伴随我国城市规模的扩张和人口密度的提升,大规模地铁建设对盾构隧道的成型质量提出了更高的要求。盾构姿态失准,即盾构掘进轨迹偏离设计轴线,是影响隧道质量的关键因素之一。盾构掘进姿态控制和管片拼装排布是导致盾构姿态失准的两个主要原因。在盾构掘进时,盾构司机必须依靠自身经验不断调整盾构机的姿态沿隧道设计轴线掘进;而在管片拼装时,则须根据盾构姿态、管片姿态和设计轴线,及时优化管片排布方案实现盾构纠偏。然而,由于多变的地质空间环境和复杂的盾构机操作流程,仅依靠人工经验、事后控制的盾构姿态调整策略,存在控制滞后、准确度低和稳定性不足的问题。本文以盾构失准为研究对象,主要包括以下工作:首先,本文归纳了盾构姿态的影响因素,建立盾构运动力学模型,据此分析了盾构失准机理和现有盾构姿态控制策略的不足,从盾构掘进姿态预测和管片排布优化两方面着手提出了基于事前控制的盾构姿态调整策略。然后,针对盾构姿态预测,结合深度学习理论,建立了整合小波变化、卷积神经网络和长短时记忆网络的盾构姿态预测混合模型,实现了通过输入盾构机历史运行参数预测其未来姿态变化趋势。其次,根据管片排布原则,设计管片排布优化算法。该算法考虑了盾构机姿态、管片姿态和设计轴线三者间的拟合偏差关系,可自动计算当前环的最优拼装点位。最后,以某地铁隧道为例,收集盾构运行历史数据和管片拼装记录,采用Python语言编程进行验证。结果表明,本文提出的智能预测模型和管片优化算法可以实现盾构未来姿态的预测和管片拼装点位的推荐,用以辅助盾构司机进行姿态控制,改善盾构姿态失准问题,从而提高隧道衬砌质量。