發(fā)布時(shí)間：2021-07-25 00:18

　　隨著全斷面隧道掘進(jìn)機(jī)（TBM）不斷投入到隧道工程建設(shè)中,TBM掘進(jìn)參數(shù)的自適應(yīng)調(diào)整顯得越來(lái)越重要。由于在開(kāi)挖之前難以準(zhǔn)確預(yù)測(cè)地質(zhì)條件,因此基于現(xiàn)場(chǎng)監(jiān)測(cè)數(shù)據(jù)預(yù)測(cè)刀盤扭矩及總推力等某些重要的掘進(jìn)參數(shù)對(duì)TBM掘進(jìn)參數(shù)的適應(yīng)性調(diào)整具有重要作用。文章以吉林引松供水工程TBM3標(biāo)段為研究對(duì)象,引入可以考慮數(shù)據(jù)時(shí)間相關(guān)性的深度學(xué)習(xí)方法——長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（LSTM）,依據(jù)TBM掘進(jìn)循環(huán)上升段前30 s的掘進(jìn)參數(shù)提出了可以對(duì)穩(wěn)定段總推力和刀盤扭矩準(zhǔn)確預(yù)測(cè)的模型。結(jié)果表明,穩(wěn)定段總推力和刀盤扭矩的預(yù)測(cè)精度較高,分別達(dá)到了91%和89%;相比于隨機(jī)森林模型,LSTM模型可以充分利用大量的TBM掘進(jìn)參數(shù),體現(xiàn)出更好的預(yù)測(cè)能力。 

【文章來(lái)源】：現(xiàn)代隧道技術(shù). 2020,57(05)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

TBM某一掘進(jìn)循環(huán)的數(shù)據(jù)分段

LSTM循環(huán)單元結(jié)構(gòu)

基于LSTM神經(jīng)網(wǎng)絡(luò)，設(shè)計(jì)了預(yù)測(cè)模型如圖3所示。該模型由三部分組成：LSTM層、全連接層和輸出層。針對(duì)每個(gè)掘進(jìn)循環(huán)，Xt-29,Xt-28，…，Xt均為1×n的向量，代表上升段開(kāi)始前30 s的n個(gè)TBM掘進(jìn)參數(shù)。LSTM作為編碼器，捕捉掘進(jìn)參數(shù)在時(shí)間維度上的相互作用關(guān)系，輸出維度為450的隱含狀態(tài)。LSTM層采用tanh函數(shù)作為激活函數(shù)，而后與全連接層進(jìn)行連接。全連接層由批標(biāo)準(zhǔn)化（Batch Norm）-隨機(jī)丟棄（Dropout）-線性層-Re LU激活函數(shù)四部分組成，其中批標(biāo)準(zhǔn)化是指對(duì)神經(jīng)網(wǎng)絡(luò)的每一層輸入都進(jìn)行規(guī)范化處理，隨機(jī)丟棄是指在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程中按照一定概率將神經(jīng)網(wǎng)絡(luò)單元暫時(shí)丟棄將其置0，批標(biāo)準(zhǔn)化和隨機(jī)丟棄的作用都是為了防止模型過(guò)擬合。全連接層共兩層，第一層的輸出維度為1 000，最終的輸出層維度為2，輸出結(jié)果分別為掘進(jìn)循環(huán)穩(wěn)定段的總推力F(單位：k N)和刀盤扭矩T(單位：k N·m)。4 工程應(yīng)用

【參考文獻(xiàn)】：
期刊論文
[1]基于相關(guān)向量機(jī)的TBM掘進(jìn)速度預(yù)測(cè)模型[J]. 張研,王偉,鄧雪沁.  現(xiàn)代隧道技術(shù). 2020(03)
[2]基于XGBoost的隧道掘進(jìn)機(jī)操作參數(shù)智能決策系統(tǒng)設(shè)計(jì)[J]. 王飛,龔國(guó)芳,段理文,秦永峰.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2020(04)
[3]TBM掘進(jìn)參數(shù)智能控制系統(tǒng)的研究與應(yīng)用[J]. 張娜,李建斌,荊留杰,李鵬宇,徐受天.  隧道建設(shè)(中英文). 2018(10)
[4]基于Matlab的BP神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)TBM掘進(jìn)速度中的應(yīng)用[J]. 熊帆,胡志平,任翔,張鵬.  現(xiàn)代隧道技術(shù). 2017(05)
[5]基于力學(xué)分析的TBM掘進(jìn)總推力預(yù)測(cè)模型研究[J]. 周思陽(yáng),亢一瀾,蘇翠俠,張茜.  機(jī)械工程學(xué)報(bào). 2016(20)
[6]一種基于載荷特征預(yù)測(cè)的盾構(gòu)機(jī)刀盤節(jié)能驅(qū)動(dòng)技術(shù)（英文）[J]. Xu YANG,Guo-fang GONG,Hua-yong YANG,Lian-hui JIA,Qun-wei YING.  Journal of Zhejiang University-Science A（Applied Physics & Engineering）. 2015(05)
[7]基于Monte Carlo-BP神經(jīng)網(wǎng)絡(luò)TBM掘進(jìn)速度預(yù)測(cè)[J]. 溫森,趙延喜,楊圣奇.  巖土力學(xué). 2009(10)
[8]TBM施工遇險(xiǎn)工程地質(zhì)問(wèn)題分析和失誤的反思[J]. 尚彥軍,楊志法,曾慶利,孫元春,史永躍,袁廣祥.  巖石力學(xué)與工程學(xué)報(bào). 2007(12)

碩士論文
[1]基于PSO-SVR算法的TBM掘進(jìn)效率預(yù)測(cè)及圍巖分級(jí)研究[D]. 熊帆.長(zhǎng)安大學(xué) 2016



本文編號(hào)：3301721