0或1；y_i′表示该样本预测属于类别i的概率，γ表示调制系数。

5.根据权利要求1所述的自动打桩控制方法，其特征在于，利用所述的子特征参数训练XGBoost模型，获得机器学习土层识别预测模型。

6.根据权利要求1所述的自动打桩控制方法，其特征在于，通过以下方法进行子特征参数选择：

对特征参数进行删减，获得不同特征参数影响下机器学习预测模型的预测准确率；

根据所述的不同特征参数影响下机器学习预测模型的预测准确率，最终确定出该预测模型的子特征参数。

7.根据权利要求6所述的自动打桩控制方法，其特征在于，对特征参数进行删减之前还包括：

计算入岩阶段各特征参数对模型的贡献度；

根据贡献度的大小对各特征参数进行排序；

按照贡献度从小到大的顺序，依次对特征参数进行删减。

8.根据权利要求7所述的自动打桩控制方法，其特征在于，通过随机森林集成学习方法计算入岩阶段各特征参数对模型的贡献度。