一种TBM卡机风险预测方法及系统技术方案

本发明专利技术公开了一种TBM卡机风险预测方法及系统，包括对获取的历史TBM掘进状态参数和对应的围岩状态参数进行统计分析，得到影响TBM卡机风险等级的TBM掘进影响因素；根据TBM掘进影响因素和TBM卡机风险等级对卷积神经网络进行训练，构建TBM卡机风险预测模型；根据TBM卡机风险预测模型得到实时TBM掘进状态参数下的TBM卡机风险等级。根据采集的围岩状态数据和TBM掘进状态参数，通过对其进行主成分分析，得到主要影响因素，构建TBM卡机预警模型，对获取的TBM实时掘进参数进行实时预测，实现TBM卡机风险的预判，有利于提高TBM的掘进效率及安全性。

【技术实现步骤摘要】
一种TBM卡机风险预测方法及系统
本专利技术涉及TBM掘进
，特别是涉及一种TBM卡机风险预测方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。TBM施工作为隧道施工的重要方法，具有自动化程度高、施工速度快、节约人力、安全经济、一次成型，不受外界气候影响，开挖时可以控制地面沉陷，减少对地面建筑物的影响，水下地下施工不影响水中地面交通等优点，是岩石隧道掘进最有发展潜力的机械设备。然而，专利技术人发现，山岭隧道往往处于大埋深、长距离的施工中，地质复杂多变，TBM在破碎地层中施工时适应性差，掘进速度明显下降，且围岩容易挤压护盾，造成卡机，影响正常掘进；因此如何提前预判TBM卡机风险，及时采取措施，如何提高TBM在破碎地层的适应性，在遭遇破碎地层前对TBM开挖发出预警是本领域技术人员急需解决的问题。
技术实现思路
为了解决上述问题，本专利技术提出了一种TBM卡机风险预测方法及系统，根据采集的围岩状态数据和TBM掘进状态参数，通过对其进行主成分分析，得到主要影响因素，构建TBM卡机预警模型，对获取的TBM实时掘进参数进行实时预测，实现TBM卡机风险的预判，有利于提高TBM的掘进效率及安全性。为了实现上述目的，本专利技术采用如下技术方案：第一方面，本专利技术提供一种TBM卡机风险预测方法，包括：对获取的历史TBM掘进状态参数和对应的围岩状态参数进行统计分析，得到影响TBM卡机风险等级的TBM掘进影响因素；根据TBM掘进影响因素和TBM卡机风险等级对卷积神经网络进行训练，构建TBM卡机风险预测模型；根据TBM卡机风险预测模型得到实时TBM掘进状态参数下的TBM卡机风险等级。第二方面，本专利技术提供一种TBM卡机风险预测系统，包括：分析模块，用于对获取的历史TBM掘进状态参数和对应的围岩状态参数进行统计分析，得到影响TBM卡机风险等级的TBM掘进影响因素；训练模块，用于根据TBM掘进影响因素和TBM卡机风险等级对卷积神经网络进行训练，构建TBM卡机风险预测模型；预测模块，用于根据TBM卡机风险预测模型得到实时TBM掘进状态参数下的TBM卡机风险等级。第三方面，本专利技术提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。第四方面，本专利技术提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。与现有技术相比，本专利技术的有益效果为：本专利技术提供一种TBM卡机实时监测预警系统，根据采集的围岩状态数据和TBM掘进状态参数，通过对其进行主成分分析，得到主要影响因素，构建TBM卡机预警模型，对获取的TBM实时掘进参数进行实时预测，判断结果准确率高，如果存在卡机风险，发出预警信号，提醒工作人员及时采取措施，避免出现卡机的情况，能够实现TBM卡机风险的预判，有利于提高TBM在破碎地层的适应性，提高TBM的掘进效率及安全性。本专利技术对包括掘进参数与围岩状态参数的所有指标进行主成分分析，降低数据的复杂程度，降低数据的维度，使用较少的数据维度，同时又可以代表原始数据的特征；通过掘进参数和围岩参数相对应，可以使数据更加具有代表性，更加全面的反馈了TBM掘进过程中的围岩及掘进参数的关系，从而更好的指导TBM施工，预防卡机等灾害的发生。本专利技术能够及时有效掌握隧道围岩状态、TBM的掘进状态以及TBM掘进可能遭遇的卡机风险，当出现卡刀盘或卡护盾的风险时，能够提前获知风险、发出预警，并及时将信息反馈给现场施工人员，使施工人员能够及时掌握各方面的信息，及时实施TBM卡机预防措施，即使TBM被卡也能及时进行TBM脱困处理，可有效降低TBM被卡风险，降低TBM卡机对工期的影响，提高TBM施工效率。附图说明构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。图1为本专利技术实施例1提供的TBM卡机风险预测方法流程图；图2为本专利技术实施例2提供的TBM卡机风险预测系统结构图。具体实施方式：下面结合附图与实施例对本专利技术做进一步说明。应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。实施例1如图1所示，本实施例提供一种TBM卡机风险预测方法，包括：S1：对获取的历史TBM掘进状态参数和对应的围岩状态参数进行统计分析，得到影响TBM卡机风险等级的TBM掘进影响因素；S2：根据TBM掘进影响因素和TBM卡机风险等级对卷积神经网络进行训练，构建TBM卡机风险预测模型；S3：根据TBM卡机风险预测模型得到实时TBM掘进状态参数下的TBM卡机风险等级。所述步骤S1中，TBM掘进状态参数包括但不限于：护盾变形量、摩阻力、TBM掘进推力、扭矩、推进速度、贯入度等；其中，在本实施例中，护盾变形量的采集采用光线光栅传感器，在护盾轴线方向上，每隔一定距离布置一个传感器，实时采集TBM掘进过程中护盾产生的变形量；摩阻力的采集采用微型压力传感器，在护盾表面布置压力传感器，实时监测TBM掘进过程中产生的压力及摩阻力；通过TBM自带的参数采集装置采集TBM掘进过程中的推力、扭矩、推进速度、贯入度。所述步骤S1中，围岩状态参数包括岩体完整性、岩石硬度、断层破碎带、特殊岩土组合、地下水、岩体优势结构面走向与隧道线夹角θ；在本实施例中，通过布设在TBM前方的围岩参数采集传感器，对露出护盾的围岩地质情况采集围岩状态数据。在本实施例中，通过实时采集的扭矩、推力、推进速度、贯入度等，与围岩实时的变形、应力等参数对应后，从而根据对应后的数据进行分析调整TBM掘进参数。所述步骤S1中，对采集到的参数进行统计分析之前，进行异常值剔除，包括：剔除TBM掘进状态参数中的停机段数据，利用箱线法对剔除停机段数据后的TBM掘进状态参数进行异常值剔除；将剔除异常值后的参数进行分析处理，采用主成分分析法对已经开挖的掘进参数进行分析，得到若干主成分变量，即影响TBM卡机风险等级的TBM掘进影响本文档来自技高网...

【技术保护点】
1.一种TBM卡机风险预测方法，其特征在于，包括：/n对获取的历史TBM掘进状态参数和对应的围岩状态参数进行统计分析，得到影响TBM卡机风险等级的TBM掘进影响因素；/n根据TBM掘进影响因素和TBM卡机风险等级对卷积神经网络进行训练，构建TBM卡机风险预测模型；/n根据TBM卡机风险预测模型得到实时TBM掘进状态参数下的TBM卡机风险等级。/n

【技术特征摘要】
1.一种TBM卡机风险预测方法，其特征在于，包括：
对获取的历史TBM掘进状态参数和对应的围岩状态参数进行统计分析，得到影响TBM卡机风险等级的TBM掘进影响因素；
根据TBM掘进影响因素和TBM卡机风险等级对卷积神经网络进行训练，构建TBM卡机风险预测模型；
根据TBM卡机风险预测模型得到实时TBM掘进状态参数下的TBM卡机风险等级。


2.如权利要求1所述的一种TBM卡机风险预测方法，其特征在于，所述TBM掘进状态参数包括：护盾变形量、摩阻力、TBM掘进推力、扭矩、推进速度和贯入度。


3.如权利要求2所述的一种TBM卡机风险预测方法，其特征在于，所述护盾变形量采用光线光栅传感器采集，在护盾轴线方向上，每隔一定距离布置光线光栅传感器，采集TBM掘进过程中护盾产生的变形量；
所述摩阻力采用压力传感器采集，在护盾表面布置压力传感器，监测TBM掘进过程中产生的压力及摩阻力。


4.如权利要求1所述的一种TBM卡机风险预测方法，其特征在于，所述围岩状态参数包括岩体完整性、岩石硬度、断层破碎带、特殊岩土组合、地下水、岩体优势结构面走向与隧道线夹角。


5.如权利要求1所述的一种TBM卡机风险预测方法，其特征在于，统计分析之前，进行异常值剔除，包括：剔除TBM掘进状态参数中的停机段数...

【专利技术属性】
技术研发人员：邱道宏，于月浩，薛翊国，公惠民，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37