盾构掘进支护压力动态预测与智能决策控制系统技术方案

本发明专利技术涉及盾构技术领域，特别是涉及一种盾构掘进支护压力动态预测与智能决策控制系统，包括：参数选取模块，获取M个初始参数的历史数据，并进行相关程度计算，得到N个决策参数；数据构建模块，基于N个决策参数的历史数据和历史支护压力数据构建训练数据集；模型训练模块，对支护压力预测模型进行训练；预测模块，获取实时时间序列数据集，基于实时时间序列数据集和训练好的支护压力预测模型得到支护压力预测值；控制模块，基于支护压力预测值和粒子群算法得到各决策参数的预测值，基于各决策参数的预测值进行盾构掘进控制。本发明专利技术以智能代人工，减少运营成本，大大降低技术门槛，提高了施工的安全性。了施工的安全性。了施工的安全性。

【技术实现步骤摘要】
盾构掘进支护压力动态预测与智能决策控制系统


[0001]本专利技术涉及盾构
，特别是涉及一种盾构掘进支护压力动态预测与智能决策控制系统。

技术介绍

[0002]城市地下空间的开发在快速发展，目前在城市地铁的建设中，大多采用盾构机工法。盾构掘进过程中主要通过开挖舱内的泥水压力或土压力平衡外部的水土压力，从而保证开挖面的平衡。过小的压力会引起掘进工作面的失衡，导致地表的沉陷或坍塌；过大的压力将会导致刀盘与土体之间摩擦阻力增加，增加刀具的磨损。
[0003]传统方法中，盾构机支护压力的控制基本都以手动控制为主，控制的精度严重依靠工程师的个人经验，控制失误则可能会出现一系列地层沉降甚至是坍塌的重大安全事故。
[0004]现有技术中，通过合理添加改性泥浆材料进行手动操控支护压力，来维持开挖面的稳定，不够完全智能化，还是依靠个人经验；或通过对泥水压力影响因素进行预测，但是并不能得到控制决策参数，或获取送泥量和排泥量参数，用泥浆密度作为指标，根据参数信息进行判断和控制掘进参数，仍属于手动控制范畴。

技术实现思路

[0005]有鉴于此，本专利技术提供了盾构掘进支护压力动态预测与智能决策控制系统，以智能代人工，减少运营成本，大大降低技术门槛，提高了施工的安全性。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种盾构掘进支护压力动态预测与智能决策控制系统，其特征在于，包括：
[0008]参数选取模块，获取M个初始参数的历史数据，并进行相关程度计算，得到N个决策参数；M和N均为大于1的正整数，且N≤M；
[0009]数据构建模块，基于N个所述决策参数的历史数据和历史支护压力数据构建训练数据集；
[0010]模型训练模块，基于所述训练数据集对支护压力预测模型进行训练，得到训练好的所述支护压力预测模型；
[0011]预测模块，获取实时时间序列数据集，基于所述实时时间序列数据集和训练好的所述支护压力预测模型得到支护压力预测值；
[0012]控制模块，基于所述支护压力预测值和粒子群算法得到各所述决策参数的预测值，基于各所述决策参数的预测值进行盾构掘进控制。
[0013]优选地，所述参数选取模块具体为：
[0014]获取M个所述初始参数的历史数据；
[0015]选取任意两个所述初始参数的历史数据进行相关程度计算，若所述相关程度大于相关性设定值，则舍弃选取的两个所述初始参数中的任意一个，重复执行此过程，得到N个
所述决策参数。
[0016]优选地，所述模型训练模块包括：
[0017]预处理单元，对所述训练数据集进行归一化和数据清洗，得到清洗数据集；
[0018]模型构建单元，基于各所述决策参数构建所述支护压力预测模型；
[0019]训练单元，将所述清洗数据集分为训练集和测试集；基于所述训练集对所述支护压力预测模型进行训练，基于所述测试集对所述支护压力预测模型进行测试，直至所述支护压力预测模型的误差小于误差设定值，得到训练好的所述支护压力预测模型。
[0020]优选地，所述控制模块包括：
[0021]边界单元，基于所述支护压力预测值得到支护压力上限和支护压力下限；
[0022]数据搜索单元，基于粒子群算法在给定区间内对各所述决策参数的初始预测值进行搜索，得到初始控制集；
[0023]计算单元，基于所述初始控制集和训练好的所述支护压力预测模型，得到支护压力计算值；
[0024]适应度单元，基于所述支护压力计算值、所述支护压力上限和所述支护压力下限得到适应度值；
[0025]控制单元，对所述适应度值进行判断，若所述适应度值大于适应度设定值，则将各所述决策参数的初始预测值作为各所述决策参数的预测值，基于各所述决策参数的预测值进行盾构掘进控制；若所述适应度值小于或等于所述适应度设定值，则返回至所述数据搜索单元，直至所述适应度值大于所述适应度设定值。
[0026]优选地，所述支护压力预测模型选用长短期记忆神经网络。
[0027]优选地，所述预处理单元包括：
[0028]归一化子单元，结合盾构直径和刀具数量对所述训练数据集进行归一化处理，得到归一化数据集；
[0029]离群点子单元，基于距离设定值对所述归一化数据集进行离群点清洗，得到所述清洗数据集。
[0030]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0031]本专利技术涉及一种盾构掘进支护压力动态预测与智能决策控制系统，包括：参数选取模块，获取M个初始参数的历史数据，并进行相关程度计算，得到N个决策参数；数据构建模块，基于N个决策参数的历史数据和历史支护压力数据构建训练数据集；模型训练模块，对支护压力预测模型进行训练；预测模块，获取实时时间序列数据集，基于实时时间序列数据集和训练好的支护压力预测模型得到支护压力预测值；控制模块，基于支护压力预测值和粒子群算法得到各决策参数的预测值，基于各决策参数的预测值进行盾构掘进控制。本专利技术以智能代人工，减少运营成本，大大降低技术门槛，提高了施工的安全性。
附图说明
[0032]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0033]图1为盾构掘进支护压力动态预测与智能决策控制系统。
[0034]符号说明：1、参数选取模块；2、数据构建模块；3、模型训练模块；4、预测模块；5、控制模块。
具体实施方式
[0035]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0036]本专利技术的目的是提供盾构掘进支护压力动态预测与智能决策控制系统，以智能代人工，减少运营成本，大大降低技术门槛，提高了施工的安全性。
[0037]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0038]图1为本专利技术盾构掘进支护压力动态预测与智能决策控制系统结构图。如图1所示，本专利技术提供了一种盾构掘进支护压力动态预测与智能决策控制系统，包括：参数选取模块1、数据构建模块2、模型训练模块3、预测模块4和控制模块5。
[0039]所述参数选取模块1用于获取M个初始参数的历史数据，并进行相关程度计算，得到N个决策参数；M和N均为大于1的正整数，且N≤M。
[0040]具体地，获取M个所述初始参数的历史数据。
[0041]选取任意两个所述初始参数的历史数据进行相关程度计算，若所述相关程度大于相关性设定值，则舍弃选取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种盾构掘进支护压力动态预测与智能决策控制系统，其特征在于，包括：参数选取模块，获取M个初始参数的历史数据，并进行相关程度计算，得到N个决策参数；M和N均为大于1的正整数，且N≤M；数据构建模块，基于N个所述决策参数的历史数据和历史支护压力数据构建训练数据集；模型训练模块，基于所述训练数据集对支护压力预测模型进行训练，得到训练好的所述支护压力预测模型；预测模块，获取实时时间序列数据集，基于所述实时时间序列数据集和训练好的所述支护压力预测模型得到支护压力预测值；控制模块，基于所述支护压力预测值和粒子群算法得到各所述决策参数的预测值，基于各所述决策参数的预测值进行盾构掘进控制。2.根据权利要求1所述的盾构掘进支护压力动态预测与智能决策控制系统其特征在于，所述参数选取模块具体为：获取M个所述初始参数的历史数据；选取任意两个所述初始参数的历史数据进行相关程度计算，若所述相关程度大于相关性设定值，则舍弃选取的两个所述初始参数中的任意一个，重复执行此过程，得到N个所述决策参数。3.根据权利要求1所述的盾构掘进支护压力动态预测与智能决策控制系统其特征在于，所述模型训练模块包括：预处理单元，对所述训练数据集进行归一化和数据清洗，得到清洗数据集；模型构建单元，基于各所述决策参数构建所述支护压力预测模型；训练单元，将所述清洗数据集分为训练集和测试集；基于所述训练集对所述支护压力预测模型进行训练，基于所述测试集对所...

【专利技术属性】
技术研发人员：金大龙，袁大军，刘运琪，孙昌龙，陈悦，姚占虎，成晓青，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：