基于机器学习的盾构刀盘结泥饼预警方法及系统技术方案

本发明专利技术提供了一种基于机器学习的盾构刀盘结泥饼预警方法及系统，包括如下步骤：获取施工过程中盾构机参数数据，对参数数据进行结泥饼相关性分析，筛选出与结泥饼相关性高的关键参数数据。根据现场施工情况及关键参数数据判断结泥饼状态，建立关键参数与结泥饼状态的映射结果集。利用机器学习模型，将得到的关键参数与结泥饼状态映射结果集输入模型进行训练，得到结泥饼状态预警模型。选取工况不同的项目参数数据进行上述处理，形成验证集。将验证集数据输入结泥饼状态预警模型进行评估，训练刀盘结泥饼预警模型，直至预测准确率到达目标准确率。采集盾构施工关键参数实时数据，利用刀盘结泥饼状态预警模型进行刀盘结泥饼实时预警。时预警。时预警。

【技术实现步骤摘要】
基于机器学习的盾构刀盘结泥饼预警方法及系统


[0001]本专利技术涉及盾构隧道施工
，尤其涉及一种基于机器学习的盾构刀盘结泥饼预警方法及系统。

技术介绍

[0002]在盾构施工过程中，盾构刀盘常面临结泥饼的难题，即刀盘被切削下来的细小颗粒形成的（半）固体所黏附住。泥饼一旦形成，会增加刀盘工作负荷，造成推力、扭矩突然增大，掘进速度缓慢等问题，严重影响盾构掘进效率，严重时将会引起刀盘过热、轴承损坏等重大安全问题。目前，对于刀盘结是否泥饼，主要依赖于盾构司机对相关掘进参数变化的判断。由于盾构司机的理论与经验参差不齐，这种判断方式存在比较大的人为误差，无法实现对盾构机刀盘结泥饼进行预警和及时处理。
[0003]公开号为CN112031798A的一种刀盘结泥饼预警系统及方法，利用神经网络对土压平衡盾构相关掘进参数进行判断，由于土压平衡盾构与泥水平衡盾构工作原理不同，在对关键参数的选取上也有所差异，并且没有考虑地层突变引起的参数异常变化的问题，故对泥水平衡盾构刀盘结泥饼进行预测时无法取得较好的效果。
[0004]公开号为CN11162本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器学习的盾构刀盘结泥饼预警方法，其特征在于包括如下步骤：S1、获取盾构机在不同时间点位的掘进关键参数数据，对每个点位的参数数据进行相关性分析，最后筛选出关键参数数据；S2、对S1中获取到的关键参数数据进行预处理；S3、对S2中预处理后得到的盾构掘进关键参数数据进行标记，结合现场施工报表，建立掘进关键参数与刀盘结泥饼状态映射结果集；S4、将建立好的掘进关键参数与刀盘结泥饼状态映射结果集输入机器学习模型中，训练模型，得到评估刀盘结泥饼状态的预警模型；S5、选取不同施工环境、不同工况下的盾构项目，重复S1至S3，将得到的掘进关键参数与结泥饼状态映射结果集输入到S4中评估刀盘结泥饼状态的预警模型中，计算模型的预测准确率；S6、将预测准确率与目标准确率进行比较，若预测准确率＜目标准确率，则返回S5，直至预测准确率≥目标准确率；S7、采集盾构施工过程中盾构实时关键掘进参数数据，利用评估刀盘结泥饼状态的模型对刀盘结泥饼状态进行实时预警。2.根据权利要求1所述的盾构刀盘结泥饼预警方法，其特征在于，步骤S1中筛选得到的关键参数数据至少包括刀盘推力F、刀盘扭矩T、推进速度V、刀盘转速S和贯入度P；步骤S2中预处理的过程进一步包括：将由于盾构机停止、数据采集系统离线造成的点位数据波动进行优化处理，剔除参数数据为0和异常波动的点位，将各参数数据进行局部无量纲化处理，使其在处于同一量级；引入地层折减系数η对参数数据进行优化。3.根据权利要求2所述的盾构刀盘结泥饼预警方法，其特征在于，局部无量纲化处理的过程进一步包括：将当前环的参数数据与其前100环的参数数据的平均值进行除法运算得到的比值：；式中，={刀盘推力F、刀盘扭矩T、推进速度V、刀盘转速S、贯入度P}；为优化后100环数据的平均值；={刀盘推力、刀盘扭矩、推进速度、刀盘转速、贯入度}；为局部无量纲化处理完的参数数据；={刀盘推力、刀盘扭矩、推进速度、刀盘转速、贯入度}。4.根据权利要求1所述的盾构刀盘结泥饼预警方法，其特征在于，步骤S2中地层折减系数η的确定过程包括：S2
‑
a
‑
1、根据断面上不同地层的天然重度γ、粘聚力c、内摩擦角，通过对各物理力学参数进行面积加权平均处理，如下：；式中，代表天然重度γ、粘聚力c、内摩擦角，代表断面上上不同土层的面积，S代表断面总面积，为参数按面积加权平均后的值；S2
‑
a
‑
2、将相邻断面处参数加...

【专利技术属性】
技术研发人员：刘四进，马浴阳，何小辉，汪景涛，宋国童，王军，王华伟，史林肯，刘鹏，
申请(专利权)人：中铁十四局集团有限公司，
类型：发明
国别省市：