基于掘进性能围岩分级的掘进参数分类优化方法及系统技术方案

本发明专利技术属于TBM隧道开挖技术领域，提供了基于掘进性能围岩分级的掘进参数分类优化方法及系统。其中，基于掘进性能围岩分级的掘进参数分类优化方法包括掘进数据预处理步骤、掘进性能围岩分级步骤、掘进地层实时识别步骤、掘进性能时序预测步骤和掘进参数分类优化步骤；在掘进参数分类优化步骤中，以主控指标体系到掘进性能的时间序列回归预测模型为适应度函数，构建出不同围岩等级掘进参数多目标优化函数，确定出约束条件下的不同等级围岩等级对应的最优掘进参数，构建出掘进参数分类优化体系，实现TBM掘进参数随掘智慧决策。

【技术实现步骤摘要】

本专利技术属于tbm隧道开挖，尤其涉及一种基于掘进性能围岩分级的掘进参数分类优化方法及系统。

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、隧道掘进机(tbm)施工方法与钻爆法等传统施工方法相比，tbm具有开挖速度快、安全性高、环保、经济、劳动强度低等优点。目前，它已成为长隧道和大型隧道的首选施工方法。随着tbm的快速发展和广泛应用，tbm的安全高效掘进和智能控制变得越来越重要。作为tbm智能掘进的关键技术，实现掘进参数的智能决策，对于保证tbm掘进的安全性、提高掘进效率具有重要意义。

3、在实际隧道掘进中，围岩地质复杂多变，tbm施工中掘进参数的选择和控制主要依靠人类经验进行判断和调整。而且目前大多数tbm施工的隧道、隧洞仍旧以围岩稳定性分级(如bq围岩分类、hc围岩分类)作为主要围岩分类方法，这些围岩分类方法主要考虑了围岩自身的稳定性，对于tbm设备与围岩的交互作用没有进行考虑，由于未考虑tbm的施工动力参数对围岩稳定性的影响，这样导致掘进参数与岩体状态参数匹配性差，一旦遇到地质本文档来自技高网...

【技术保护点】

1.一种基于掘进性能围岩分级的掘进参数分类优化方法，其特征在于，包括：

2.如权利要求1所述的基于掘进性能围岩分级的掘进参数分类优化方法，其特征在于，每条时序掘进数据的维度包括刀盘推力、刀盘扭矩、刀盘转速、刀盘贯入度、净掘进速度、施工速度、利用率、开挖比能、刀盘磨损、现场贯入指标、岩石扭剪掘进指标和TBM开挖步距。

3.如权利要求1所述的基于掘进性能围岩分级的掘进参数分类优化方法，其特征在于，对获取的穿越不同地层条件下的时序掘进数据进行预处理步骤包括：数据清洗处理和数据均衡处理。

4.如权利要求3所述的基于掘进性能围岩分级的掘进参数分类优化方法，其特征...

【技术特征摘要】

1.一种基于掘进性能围岩分级的掘进参数分类优化方法，其特征在于，包括：

2.如权利要求1所述的基于掘进性能围岩分级的掘进参数分类优化方法，其特征在于，每条时序掘进数据的维度包括刀盘推力、刀盘扭矩、刀盘转速、刀盘贯入度、净掘进速度、施工速度、利用率、开挖比能、刀盘磨损、现场贯入指标、岩石扭剪掘进指标和tbm开挖步距。

3.如权利要求1所述的基于掘进性能围岩分级的掘进参数分类优化方法，其特征在于，对获取的穿越不同地层条件下的时序掘进数据进行预处理步骤包括：数据清洗处理和数据均衡处理。

4.如权利要求3所述的基于掘进性能围岩分级的掘进参数分类优化方法，其特征在于，在数据清洗处理过程中，采用孤立森林算法计算每个时序掘进数据样本的离群分数，离群分数越接近于0，则是正常样本的概率越大；离群分数越接近于1，则是异常样本的概率越大；当离群分数＝0.5时采用z-score函数进行计算判定是否属于异常样本，如此完成对所有时序掘进数据样本的数据清洗；

5.如权利要求1所述的基于掘进性能围岩分级的掘进参数分类优化方法，其特征在于，采用calinski-harabasz指数对掘...

【专利技术属性】
技术研发人员：薛翊国，傅康，张微梦，邱道宏，公惠民，孔凡猛，
申请(专利权)人：山东大学，
类型：发明
国别省市：