一种基于地质参数量化的盾构掘进参数预测方法技术

本发明专利技术涉及一种基于地质参数量化的盾构掘进参数预测方法，该方法包括以下步骤：将地层沿着埋深方向进行单元化处理，基于各单元片段的地质参数和隧道参数，建立地质状况量化矩阵，结合对应的掘进参数生成训练数据，并基于训练数据建立卷积神经网络模型；获取待施工段的地质状况量化矩阵，输入所述卷积神经网络模型获得对应掘进参数的预测值。与现有技术相比，本发明专利技术具有充分体现土层的复杂程度、预测精度高等优点。精度高等优点。精度高等优点。

【技术实现步骤摘要】
一种基于地质参数量化的盾构掘进参数预测方法


[0001]本专利技术涉及隧道掘进机智能控制领域，尤其是涉及一种基于地质参数量化的盾构掘进参数预测方法。

技术介绍

[0002]在利用盾构机进行施工时，不同地层下掘进参数的设定严重依赖于人工经验，然而当地层较为复杂尤其是复合地层时，很难通过人工经验设定合理的掘进参数。
[0003]为了解决上述问题，现有技术公开一些技术手段。如专利申请CN112163316A公开一种基于深度学习的硬岩隧道掘进机的掘进参数预测方法，将盾构机掘进段划分为空推段、上升段、平稳段，并利用传感器连续采集的上升段掘进参数数据形成输入参数矩阵，将平稳掘进段的平均推进速度、平均刀盘转速作为目标输出参数，利用卷积神经网络进行模型训练，实现利用上升段掘进参数数据到平稳掘进段掘进参数的预测；专利CN103870677B公开一种掘进机的掘进参数设定方法，收集基于包含单轴抗压强度、巴西试验劈裂抗拉强度、冲击试验压头的最大荷载与相应的位移的比值、软弱结构面的平均间距和隧道轴线与软弱结构面之间的夹角的围岩参数，利用偏最小二乘法和自适应神经元本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于地质参数量化的盾构掘进参数预测方法，其特征在于，该方法包括以下步骤：将地层沿着埋深方向进行单元化处理，基于各单元片段的地质参数和隧道参数，建立地质状况量化矩阵，结合对应的掘进参数生成训练数据，并基于训练数据建立卷积神经网络模型；获取待施工段的地质状况量化矩阵，输入所述卷积神经网络模型获得对应掘进参数的预测值。2.根据权利要求1所述的基于地质参数量化的盾构掘进参数预测方法，其特征在于，所述地质参数包括密度、压缩模量、内摩擦角、泊松比、黏聚力、渗透系数、承载力特征值、剪切模量、静侧压力系数、垂直基床系数、水平基床系数、剪切波速、纵切波束和弹性模量。3.根据权利要求1所述的基于地质参数量化的盾构掘进参数预测方法，其特征在于，所述隧道参数包括埋深和是否为开挖断面。4.根据权利要求1所述的基于地质参数量化的盾构掘进参数预测方法，其特征在于，所述掘进参数包括总推进力和刀盘扭矩。5.根据权利要求1所述的基于地质参数量化的盾构掘进参数预测方法，其特征在于，进行所述单元化处理时，地质状况统计范围为以掌子面为中心的3D土层范围，其中，D为隧道直径。6.根据权利要求1所述的基于地质参数量化的盾构掘进参数预测方法，其特征在于，进行所述单元化处理时，单元片段的厚度小于最小地层的厚度。7.根据权利要求1所述的基于地质参数量...

【专利技术属性】
技术研发人员：刘学增，陈文明，丁爽，桑运龙，师刚，
申请(专利权)人：上海同岩土木工程科技股份有限公司，
类型：发明
国别省市：