本发明专利技术提出了基于知识‑数据双驱动的TBM卡机风险智慧预警方法及系统，包括：获取不同地层掘进条件下、TBM施工隧道案例的TBM掘进过程中采集的多源参数信息，构建多源参数数据库；对多源参数数据库中的数据进行处理，针对异常变动基于稳健时序异常检测模型计算数据驱动卡机概率；以TBM卡机文献调研和实际施工案例中的经验知识为基础，提取专家经验知识，构建TBM掘进卡机事件知识库；确定模糊条件的隶属度和可信度，构建TBM掘进卡机事件规则推理机，基于模糊推理机模型计算知识驱动卡机概率；采用因子相乘方法将数据驱动概率与知识驱动概率相乘，计算TBM掘进卡机概率，获取基于知识‑数据双驱动的TBM掘进卡机风险预测结果。
【技术实现步骤摘要】
本专利技术属于tbm隧道开挖，尤其涉及基于知识-数据双驱动的tbm卡机风险智慧预警方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、隧道工法包括钻爆法、盾构/tbm法、明挖法、沉管法等，其中应用最广泛的是钻爆法和盾构/tbm法。对于深埋长大硬岩隧道，tbm法是首选施工方法。随着我国基础设施建设不断向西北、西南推进，一大批深埋长大隧道正处于在建或拟建状态，tbm法施工将得到广泛应用。结合国家隧道智能建造目标的提出，如何实现隧道施工全过程的数据信息贯通、装备智能互联、多源信息互馈，最大程度实现隧道建造少人化，实现隧道高效、安全、绿色建造是下一步的重点发展方向。
3、对于深埋长大隧道来说，实现掘进地层卡机风险的智慧预警对tbm施工的安全性与高效性具有重要意义，是实现tbm智慧掘进的首要任务和重要基石。然而由于地质条件的不确定性，加之tbm快速掘进过程中地质参数难以及时获取，主司机往往依靠主观经验结合tbm掘进参数变化驾驶tbm，难以发现tbm卡机前兆信息，一旦发生卡机事故则严重影响tbm的施工进度，极大增加tbm施工成本，甚至造成人员的伤亡，严重威胁隧道施工安全。
4、近些年来人工智能技术不断发展，对于复杂非线性问题以及时空序列问题具有较好的应用效果，可用于tbm隧道掘进地层卡机风险智慧预测预警。通过大数据的挖掘以及专家经验知识的提取，构建完备的数据库和知识库，不断积累和发展tbm掘进经验和技术，降低tbm掘进地层卡机事故的发生。
<
p>5、但是目前的人工智能技术用于进行卡机风险预警时，存在的技术问题是：过分依赖学习样本，样本质量的好坏直接影响到模型的训练和预测效果；单纯的数据驱动预测模型可能出现过拟合情况，模型的泛化能力较差。
技术实现思路
1、为克服上述现有技术的不足，本专利技术提供了基于知识-数据双驱动的tbm卡机风险智慧预警方法，构建完备的数据库和知识库，不断积累和发展tbm掘进经验和技术，实现复杂地质条件下tbm掘进卡机风险智慧预测预警，降低tbm掘进地层卡机事故的发生。
2、为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
3、第一方面，公开了基于知识-数据双驱动的tbm卡机风险智慧预警方法，包括：
4、获取不同地层掘进条件下、tbm施工隧道案例的tbm掘进过程中采集的多源参数信息，构建多源参数数据库；
5、对多源参数数据库中的数据进行处理，包括：基于无阈值递归图进行多源参数特征表达获得无阈值递归图，针对无阈值递归图基于极限学习机自编码器进行特征编码，将正常掘进特征图和当前监测时段的编码后的多维时间序列无阈值递归图特征比较用于识别多源参数时间序列异常变动，针对异常变动基于稳健时序异常检测模型计算数据驱动卡机概率；
6、以tbm卡机文献调研和实际施工案例中的经验知识为基础，提取专家经验知识，构建tbm掘进卡机事件知识库；
7、确定模糊条件的隶属度和可信度，构建tbm掘进卡机事件规则推理机，基于模糊推理机模型计算知识驱动卡机概率；
8、采用因子相乘方法将数据驱动概率与知识驱动概率相乘，计算tbm掘进卡机概率，获取基于知识-数据双驱动的tbm掘进卡机风险预测结果。
9、作为进一步的技术方案，所述多源参数信息包括tbm掘进参数信息、物探钻探参数信息、围岩参数信息和tbm设备参数信息；
10、所述tbm掘进参数信息包括刀盘推力、刀盘扭矩、刀盘转速、贯入度、净掘进速度和利用率；
11、所述物探钻探参数信息包括钻进压力、钻进扭矩、钻进速度、钻进转速和地震波法参数、激发极化法参数；
12、所述围岩参数信息包括围岩类别、单轴抗压强度、岩体完整性系数、岩石质量指标、泊松比和弹性模量；
13、所述tbm设备参数信息包括tbm类型、开挖直径、额定扭矩、额定推力、撑靴压力和刀具配置。
14、作为进一步的技术方案，基于无阈值递归图进行多源参数特征表达，具体为：
15、从多源参数数据库提取与tbm卡机事故相关的多源参数信息的秒级时间序列数据，调整优化稳健时序异常检测模型的超参数和阈值，然后通过相空间转换技术将与tbm卡机事故相关的多维时间序列数据转换为二维的无阈值递归图，从而凸显多源参数数据在时间序列内部的动力学特征。
16、作为进一步的技术方案，基于极限学习机自编码器进行特征编码，具体包括：
17、将表征多源参数变化特征的无阈值递归图输入极限学习机自编码器中，利用自编码器快速学习无阈值递归图的图像特征，并通过图像重构判断各时段特征是否发生变化。
18、作为进一步的技术方案，识别多源参数时间序列异常变动，具体包括：
19、将tbm正常掘进段的图像特征存储在自模式集中，构建tbm正常掘进特征图库，用于和当前监测时段的多维时间序列无阈值递归图特征作比较，如果当前监测时段多维时间序列数据内部特性出现变化，那么重构无阈值递归图会出现显著变化，即可认定为异常变动。
20、作为进一步的技术方案，基于稳健时序异常检测模型计算数据驱动卡机概率，具体包括：
21、计算重构无阈值递归图与tbm正常掘进图库中原始无阈值递归图的重构误差值，基于重构误差值计算当前设定时间序列区间的卡机概率，然后对tbm掘进步长内所有时间序列区间的卡机概率计算平均值，作为当前tbm掘进步长的卡机概率，即数据驱动卡机概率。
22、作为进一步的技术方案，确定模糊条件的隶属度和可信度，具体包括：
23、选用梯形作为隶属度函数；
24、实际tbm卡机事件的知识规则可信度分为高、中、低三类，各知识规则的可信度从文献及工程案例基于项集的支持度计算获得，具体为：包含第n条卡机事件知识规则的文献/案例数除以文献/案例数总和，计算结果在[0.9,1]区间的为高可信度，计算结果在[0.8,0.9)区间的为中可信度，计算结果在[0.7,0.8)区间的为低可信度；
25、利用知识库中的模糊规则，基于当前时间序列区间的多源参数数据，采用mamdani模糊推理法进行推理。
26、作为进一步的技术方案，基于模糊推理机模型计算知识驱动卡机概率，具体包括：
27、采用加权平均的计算方法，计算当前时间序列区间各知识规则的卡机事件隶属度，采用各知识规则的可信度作为权重因子与隶属度相乘，求和后取平均，获取当前设定时间序列区间的卡机概率，然后对tbm掘进步长内所有时间序列区间的卡机概率计算平均值，作为当前tbm掘进步长的卡机概率，即知识驱动卡机概率。
28、第二方面，公开了基于知识-数据双驱动的tbm卡机风险智慧预警系统，包括：
29、多源参数数据库构建模块，被配置为：获取不同地层掘进条件下、tbm施工隧道案例的tbm掘进过程中采集的多源参数信息，构建多源参数数据库；
30、本文档来自技高网
...
【技术保护点】
1.基于知识-数据双驱动的TBM卡机风险智慧预警方法，其特征是，包括：
2.如权利要求1所述的基于知识-数据双驱动的TBM卡机风险智慧预警方法，其特征是，基于无阈值递归图进行多源参数特征表达，具体为：
3.如权利要求1所述的基于知识-数据双驱动的TBM卡机风险智慧预警方法，其特征是，基于极限学习机自编码器进行特征编码，具体包括：
4.如权利要求1所述的基于知识-数据双驱动的TBM卡机风险智慧预警方法，其特征是，识别多源参数时间序列异常变动，具体包括：
5.如权利要求1所述的基于知识-数据双驱动的TBM卡机风险智慧预警方法，其特征是，基于稳健时序异常检测模型计算数据驱动卡机概率，具体包括：
6.如权利要求1所述的基于知识-数据双驱动的TBM卡机风险智慧预警方法，其特征是，确定模糊条件的隶属度和可信度，具体包括：
7.如权利要求1所述的基于知识-数据双驱动的TBM卡机风险智慧预警方法，其特征是，基于模糊推理机模型计算知识驱动卡机概率，具体包括：
8.基于知识-数据双驱动的TBM卡机风险智慧预警系统，其特征是，包括：
9.一种计算机装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时执行上述权利要求1-7任一所述方法的步骤。
...
【技术特征摘要】
1.基于知识-数据双驱动的tbm卡机风险智慧预警方法，其特征是，包括：
2.如权利要求1所述的基于知识-数据双驱动的tbm卡机风险智慧预警方法，其特征是，基于无阈值递归图进行多源参数特征表达，具体为：
3.如权利要求1所述的基于知识-数据双驱动的tbm卡机风险智慧预警方法，其特征是，基于极限学习机自编码器进行特征编码，具体包括：
4.如权利要求1所述的基于知识-数据双驱动的tbm卡机风险智慧预警方法，其特征是，识别多源参数时间序列异常变动，具体包括：
5.如权利要求1所述的基于知识-数据双驱动的tbm卡机风险智慧预警方法，其特征是，基于稳健时序异常检测模型计算数据驱动卡机概率，具体包括：
6.如权...
【专利技术属性】
技术研发人员：邱道宏，傅康，公惠民，李雪冰，张文卿，邵涛，蓝功昊，
申请(专利权)人：山东大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。