一种全断面隧道掘进机边刮刀损坏预警方法技术

本发明专利技术涉及一种全断面隧道掘进机边刮刀损坏预警方法，包括以下步骤：

【技术实现步骤摘要】
一种全断面隧道掘进机边刮刀损坏预警方法


[0001]本专利技术涉及盾构施工
，更具体地说，它涉及一种全断面隧道掘进机边刮刀损坏预警方法
。

技术介绍

[0002]全断面隧道掘进机是指在整个开挖断面区域施工的盾构设备，一般包含土压平衡式全断面隧道掘进机
、
泥水平衡式全断面隧道掘进机和全断面硬岩隧道掘进机
。
边刮刀是全断面隧道掘进机刀盘外径上负责切削和修正隧道洞径的刀具，其外层焊接有耐磨大合金
。
[0003]边刮刀的主要损坏形式有刀具过度磨损
、
合金脱落等，边刮刀损坏后刀盘外径与地质接触，随着掘进过程刀盘边缘被逐渐磨损，易造成主要零部件的损坏
、
隧道洞形质量变差等问题
。
由于盾构刀盘外径处线速度较大，边刮刀磨损也最为严重，尤其是地质中砂石含量较多时，边刮刀损坏更容易发生
。
[0004]边刮刀的工作区域为盾构开挖掌子面区域，很难直接观测或获取刮刀损坏的情况以及磨损程度
。
传统边刮刀损坏评估往往是在发生严重的边刮刀磨损时，通过全断面隧道掘进机掘进参数项的变化情况进行判断，但是在人工经验和认识水平差异的影响下，对于边刮刀损坏判断往往准确度不高并且不够及时
、
不能在发生早期及时识别判断，导致刀盘磨损以及洞形质量差等问题
。

技术实现思路

[0005]本专利技术的目的在于提出一种全断面隧道掘进机边刮刀损坏预警方法，能够解决目前边刮刀损坏不能在早期及时判断
、
准确性不高的技术问题
。
[0006]本专利技术提供了如下技术方案：一种全断面隧道掘进机边刮刀损坏预警方法，包括以下步骤：
[0007]S1.
数据采集与储存：实时采集现场盾构施工数据并储存于盾构
TBM
大数据平台；
[0008]S2.
数据与状态处理：读取并处理所有在建线路的历史数据信息
、
所有在掘进线路的实时信息与全断面隧道掘进机状态信息；
[0009]S3.
数据感知与并发：结合边刮刀损坏判据对实时数据进行判定，形成全断面隧道掘进机边刮刀损坏预警；
[0010]S4.
预警传递与发送：将预警信息传递给盾构
TBM
大数据平台并经盾构
TBM
大数据平台将预警信息推送给现场接收端
。
[0011]进一步的，所述
S2.
数据与状态处理包括如下步骤：
[0012]S21.
历史数据清洗：检测盾构
TBM
大数据平台上所有在建线路，提取最近两环有效历史数据并进行当量数据检测，对历史数据进行清洗；
[0013]S22.
特征数据分析：获取全断面隧道掘进机历史数据中的推进速度
、
推进力
、
刀盘转速
、
刀盘扭矩
、
贯入度等数据中位数
、
百分位点数
、
众数
、
偏差带等信息，进行平滑处理，获
取斜率
、
数据变化周期等信息，储存历史数据的特征数据及其时间
、
环号
、
历程等相关信息，获取并储存数据分布情况和健康数据基准，为后续实时数据判断提供基础；
[0014]S23.
盾构状态查询：每分钟查询盾构
TBM
大数据平台上所有在建线路的盾构状态信息；
[0015]S24.
直径类型查询：程序初始化时读取全断面隧道掘进机直径信息；
[0016]S25.
实时数据累积：按节拍提取每个掘进盾构机前
12
分钟的历史，进行数据初始积累；
[0017]S26.
滑窗处理：对实时数据进行滑窗平滑处理，获取数据倾向
、
波动情况
、
偏差带等数据信息
。
[0018]进一步的，所述
S3.
数据感知与并发步骤中边刮刀损坏判据包括土压平衡盾构边刮刀损坏判据和泥水平衡盾构边刮刀损坏判据；
[0019]土压平衡盾构边刮刀损坏判据包括：
[0020]土压平衡盾构推进速度变化：土压平衡盾构推进速度在
10
分钟内逐渐降低
15
％；
[0021]土压平衡盾构推进力变化：土压平衡盾构推进力在
10
分钟内逐渐增大
15
％；
[0022]土压平衡盾构刀盘转速变化：土压盾构刀盘转速波动幅度变大
10
％；
[0023]土压平衡盾构刀盘扭矩变化：土压盾构刀盘扭矩在
10
分钟内逐渐增大
15
％；
[0024]土压平衡盾构贯入度变化：土压平衡盾构贯入度波动增大5％～
10
％；
[0025]泥水平衡盾构边刮刀损坏判据包括：
[0026]泥水平衡盾构推进速度变化：泥水平衡盾构推进速度在
10
分钟内逐渐降低
15
％～
20
％；
[0027]泥水平衡盾构推进力变化：泥水平衡盾构推进力在
10
分钟内逐渐增大
15
％～
20
％；
[0028]泥水平衡盾构刀盘转速变化：泥水平衡盾构刀盘转速波动幅度变大
10
％～
20
％；
[0029]泥水平衡盾构刀盘扭矩变化：泥水平衡盾构刀盘扭矩在
10
分钟内逐渐增大
15
％～
20
％；
[0030]泥水平衡盾构贯入度变化：泥水平衡盾构贯入度波动增大
10
％～
15
％
。
[0031]进一步的，所述
S3.
数据感知与并发步骤包括：
[0032]S31.
实时数据感知：对实时数据清洗处理后提取数据特征项，并对比历史数据分布特点，对每项数据的数据特征进行落点范围判断，形成数据“好”、“坏”的初步判定；
[0033]S32.
数据分级：对于“好”的数据进行“优”、“良”、“中”、“差”分级，“坏”数据属于“险”分级数据，完成单项数据的数据分级；
[0034]S33.
前反馈：根据数据分级结果，对数据的多项数据特征进行判断，根据数据的特征对应不同的惩罚项，进行不同的前反馈处理；
[0035]S34.
修改算法超参：根据不同的前反馈项和惩罚情况确定惩罚因子及其大小，实现修改算法超参数的目的；
[0036]S35.
多线程并发：对所有在建的在掘进全断面隧道掘进机进行多线程并发处理，建立各自独立的数据，并根据该线路的数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种全断面隧道掘进机边刮刀损坏预警方法，其特征是，包括以下步骤：
S1.
数据采集与储存：实时采集现场盾构施工数据并储存于盾构
TBM
大数据平台；
S2.
数据与状态处理：读取并处理所有在建线路的历史数据信息
、
所有在掘进线路的实时信息与全断面隧道掘进机状态信息；
S3.
数据感知与并发：结合边刮刀损坏判据对实时数据进行判定，形成全断面隧道掘进机边刮刀损坏预警；
S4.
预警传递与发送：将预警信息传递给盾构
TBM
大数据平台并经盾构
TBM
大数据平台将预警信息推送给现场接收端
。2.
如权利要求1所述的一种全断面隧道掘进机边刮刀损坏预警方法，所述
S2.
数据与状态处理包括如下步骤：
S21.
历史数据清洗：检测盾构
TBM
大数据平台上所有在建线路，提取最近两环有效历史数据并进行当量数据检测，对历史数据进行清洗；
S22.
特征数据分析：获取全断面隧道掘进机历史数据中的推进速度
、
推进力
、
刀盘转速
、
刀盘扭矩
、
贯入度等数据中位数
、
百分位点数
、
众数
、
偏差带等信息，进行平滑处理，获取斜率
、
数据变化周期等信息，储存历史数据的特征数据及其时间
、
环号
、
历程等相关信息，获取并储存数据分布情况和健康数据基准，为后续实时数据判断提供基础；
S23.
盾构状态查询：每分钟查询盾构
TBM
大数据平台上所有在建线路的盾构状态信息；
S24.
直径类型查询：程序初始化时读取全断面隧道掘进机直径信息；
S25.
实时数据累积：按节拍提取每个掘进盾构机前
12
分钟的历史，进行数据初始积累；
S26.
滑窗处理：对实时数据进行滑窗平滑处理，获取数据倾向
、
波动情况
、
偏差带等数据信息
。3.
如权利要求1所述的一种全断面隧道掘进机边刮刀损坏预警方法，其特征是，所述
S3.
数据感知与并发步骤中边刮刀损坏判据包括土压平衡...

【专利技术属性】
技术研发人员：江南，范文超，谷田鑫，李梦雨，万雪钰，陈瑞祥，李叔敖，佟志强，周振建，孙飞祥，任颖莹，高会中，秦银平，王凯，刘振辉，何蒙蒙，高世琛，郁凯旋，张斌，包鹏，
申请(专利权)人：盾构及掘进技术国家重点实验室，
类型：发明
国别省市：