1.一种基于模糊自适应神经网络的盾构机姿态控制方法，其特征在于，该方法用于对土压平衡盾构机在正常段掘进阶段的姿态进行实时控制，包括以下步骤：
s1：选择测量盾构机的位置和方位的绝对坐标系。
s2：描述和测量盾构机姿态。选择盾构机的盾首中心和盾尾中心的位置、方位角γ、俯仰角β和回滚角α来描述盾构机当前位置和姿态。
s3：对比隧道设计轴线上的点计算得到盾构机与隧道设计轴线之间的位置偏差和角度偏差，具体如下：
隧道设计轴线上与当前掘进位置对应的点记为c，利用盾首a点与c点的距离ac和c点处的里程lc，计算盾首里程la、盾构机水平位置偏差dh和盾构机水平角度偏差(方位角偏差)θh；
利用隧道设计轴线在纵面上的投影曲线计算盾构机竖直位置偏差dv和盾构机竖直角度偏差(俯仰角偏差)θv。
s4：利用实际土压平衡盾构机相关设计参数初始化盾构机姿态模型。
s5：确定盾构机姿态模型中偏角和偏差的初始值以及采样距离。
s6：根据上区千斤顶推力、下区千斤顶推力、上区油缸油压、下区油缸油压和油缸内径数据，计算得到上下区油压差。
s7：针对水平方向的控制，以盾构机水平位置偏差dh和水平位置偏差变化率作为输入，以油压差作为输出，构建模糊控制器a；以盾构机水平角度偏差(方位角偏差)θh和水平角度偏差变化率作为输入，以油压差作为输出，构建模糊控制器b；将模糊控制器a和模糊控制器b的操作量进行结合，构建针对水平方向的模糊自适应神经网络控制器m1。
s8：针对竖直方向的控制，以盾构机竖直位置偏差dv和竖直位置偏差变化率作为输入，以油压差作为输出，构建模糊控制器c；以盾构机竖直角度偏差(俯仰角偏差)θv和竖直角度偏差变化率作为输入，以油压差作为输出，构建模糊控制器d；将模糊控制器c和模糊控制器d的操作量进行结合，构建针对竖直方向的模糊自适应神经网络控制器m2。
s9：利用实测的纠偏控制数据作为训练集，分别训练水平方向和竖直方向的模糊自适应神经网络控制器的控制规则。
s10：在盾构机实时姿态控制时，实时获取土压平衡盾构机的水平角度偏差和俯仰角偏差，并且同时可以得到水平偏差变化率和竖直偏差变化率，输入步骤s9训练好的模糊自适应神经网络控制器，实时得到控制器输出为上下区油缸油压差，实现实时控制。
2.根据权利要求1所述的一种基于模糊自适应神经网络的盾构机姿态控制方法，其特征在于，所述步骤s2中，姿态测量过程如下：
201：利用激光标靶内的倾斜仪测量回滚角α和俯仰角β；
202：利用盾构机轴线与激光束的水平夹角θ和激光束的水平方向角δ计算盾构机轴线水平方位角γ＝θ+δ；
203：利用切口中心在标靶坐标系中的坐标(a,b,c)，计算盾首中心坐标(x1,y1,z1)；
204：利用盾尾中心在标靶坐标系中的坐标(d,e,e)、盾首和盾尾在水平方向的夹角ω和在垂直方向的夹角σ，计算盾尾中心坐标(x2,y2,z2)。
3.根据权利要求1所述的一种基于模糊自适应神经网络的盾构机姿态控制方法，其特征在于，所述步骤s4中，所述盾构机姿态模型具体如下：
其中，θj表示盾构掘进第j环时的偏角，εj表示盾构掘进第j环时的偏差，mi,j表示千斤顶在第j环时产生的纠偏扭矩，ki表示第j环的地层机床系数，l表示盾构的长度，d表示盾构的外径，δx表示第j环的长度，θi,j+1表示盾构掘进第j+1环时的偏角，εi,j+1表示盾构掘进第j+1环时的偏差，i＝1,2分别表示竖直方向和水平方向的模型。
4.根据权利要求1所述的一种基于模糊自适应神经网络的盾构机姿态控制方法，其特征在于，所述步骤s7中，将模糊控制器a和模糊控制器b的操作量按照下述方式进行结合，构建针对水平方向的模糊自适应神经网络控制器m1；
δp＝aδpa+(1-a)δpb
式中，0<a<1为结合因子，δpa、δpb分别为模糊控制器a和b的输出，δp为控制器m1的输出。
5.根据权利要求1所述的一种基于模糊自适应神经网络的盾构机姿态控制方法，其特征在于，所述步骤s8中，将模糊控制器c和模糊控制器d的操作量按照下述方式进行结合，构建针对竖直方向的模糊自适应神经网络控制器m2；
δq＝βδqc+(1-β)δqd
式中，0<β<1为结合因子，δqc、δqd分别为模糊控制器c和d的输出，δq为控制器m2的输出。