一种基于深度学习的盾尾间隙高精测量和控制方法及系统技术方案

本发明专利技术属于盾构机安全技术领域，公开了一种基于深度学习的盾尾间隙高精测量和控制方法及系统，基于最小盾尾间隙计算理论，假定衬砌环的拼装处于理想状态；将所推导的任意位置盾尾间隙计算方程作为物理约束嵌入DNN框架，得到PDNN模型；以在线学习方式训练PDNN；选择五个统计指标来进行模型性能评估检验所建立的模型的性能；分析每个输入特征对模型的边际贡献，并确定输入特征的重要性排名；利用非支配排序搜寻MOO问题的帕累托解集；通过计算每个解的拥挤距离，以维持解集的多样性和均匀分布；采用拥挤比较运算符进行两个解的比较，其中秩较低的解和拥挤距离较大的解往往会被选择；重复上述步骤直至最大迭代次数，最终生成帕累托前沿。

【技术实现步骤摘要】

本专利技术属于盾构机安全，尤其涉及一种基于深度学习的盾尾间隙高精测量和控制方法及系统。

技术介绍

1、盾构机(tbm)作为一种先进的隧道掘进设备，已广泛应用于地铁隧道的开挖。然而，在隧道开挖过程中，如果盾尾间隙过小，导致盾尾与衬砌管片之间过度挤压，降低掘进速度，加速盾尾密封刷的磨损，甚至造成隧道渗漏或地面沉降。因此，在盾构隧道开挖过程中，采取有效的方法实现盾尾间隙的控制是确保盾构隧道安全施工的关键一步。

2、目前，关于盾尾间隙的工作主要集中在盾尾间隙测量方面。常用的间隙测量方法是理论分析法、人工测量法、接触式测量法和非接触式测量法。然而，这些测量方法因未挖掘盾尾间隙与其他tbm运行参数之间潜在的因果关系，所以无法实施盾尾间隙的优化和控制。为了解决这一问题，有必要关注基于因果分析的深度学习方法来进行盾尾间隙的测量和优化。然而，传统的深度学习方法对训练数据的数量和质量要求较高，而且存在鲁棒性低和缺乏物理可解释性问题。因此，亟需一种提出一种先进的盾尾间隙测量和控制方法来应对上述挑战。

3、通过上述分析，现有技术存在的问题及缺陷为：传统的间本文档来自技高网...

【技术保护点】

1.一种基于深度学习的盾尾间隙高精测量和控制方法，其特征在于，包括：

2.如权利要求1所述的基于深度学习的盾尾间隙高精测量和控制方法，其特征在于，S1具体包括：基于最小盾尾间隙计算理论，假定衬砌环的拼装处于理想状态，则有六种最小盾尾间隙计算模型，其数学表达式见公式(1)。

3.如权利要求1所述的基于深度学习的盾尾间隙高精测量和控制方法，其特征在于，S2中PDNN模型的构建具体包括：

4.如权利要求1所述的基于深度学习的盾尾间隙高精测量和控制方法，其特征在于，S2中PDNN模型的在线更新机制具体包括：

5.如权利要求1所述的基于深度学习的盾尾...

【技术特征摘要】

1.一种基于深度学习的盾尾间隙高精测量和控制方法，其特征在于，包括：

2.如权利要求1所述的基于深度学习的盾尾间隙高精测量和控制方法，其特征在于，s1具体包括：基于最小盾尾间隙计算理论，假定衬砌环的拼装处于理想状态，则有六种最小盾尾间隙计算模型，其数学表达式见公式(1)。

3.如权利要求1所述的基于深度学习的盾尾间隙高精测量和控制方法，其特征在于，s2中pdnn模型的构建具体包括：

4.如权利要求1所述的基于深度学习的盾尾间隙高精测量和控制方法，其特征在于，s2中pdnn模型的在线更新机制具体包括：

5.如权利要求1所述的基于深度学习的盾尾间隙高精测量和控制方法，其特征在于，s3中online pdnn模型的评估具体包括：

6.如权利要求1所述的基于深度学习的盾尾间隙高精测量和控制方法，其特征在于，s3中onlin...

【专利技术属性】
技术研发人员：张立茂，王露露，李永胜，罗辉，林鹏辉，王迦淇，吴贤国，赵辉，克高果，宋协清，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：