基于大数据挖掘的制造技术

本发明专利技术涉及隧道施工技术领域，具体涉及基于大数据挖掘的

【技术实现步骤摘要】
基于大数据挖掘的TBM掘进岩体可掘性识别方法与装置


[0001]本专利技术涉及隧道施工
，具体涉及基于大数据挖掘的
TBM
掘进岩体可掘性识别方法与装置
。

技术介绍

[0002]全断面岩石隧道掘进机
(Tunnel Boring Machine
，简称
TBM)
，其具有施工效率高
、
围岩扰动小
、
经济合理
、
不受天气影响
、
保护环境和降低劳动强度等特点，目前已成为长大隧道施工的主流模式和方向
。
随着
TBM
在我国的快速发展和广泛应用，
TBM
的安全高效掘进与智能控制变得越来越重要，它对于保障
TBM
掘进效率
、
避免工期延误具有至关重要的现实意义
。
[0003]在实际的
TBM
隧道开挖中，岩体质量等级在整个掘进过程呈现复杂多变的特点，且无法直接观察到掌子面的围岩情况，也难以快速地对围岩质本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于大数据挖掘的
TBM
掘进岩体可掘性识别方法，其特征在于，包括以下步骤：
S1
：采集
TBM
掘进隧道施工数据，建立
TBM
施工数据库系统；
S2
：通过步骤
S1
建立的
TBM
施工数据库系统导出不同围岩条件下对应的施工数据，对导出施工数据预处理，提取稳定段掘进数据；
S3
：计算不同围岩等级下掘进参数，包括推力贯入指数
FPI
与扭矩贯入指数
TPI
；
S4
：对不同围岩等级下掘进参数与岩体参数之间建立非线性机
‑
岩关系模型；
S5
：采用箱型图法，统计推力贯入指数
FPI、
扭矩贯入指数
TPI
的主要取值范围
、
平均值和中位数，得到推力贯入指数
FPI、
扭矩贯入指数
TPI
的分布规律，并划分阈值；
S6
：根据步骤
S5
所得数值大小进行岩体可掘性分级；
S7
：采集新的
TBM
掘进数据，采用时序预测方法构建掘进参数预测模型，执行步骤
S3
并根据步骤
S4
中的机
‑
岩关系模型的
TBM
掘进状态参数所对应的预估岩体参数，执行步骤
S6
确定预估岩体参数所对应的围岩类别，给出建议掘进参数及围岩等级预测结果
。2.
如权利要求1所述的基于大数据挖掘的
TBM
掘进岩体可掘性识别方法，其特征在于：所述步骤
S1
中采集
TBM
掘进隧道施工数据具体包括：采集施工数据与
TBM
掘进数据，所述施工数据包括但不限于地质数据
、
施工记录数据
、
掘进数据和设备信息，所述
TB M
掘进数据包括但不限于刀盘转速
n、
推进速度
v、
刀盘贯入度
P、
刀盘扭矩
T
和总推力
F
；所述
TBM
施工数据库系统的建立包括如下步骤：数据库功能需求分析
、
数据库数据需求分析
、TBM
施工数据库操作系统的结构设计
、E
‑
R
图建立
、
概念模型转化为关系模型，确定最终数据逻辑模型
、
优化
TBM
施工数据库
、
采用前后端分离式
Web
系统设计，前端选择
Vue.js
技术，后端选用择
Flask
框架，完成数据库操作做系统的设计
。3.
如权利要求1所述的基于大数据挖掘的
TBM
掘进岩体可掘性识别方法，其特征在于：所述步骤
S2
中预处理具体包括以下子步骤：
S2.1
：判断数据是否为异常工作状态，判别公式为：
D
＝
d(F)
·
d(n)
·
d(T)
·
d(P)
·
d(v) (2)
在式
(2)
中，
F、v、T、P、n
的含义分别是总推进力，推进速度，刀盘扭矩
、
贯入度与刀盘转速，式
(1)
中，
d(x)
也为二值判别函数式，当
x>0
时，说明数据为正常工作状态，
x≤0
值，为工作异常或传感器异常状态数据，实际工程数据中也经常出现这种情况；
D
表示总推力
F、
推进速度
v、
刀盘扭矩
T、
贯入度
P、
刀盘转速
n
的乘积，
TBM
的工作状态可以通过五个参数的二值判别函数的乘积来判断，当二值判别函数
D
＝0时，判定该记录数据为异常数据，进行过滤；
S2.2
：通过删除每个循环段末尾点前
1min
数据和单一完整循环段前
10
％的数据以提取稳定段数据；
S2.3
：使用箱型图法识别并剔除异常值数据
。4.
如权利要求1所述的基于大数据挖掘的
TBM
掘进岩体可掘性识别方法，其特征在于：所述步骤
S3
中具体包括：
采集
TBM
直径分别为
7.03m、4.03m
和
9.03m
的新疆某引水工程
、
高黎贡山隧道
、
浙江朱溪水库工程的已掘进区段数据，通过
TB M
掘进时有效推力
、
刀盘扭矩
、
贯入度和滚刀数量计算得到推力贯入指数
FPI
和扭矩贯入指数
TPI
；所述推力贯入指数
FPI
和扭矩贯入指数
TPI
的计算公式为：
T
＝
YD2；式中
F
e
为有效推力，单位为
kN
；
n
为滚刀数量；
P
为贯入度，单位为
mm/r
；
T
为刀盘扭矩，单位为
kN
·
m
；
D
为刀盘直径，单位为
m
；
Y
为扭矩系数
。5.
如权利要求1所述的基于大数据挖掘的
TBM
掘进岩体可掘性识别方法，其特征在于：所述步骤
S4
具体包括：对新疆某引水工程
、
高黎贡山隧道
、
浙江朱溪水库工程的岩石强度
UCS、FPI、TPI
进行非线性拟合，其中
UCS
的取值范围在
20
～
180MPa
之间；
FPI、TPI
两个参数均可在一定程度上消除刀盘直径的影响，使评价结果更具有通用性；
FPI
反映岩体抵抗刀具贯入的能力，
TPI
综合考虑扭矩和刀盘转速的影响，反映岩体抵抗滚刀滚动破岩的能力
。6.
如权利要求1所述的基于大数据挖掘的
TBM
掘进岩体可掘性识别方法，其特征在于：所述步骤
S...

【专利技术属性】
技术研发人员：张玉芝，曹秀秀，杜立杰，杨亚磊，李青蔚，张卫东，冯宏朝，刘家驿，
申请(专利权)人：中国水利水电第十一工程局有限公司，
类型：发明
国别省市：