TBM掘进参数的辅助决策方法、装置及电子设备制造方法及图纸

本公开提供了一种TBM掘进参数的辅助决策方法、装置及电子设备，其中方法包括：从多个参数中选取TBM掘进过程的设计变量；基于设计变量和围岩的类别，为围岩设计对应的目标函数，并通过目标函数确定效能参数，效能参数用于表征TBM的掘进效能；根据效能参数确定优化目标，并基于优化目标建立辅助决策模型，辅助决策模型中包含有TBM的掘进参数；利用多目标粒子群算法和预先设置的算法参数，辅助决策该辅助决策模型中TBM的掘进参数。本公开根据优化目标建立辅助决策模型，并通过多目标粒子群算法和对应的算法参数，辅助决策该辅助决策模型中TBM的掘进参数，进而有效指导TBM的正常掘进，解决了相关技术中无法对掘进参数进行有效决策的技术问题。策的技术问题。策的技术问题。

【技术实现步骤摘要】
TBM掘进参数的辅助决策方法、装置及电子设备


[0001]本公开涉及土木工程
，具体涉及一种TBM掘进参数的辅助决策方法、装置及电子设备。

技术介绍

[0002]随着信息化的推动和智能化设备的发展，通过隧道掘进机(Tunnel Boring Machine，简称为TBM)进行掘进的隧道工程越来越多。TBM隧道施工中，在相同的设备和地质条件下，由于受不同的施工队伍、不同的司机影响，TBM隧道选取的掘进参数存在明显差别。然而，目前还没有一种技术方案能够对TBM隧道的掘进参数进行有效决策。
[0003]针对相关技术中无法对掘进参数进行有效决策的问题，目前尚未提出有效的技术解决方案。

技术实现思路

[0004]本公开的主要目的在于提供一种TBM掘进参数的辅助决策方法、装置及电子设备，以解决相关技术中无法对掘进参数进行有效决策的技术问题。
[0005]为了实现上述目的，本公开的第一方面提供了一种TBM掘进参数的辅助决策方法，包括：
[0006]从多个参数中选取TBM掘进过程的设计变量；
[0007]基于设计变量和围岩的类别，为围岩设计对应的目标函数，并通过目标函数确定效能参数，其中，围岩的类别是根据围岩的稳定性确定的，效能参数用于表征TBM的掘进效能；
[0008]根据效能参数确定优化目标，并基于优化目标建立辅助决策模型，其中，辅助决策模型中包含有TBM的掘进参数；以及
[0009]利用多目标粒子群算法和预先设置的算法参数，辅助决策该辅助决策模型中TBM的掘进参数。
[0010]可选地，基于设计变量和围岩的类别，为围岩设计对应的目标函数，并通过目标函数确定效能参数，包括：
[0011]根据围岩的稳定性确定围岩的类别，其中，不同类别的围岩包括II类围岩、IIIa类围岩、IIIb类围岩和IV类围岩；
[0012]基于设计变量，针对不同类别的围岩设计不同的目标函数，其中，围岩的类别与目标函数一一对应；
[0013]通过目标函数确定围岩的效能参数，其中，效能参数包括掘进速度和平均单刀破岩量。
[0014]进一步地，基于设计变量，针对不同类别的围岩设计不同的目标函数，包括：
[0015]基于设计变量，按照下述公式设计II类围岩的目标函数：
[0016][0017]基于设计变量，按照下述公式设计IIIa类围岩的目标函数：
[0018][0019]基于设计变量，按照下述公式设计IIIb类围岩的目标函数：
[0020][0021]基于设计变量，按照下述公式设计IV类围岩的目标函数：
[0022][0023]其中，PR为掘进速度，Hf为平均单刀破岩量，n为刀具数量，UCS为岩石单轴压缩强度，Kv为岩体完整性系数，QC为岩石石英含量，Th为总推力，RPM为刀盘转速。
[0024]可选地，效能参数包括掘进速度和平均单刀破岩量；
[0025]根据效能参数确定优化目标，并基于优化目标建立辅助决策模型，包括：
[0026]将掘进速度的值最大和平均单刀破岩量的值最大作为优化目标；
[0027]基于优化目标，建立辅助决策模型，按下述公式确定辅助决策模型的模型目标F：
[0028]F＝(maxPR,maxH
f
)
[0029]其中，PR为掘进速度，Hf为平均单刀破岩量。
[0030]可选地，掘进参数包括总推力和刀盘转速；
[0031]利用多目标粒子群算法和预先设置的算法参数，辅助决策该辅助决策模型中TBM的掘进参数，包括：
[0032]利用多目标粒子群算法和预先设置的算法参数，分别确定掘进速度最大且平均单刀破岩量最大时辅助决策模型中TBM的总推力和刀盘转速；
[0033]其中，对于非支配排序的多目标粒子群算法，对应的预先设置的算法参数包括种群规模、最大迭代次数、外部档案规模和计算环境。
[0034]进一步地，算法参数的设置步骤包括：
[0035]结合多目标粒子群算法的收敛性和运算效率，设置种群规模和最大迭代次数；
[0036]通过数据点所构成Pareto前端的精细程度，设置外部档案规模，其中，外部档案规模的值和种群规模的值相等；
[0037]基于不同外部档案规模的优化结果，得出对应的计算时间，确定计算环境。
[0038]可选地，从多个参数中选取TBM掘进过程的设计变量包括：
[0039]从多个围岩参数和多个掘进参数中选取TBM掘进过程的设计变量；
[0040]其中，设计变量包括岩石单轴压缩强度、岩体完整性系数、岩石石英含量、总推力
和刀盘转速。
[0041]本公开的第二方面提供了一种TBM掘进参数的辅助决策装置，包括：
[0042]选取单元，用于从多个参数中选取TBM掘进过程的设计变量；
[0043]设计单元，用于基于设计变量和围岩的类别，为围岩设计对应的目标函数，并通过目标函数确定效能参数，其中，围岩的类别是根据围岩的稳定性确定的，效能参数用于表征TBM的掘进效能；
[0044]确定单元，用于根据效能参数确定优化目标，并基于优化目标建立辅助决策模型，其中，辅助决策模型中包含有TBM的掘进参数；以及
[0045]辅助决策单元，用于利用多目标粒子群算法和预先设置的算法参数，辅助决策该辅助决策模型中TBM的掘进参数。
[0046]本公开的第三方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行第一方面任意一项提供的TBM掘进参数的辅助决策方法。
[0047]本公开的第四方面提供了一种电子设备，电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器执行第一方面任意一项提供的TBM掘进参数的辅助决策方法。
[0048]在本公开实施例提供的TBM掘进参数的辅助决策方法中，根据优化目标建立辅助决策模型，并通过多目标粒子群算法和对应的算法参数，辅助决策该辅助决策模型中TBM的掘进参数，进而有效指导TBM的正常掘进，解决了相关技术中无法对掘进参数进行有效决策的技术问题。
附图说明
[0049]为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述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公开的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0050]图1为本公开实施例提供的TBM掘进参数的辅助决策方法流程示意图；
[0051]图2为本公开实施例提供的不同类别围岩目标优化后掘进参数的分布图，其中，图2(a)和图2(b)分别为II类围岩目标优化后总推力和刀盘转速的分布图，图2(c)和图2(d)分别为IIIa类围岩目标优化后总推力和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种TBM掘进参数的辅助决策方法，其特征在于，包括：从多个参数中选取TBM掘进过程的设计变量；基于所述设计变量和围岩的类别，为所述围岩设计对应的目标函数，并通过所述目标函数确定效能参数，其中，所述围岩的类别是根据所述围岩的稳定性确定的，所述效能参数用于表征TBM的掘进效能；根据所述效能参数确定优化目标，并基于所述优化目标建立辅助决策模型，其中，所述辅助决策模型中包含有TBM的掘进参数；以及利用多目标粒子群算法和预先设置的算法参数，辅助决策所述辅助决策模型中TBM的掘进参数。2.根据权利要求1所述的方法，其特征在于，所述基于所述设计变量和围岩的类别，为所述围岩设计对应的目标函数，并通过所述目标函数确定效能参数，包括：根据所述围岩的稳定性确定所述围岩的类别，其中，不同类别的围岩包括II类围岩、IIIa类围岩、IIIb类围岩和IV类围岩；基于所述设计变量，针对不同类别的围岩设计不同的目标函数，其中，所述围岩的类别与所述目标函数一一对应；通过所述目标函数确定所述围岩的效能参数，其中，所述效能参数包括掘进速度和平均单刀破岩量。3.根据权利要求2所述的方法，其特征在于，所述基于所述设计变量，针对不同类别的围岩设计不同的目标函数，包括：基于所述设计变量，按照下述公式设计II类围岩的目标函数：基于所述设计变量，按照下述公式设计IIIa类围岩的目标函数：基于所述设计变量，按照下述公式设计IIIb类围岩的目标函数：基于所述设计变量，按照下述公式设计IV类围岩的目标函数：其中，PR为掘进速度，Hf为平均单刀破岩量，n为刀具数量，UCS为岩石单轴压缩强度，Kv为岩体完整性系数，QC为岩石石英含量，Th为总推力，RPM为刀盘转速。4.根据权利要求1所述的方法，其特征在于，
所述效能参数包括掘进速度和平均单刀破岩量；所述根据所述效能参数确定优化目标，并基于所述优化目标建立辅助决策模型，包括：将所述掘进速度的值最大和所述平均单刀破岩量的值最大作为优化目标；基于所述优化目标，建立辅助决策模型，按下述公式确定辅助决策模型的模型目标F：F＝(maxPR,maxH
f
)其中，PR为掘进速度，Hf为平均单刀破岩量。5.根据权利要求1所述的方法，其特征在于，所述掘进参数包括总推力和刀盘转速；所述利用多目标粒子群算法和预先设置的算法参数，辅...

【专利技术属性】
技术研发人员：周振梁，谭忠盛，来海祥，张立龙，郭震，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：