一种基于TBM岩机信息的隧洞断层段超前智能感知方法技术

本发明专利技术涉及一种基于TBM岩机信息的隧洞断层段超前智能感知方法，包括：根据预先设定的第一类数据、第二类数据、第三类数据以及预先设定的第一基分类器、第二基分类器构建第三基分类器；在TBM掘进过程中，获取所述TBM掘进过程中任一掘进循环的关键参数的数据；基于所述TBM掘进过程中任一掘进循环的关键参数的数据、第三基分类器、预先设定的关键参数范围，确定所述TBM掘进过程中任一掘进循环所对应的掘进区段类型；判断所述所述TBM掘进过程中任一掘进循环所对应的掘进区段类型是否为预警段，若是，则发出预警信号。

【技术实现步骤摘要】
一种基于TBM岩机信息的隧洞断层段超前智能感知方法
本专利技术涉及隧道TBM掘进施工
，尤其涉及一种基于TBM岩机信息的隧道断层段超前智能感知方法。
技术介绍
由于TBM(隧道掘进机)具有掘进速度快、连续作业、环境友好等优点，被广泛应用于长距离、高埋深的引水隧洞建设中。然而，TBM易受复杂地质条件的影响。特别是遭遇断层时，导致TBM通用性降低，容易引起突涌水、围岩坍塌和卡机等灾害。在一定程度上，这些地质灾害严重威胁施工人员与设备的安全，导致工期延误、工程成本增加。目前，TBM超前地质预报方法包括地质分析法、无损地球物理探测方法以及综合探测方法等。然而，这些方法需要TBM停止作业，并且单次预报所需花费的成本较高。此外，大部分方法并不能实时的对前方断层进行连续预测。
技术实现思路
(一)要解决的技术问题为了解决现有技术的上述问题，本专利技术提供一种基于TBM岩机信息的隧道断层段超前智能感知方法。(二)技术方案为了达到上述目的，本专利技术提供一种基于TBM岩机信息的隧道断层段超前智能感知方法，包括步骤：S1、根据预先设定的第一类数据、第二类数据、第三类数据以及预先设定的第一基分类器、第二基分类器构建第三基分类器；其中，所述第一类数据包括：TBM在断层段掘进中的所有的掘进循环的关键参数数据；所述第二类数据包括：TBM在断层段掘进前的n个掘进循环的关键参数数据；所述第三类数据包括：TBM在断层段掘进后的m个掘进循环的关键参数数据；其中，n、m均为预先设定值；S2、在TBM掘进过程中，获取所述TBM掘进过程中任一掘进循环的关键参数的数据；S3、基于所述TBM掘进过程中任一掘进循环的关键参数的数据、第三基分类器、预先设定的关键参数范围，确定所述TBM掘进过程中任一掘进循环所对应的掘进区段类型；其中所述掘进区段类型为平稳段或预警段或断层段；S4、判断所述所述TBM掘进过程中任一掘进循环所对应的掘进区段类型是否为预警段，若是，则发出预警信号。优选的，所述关键参数包括五种参数类型，具体包括：刀盘扭矩参数、顶护盾压力参数、左护盾压力参数、齿轮密封外密封压力参数、前盾俯仰角参数。优选的，所述第一基分类器为：随机森林算法模型；所述第二基分类器为：支持向量机算法模型。优选的，所述步骤A1包括：S1-1、对所述预先设定的第一类数据、第二类数据、第三类数据进行划分，确定第一组数据和第二组数据；其中，第一组数据包括：第一类数据中的多个数据、第二类数据中的多个数据、第三类数据中的多个数据；第二组数据包括：第一类数据中除第一组数据之外的多个数据、第二类数据中除第一组数据之外的多个数据、第三类数据中除第一组数据之外的多个数据；S1-2、基于所述第一组数据和第二组数据，对所述第一基分类器和第二基分类器进行优化，获取最终的第一基分类器和最终的第二基分类器；其中，所述最终的第一基分类器针对TBM掘进过程中任一掘进循环的关键参数的数据进行分类获取所述TBM掘进过程中任一掘进循环的关键参数的数据为第一类数据的概率r1、所述TBM掘进过程中任一掘进循环的关键参数的数据为第二类数据的概率r2、所述TBM掘进过程中任一掘进循环的关键参数的数据为第三类数据的概率r3；其中，所述最终的第二基分类器针对TBM掘进过程中任一掘进循环的关键参数的数据进行分类获取所述TBM掘进过程中任一掘进循环的关键参数的数据为第一类数据的概率s1、所述TBM掘进过程中任一掘进循环的关键参数的数据为第二类数据的概率s2、所述TBM掘进过程中任一掘进循环的关键参数的数据为第三类数据的概率s3；S1-3、基于所述最终的第一基分类器、最终的第二基分类器和第二组参数数据，确定第三基分类器；其中，所述第三基分类器为：根据res1、res2、res3的值确定所述TBM掘进过程中任一掘进循环的关键参数的数据为第一类数据或第二类数据或第三类数据；其中，res1＝w1*r1+w2*s1，res2＝w1*r2+w2*s2，res2＝w1*r2+w2*s2，且ω1+ω2＝1；ω1为预先设定的第一基分类器的权重值；ω2为预先设定的第二基分类器的权重值；res1为所述第一基分类器和第二基分类器感知的TBM掘进过程中任一掘进循环的关键参数的数据为第一类数据的平均概率；res2为所述第一基分类器和第二基分类器感知的TBM掘进过程中任一掘进循环的关键参数的数据为第二类数据的平均概率；res3为所述第一基分类器和第二基分类器感知的TBM掘进过程中任一掘进循环的关键参数的数据为第三类数据的平均概率。优选的，所述第三基分类器获取所述res1、res2、res3中的最大值，并根据所述res1、res2、res3中的最大值确定所述TBM掘进过程中任一掘进循环的关键参数的数据为第一类数据或第二类数据或第三类数据；若所述res1为最大值，则确定所述TBM掘进过程中任一掘进循环的关键参数的数据为第一类数据；若所述res2为最大值，则确定所述TBM掘进过程中任一掘进循环的关键参数的数据为第一类数据；若所述res3为最大值，则确定所述TBM掘进过程中任一掘进循环的关键参数的数据为第一类数据。优选的，所述步骤S1-2包括：S1-2-1、基于所述第一组数据，采用K折交叉验证和网格搜索的方法对第一基分类器进行优化，获取优化后的第一基分类器；S1-2-2、基于所述第一组数据，采用K折交叉验证和网格搜索法的方法对第二基分类器的参数进行优化，获取优化后的第二基分类器。S1-2-3、根据所述第二组数据，采用所述优化后的第一基分类器对所述第二组数据进行处理，获取所述优化后的第一基分类器感知的第二组数据的正确率；S1-2-4、判断所述优化后的第一基分类器感知的第二组数据的正确率是否满足预先设定的阈值范围，若满足则确定所述优化后的第一基分类器为最终的第一基分类器；S1-2-5、根据所述第二组数据，采用所述优化后的第二基分类器对所述第二组数据进行处理，获取所述优化后的第二基分类器感知的第二组数据的正确率；S1-2-6、判断所述优化后的第二基分类器感知的第二组数据的正确率是否满足预先设定的阈值范围，若满足则确定所述优化后的第二基分类器为最终的第二基分类器。优选的，所述步骤S3包括：S3-1、基于所述TBM掘进过程中任一掘进循环的关键参数的数据、预先设定的关键参数范围，对所述TBM所处的掘进区段类型进行判断，确定第一判断结果；S3-2、基于所述第一判断结果和/或第三基分类器，确定所述TBM所处的掘进区段类型。优选的，所述步骤S3-1包括：基于所述TBM掘进过程中任一掘进循环的关键参数的数据、预先设定的关键参数范围，获取所述TBM掘进过程中任一掘进循环的关键参数在所述预先设定的关键参数范围的数量；其中，所述预先设定的关本文档来自技高网...

【技术保护点】
1.一种基于TBM岩机信息的隧洞断层段超前智能感知方法，其特征在于，包括步骤：/nS1、根据预先设定的第一类数据、第二类数据、第三类数据以及预先设定的第一基分类器、第二基分类器构建第三基分类器；/n其中，所述第一类数据包括：TBM在断层段掘进中的所有的掘进循环的关键参数数据；/n所述第二类数据包括：TBM在断层段掘进前的n个掘进循环的关键参数数据；/n所述第三类数据包括：TBM在断层段掘进后的m个掘进循环的关键参数数据；/n其中，n、m均为预先设定值；/nS2、在TBM掘进过程中，获取所述TBM掘进过程中任一掘进循环的关键参数的数据；/nS3、基于所述TBM掘进过程中任一掘进循环的关键参数的数据、第三基分类器、预先设定的关键参数范围，确定所述TBM掘进过程中任一掘进循环所对应的掘进区段类型；/n其中所述掘进区段类型为平稳段或预警段或断层段；/nS4、判断所述所述TBM掘进过程中任一掘进循环所对应的掘进区段类型是否为预警段，若是，则发出预警信号。/n

【技术特征摘要】
1.一种基于TBM岩机信息的隧洞断层段超前智能感知方法，其特征在于，包括步骤：
S1、根据预先设定的第一类数据、第二类数据、第三类数据以及预先设定的第一基分类器、第二基分类器构建第三基分类器；
其中，所述第一类数据包括：TBM在断层段掘进中的所有的掘进循环的关键参数数据；
所述第二类数据包括：TBM在断层段掘进前的n个掘进循环的关键参数数据；
所述第三类数据包括：TBM在断层段掘进后的m个掘进循环的关键参数数据；
其中，n、m均为预先设定值；
S2、在TBM掘进过程中，获取所述TBM掘进过程中任一掘进循环的关键参数的数据；
S3、基于所述TBM掘进过程中任一掘进循环的关键参数的数据、第三基分类器、预先设定的关键参数范围，确定所述TBM掘进过程中任一掘进循环所对应的掘进区段类型；
其中所述掘进区段类型为平稳段或预警段或断层段；
S4、判断所述所述TBM掘进过程中任一掘进循环所对应的掘进区段类型是否为预警段，若是，则发出预警信号。


2.根据权利要求1所述的方法，其特征在于，所述关键参数包括五种参数类型，具体包括：
刀盘扭矩参数、顶护盾压力参数、左护盾压力参数、齿轮密封外密封压力参数、前盾俯仰角参数。


3.根据权利要求2所述的方法，其特征在于，所述第一基分类器为：随机森林算法模型；
所述第二基分类器为：支持向量机算法模型。


4.根据权利要求3所述的方法，其特征在于，所述步骤A1包括：
S1-1、对所述预先设定的第一类数据、第二类数据、第三类数据进行划分，确定第一组数据和第二组数据；
其中，第一组数据包括：第一类数据中的多个数据、第二类数据中的多个数据、第三类数据中的多个数据；
第二组数据包括：第一类数据中除第一组数据之外的多个数据、第二类数据中除第一组数据之外的多个数据、第三类数据中除第一组数据之外的多个数据；
S1-2、基于所述第一组数据和第二组数据，对所述第一基分类器和第二基分类器进行优化，获取最终的第一基分类器和最终的第二基分类器；
其中，所述最终的第一基分类器针对TBM掘进过程中任一掘进循环的关键参数的数据进行分类获取所述TBM掘进过程中任一掘进循环的关键参数的数据为第一类数据的概率r1、所述TBM掘进过程中任一掘进循环的关键参数的数据为第二类数据的概率r2、所述TBM掘进过程中任一掘进循环的关键参数的数据为第三类数据的概率r3；
其中，所述最终的第二基分类器针对TBM掘进过程中任一掘进循环的关键参数的数据进行分类获取所述TBM掘进过程中任一掘进循环的关键参数的数据为第一类数据的概率s1、所述TBM掘进过程中任一掘进循环的关键参数的数据为第二类数据的概率s2、所述TBM掘进过程中任一掘进循环的关键参数的数据为第三类数据的概率s3；
S1-3、基于所述最终的第一基分类器、最终的第二基分类器和第二组参数数据，确定第三基分类器；其中，所述第三基分类器为：根据res1、res2、res3的值确定所述TBM掘进过程中任一掘进循环的关键参数的数据为第一类数据或第二类数据或第三类数据；
其中，res1＝w1*r1+w2*s1，res2＝w1*r2+w2*s2，res2＝w1*r2+w2*s2，且ω1+ω2＝1；
ω1为预先设定的第一基分类器的权重值；ω2为预先设定的第二基分类器的权重值；
res1为所述第一基分类器和第二基分类器感知的TBM掘进过程中任一掘进循环的关键参数的数据为第一类数据的平均概率；
res2为所述第一基分类器和第二基分类器感知的TBM掘进过程中任一掘进循环的关键参数的数据为第二类数据的平均概率；
res3为所述第一基分类器和第二基分类器感知的TBM掘进过程中任一掘进循环的关键参数的数据为第三类数据的平均概率。


5.根据权利要求4所述的方法，其特征在于，所述第三基分类器获取所述res1、res2、res3中的最大值，并根据所述res1、res2、res3中的最大值确定所述TBM掘进过程中任一掘进循环的关键参数的数据为第一类数据...

【专利技术属性】
技术研发人员：刘造保，李龙，王永琛，冯夏庭，蔡力聪，沈挽青，邵建富，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21