原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第４６卷第１９期山西建筑Ｖｏｌ.４６Ｎｏ.１９
２０２０年１０月ＳＨＡＮＸＩＡＲＣＨＩＴＥＣＴＵＲＥＯｃｔ.２０２０１２７
桥梁隧道
文章编号:１００９￣６８２５(２０２０)１９￣０１２７￣０４
ＴＢＭ刀盘载荷实时预测技术研究★
秦念稳施浪谭新
(中国铁建重工集团股份有限公司ꎬ湖南长沙４１０１００)
摘要:针对刀盘载荷与围岩地质不匹配时导致的刀具过度磨损和掘进效率低下问题ꎬ提出了一种基于大数据交互平台的ＴＢＭ
刀盘载荷实时预测技术ꎮ利用ＢＰ神经网络技术构建围岩等级判识模型和刀盘载荷预测模型ꎬ在此基础上ꎬ应用大数据交互平台
实现刀盘载荷实时预测ꎬ通过刀盘载荷预测和实测值的相对差来衡量围岩地质与刀盘载荷的匹配程度ꎮ
关键词:ＴＢＭꎬ刀盘载荷预测ꎬＢＰ神经网络ꎬ大数据交互平台
中图分类号:Ｕ４５２.１２文献标识码:Ａ
１概述外ꎬ铁建重工大数据交互平台集成了数据查询ꎬ数据管理ꎬ
数据处理ꎬ模型应用ꎬ结果显示ꎬ消息推送等功能ꎬ使地质专
隧道掘进机(ＴｕｎｎｅｌｉｎｇＢｏｒｉｎｇＭａｃｈｉｎｅꎬＴＢＭ)以其高
家或管理人员能够远程获取ＴＢＭ施工状态ꎬ并通过平台向
速ꎬ环保的优点逐渐成为隧道施工的首选方法ꎮ如何优化
各个终端发出操作指令ꎮ
运行参数ꎬ使ＴＢＭ处于最优的地质—载荷匹配条件也已成
２.２数据预处理
为ＴＢＭ施工领域的热点问题ꎮ准确的预测ＴＢＭ刀盘载荷
被认为是解决该问题的有效手段之一ꎮ国内外已有众多学对于结构确定的ＴＢＭꎬ影响刀盘载荷的主要因素是
[１￣４][５]刀盘转速和推进速度和围岩等级ꎬ基于以上参数来表征
者致力于刀盘载荷预测的研究ꎮＺｈａｎｇ采用非线性多
[６]岩体与ＴＢＭ之间的相互作用ꎬ故本文选择ＴＢＭ可控制参
元回归识别盾构模型中的未知参数ꎻＳａｌｉｍｉ采用自适应神
经模糊推理系统(ＡＮＦＩＳ)和支持向量回归(ＳＶＲ)进行ＴＢＭ数(刀盘转速、推进速度)、载荷参数(刀盘扭矩、总推力)
性能预测ꎬ发现ＳＶＲ模型的性能优于ＡＮＦＩＳ模型ꎻＨａｓｓａｎ￣作为模型的原始输入参数ꎬ围岩等级作为模型的原始输
[７ꎬ８]出参数ꎮ
ｐｏｕｒ基于不同的ＴＢＭ隧道工程实测数据ꎬ分析ＴＢＭ性
能参数与岩体特征的相关性ꎬ分析结果表明ꎬ地质力学参数对机器学习模型而言ꎬ数据质量是影响模型精度上限
[９]的关键因素ꎮ由于实际工作中的不可抗因素和本身传感器
与ＴＢＭ性能参数之间存在较强的关系ꎻＺｈｅｎｇ基于地铁
项目的现场数据开发ＰＳＯ￣ＳＶＭ识别模型ꎬ反映了隧道掘进及ＴＢＭ信息采集系统的原因ꎬ导致样本价值密度低ꎻ其次ꎬ
[１０]围岩等级台账由地质工程师根据洞壁围岩状况评定ꎬ无统
过程中从载荷到地质参数和运行参数的映射ꎻＪｉｎｇ采用
逐步回归方法ꎬ分析了４６组机器及相应的岩体参数ꎬ在正一标准ꎬ存在一定的主观因素ꎻ且地质工程师进洞进行围岩
常掘进过程中建立了石灰岩地层ＴＢＭ性能预测模型ꎻ等级评定的频次较次ꎬ导致围岩变更不及时ꎮ所以ꎬ有必要
[１１]
文档评论（0）