10 / 2024-04-18 20:13:10

基于卷积神经网络方法的TBM掘进参数预测分析

TBM,掘进参数,卷积神经网络,BP神经网络

TBM掘进过程中越快越早地确定稳定段的掘进参数，可以辅助TBM掘进参数优化设置，提高TBM施工效率与安全性。为了能在TBM上升段的数据中，准确预测稳定阶段的关键掘进参数，本文基于卷积神经网络的方法，实现了TBM掘进参数的实时快速预测和优化。首先，基于TBM刀盘旋转速度的取值变化情况对所有的数据循环进行分段，提出了上升阶段判断方法，对上升段起点进行了确定。然后，利用数据降噪方法，确定了稳定阶段TBM各个参数指标的平均值，从而形成了数据样本。通过皮尔逊相关性指标判断的方法，分析了199个参数中与目标参数的相关性大小，并按相关性大小，对各个指标进行了排序，确定了与各个关键掘进参数相关性最强的50个参数进行建模分析。最后基于卷积神经网络的方法，构建了一种卷积神经网络的模型对TBM掘进过程中的关键掘进参数进行了预测分析。研究结果表明：基于卷积神经网络（CNN）的TBM参数预测模型对稳定阶段刀盘转速、掘进速度、推力和扭矩的预测准确率分别为97.1%、88.2%、92.4%和91.8%，具有很好的效果；并且利用正则化和Drop_out的方法对模型的过拟合进行了检验，模型的预测结果很好，没有出现过拟合；与传统的BP神经网络相比，CNN模型在准确率方面有强大的优势。本文提出的预测模型可以在实际应用中指导TBM的施工。