机械工程学报

作者：刘建琴, 胡桂菘, 乔金丽, 郭晓

单位：1. 天津大学机械工程学院 天津 300072;2. 天津大学机构理论与装备设计教育部重点实验室 天津 300072;3. 河北工业大学土木与交通学院 天津 300401

关键词：岩石掘进机,性能预测,隐马尔可夫模型,人工神经网络,机器学习；

基金：国家自然科学基金资助项目(52075370)。

为了通过施工中易于获取的数据，实时预测岩石掘进机(Tunnel boring machine，TBM)性能从而为掘进参数的选择提供参考，依托广东某输水隧洞的地勘资料和掘进数据，分析主要掘进参数和场切深指数在不同类型围岩中的分布规律，在围岩类型由II类变为V类的过程中，刀盘扭矩、刀盘推力、贯入度等参数均存在着均值和标准差同时减小的趋势；除刀盘驱动系统外，支护系统和排渣系统中的参数的均值和标准差与场切深指数存在显著相关性。利用隐马尔可夫模型计算隧洞沿程各类围岩的概率分布，将其作为预测模型特征可提高预测精度但会增加过拟合风险。提出将掘进参数和围岩信息分别输入的双路神经网络模型，模型可对TBM施工前方一环的平均掘进性能进行预测，并将其与经典机器学习模型进行比较。结果表明，所提出的性能预测模型可以保证预测精度优于经典机器学习模型的同时拥有良好的泛化能力。

来源：2024年第16期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第16期