110 / 2024-08-15 10:59:17

基于TCN-LSTM的盾构刀盘扭矩实时预测研究

刀盘扭矩；时间卷积网络；长短时记忆网络；多步预测；划分比例

盾构刀盘扭矩反映了刀盘与地层相互作用的力学特性，实时准确预测刀盘扭矩变化情况，可为掘进参数提前调整、机器平稳运行并减少刀具磨损提供保障。基于此，本文提出了一种基于时间卷积网络（TCN）-长短时记忆网络（LSTM）的深度学习模型对刀盘扭矩进行实时预测研究。研究结果表明：TCN-LSTM模型能够捕捉输入参数的局部特征并建模长期依赖关系，相比于其他模型具有最高的预测精度；TCN-LSTM模型在多步预测中表现稳定，实现了更长时间内的刀盘扭矩超前预测，而按照4：1：1的比例划分数据集可以获得性能最优的预测模型。