CN112031798B - 一种刀盘结泥饼预警系统及方法 - Google Patents
一种刀盘结泥饼预警系统及方法 Download PDFInfo
- Publication number
- CN112031798B CN112031798B CN202011029983.3A CN202011029983A CN112031798B CN 112031798 B CN112031798 B CN 112031798B CN 202011029983 A CN202011029983 A CN 202011029983A CN 112031798 B CN112031798 B CN 112031798B
- Authority
- CN
- China
- Prior art keywords
- mud cake
- data
- cutter head
- cutter
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012549 training Methods 0.000 claims abstract description 33
- 238000013210 evaluation model Methods 0.000 claims abstract description 28
- 238000013524 data verification Methods 0.000 claims abstract description 25
- 238000013528 artificial neural network Methods 0.000 claims abstract description 19
- 230000005641 tunneling Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 27
- 239000002689 soil Substances 0.000 claims description 23
- 239000002893 slag Substances 0.000 claims description 22
- 230000001681 protective effect Effects 0.000 claims description 21
- 238000007664 blowing Methods 0.000 claims description 17
- 238000012795 verification Methods 0.000 claims description 14
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims 1
- 238000006073 displacement reaction Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 238000009529 body temperature measurement Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
- E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
- E21D9/06—Making by using a driving shield, i.e. advanced by pushing means bearing against the already placed lining
- E21D9/08—Making by using a driving shield, i.e. advanced by pushing means bearing against the already placed lining with additional boring or cutting means other than the conventional cutting edge of the shield
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
- E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
- E21D9/003—Arrangement of measuring or indicating devices for use during driving of tunnels, e.g. for guiding machines
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Excavating Of Shafts Or Tunnels (AREA)
Abstract
本发明公开了一种刀盘结泥饼预警系统及方法，包括如下步骤：采集盾构机关键参数数据，包括刀盘推力、刀盘扭矩、推进速度和渣土温度；根据关键参数数据进行刀盘结泥饼状态的判断，建立关键参数与泥饼状态对照数据集，并随机划分为样本训练集和数据验证集；设定目标误差；利用样本训练集训练神经网络得到刀盘泥饼状态评估模型，将数据验证集输入刀盘泥饼状态评估模型计算误差率；比较误差率与目标误差，若误差率不小于目标误差，重新训练刀盘泥饼状态评估模型，直至误差率小于目标误差；采集新的盾构机关键参数数据，利用刀盘泥饼状态评估模型对刀盘结泥饼状态进行实时评估并预警。本发明判断结果更稳定可靠，可以有效预防泥饼的产生。
Description
技术领域
本发明属于盾构隧道掘进机施工技术领域，具体涉及一种刀盘结泥饼预警系统及方法。
背景技术
盾构施工过程中遇到地质条件较复杂的情况下，盾构司机在施工中因缺少可供参考的理论或经验，会导致掘进参数调节不及时，出现刀盘结泥饼现象。刀盘结泥饼会导致掘进效率降低，同时对刀盘刀具产生较大危害，会导致滚刀偏磨等状况。目前有在土舱内设置压力传感器来反映土舱内泥土粘附情况，预防“泥饼”的行成，此种技术通过土舱压力大小仅能间接反映泥饼产生的难易程度，未能直接预警刀盘结泥饼。
中国专利(申请号：CN2017106748626，公开日：20171117)中公开了一种刀盘温度检测装置及盾构机，该专利通过温度采集模块采集刀盘切削端面的实时温度，并根据实时温度检测泥饼结成状态，而刀盘所处的环境比较恶劣，泥水、震动较强烈，故布置在刀盘上的温度传感器很容易损坏，系统稳定性较差，不具有实用和推广性，维修不便，停机人为进仓维修更换传感器的代价较大；另外，该专利仅基于刀盘温度进行泥饼状态评估，评估因素单一。
发明内容
针对现有技术无法准确对刀盘结泥饼的状态进行实时预警的问题，本发明提出了一种刀盘结泥饼预警系统及方法，解决了刀盘结泥饼影响掘进效率造成刀具损坏的问题。
为解决以上技术问题，本发明所采用的技术方案如下：
一种刀盘结泥饼预警方法，包括如下步骤：
S1，采集K组盾构机关键参数数据，每组盾构机关键参数数据均包括刀盘推力F、刀盘扭矩T、推进速度V和渣土温度Tm；
S2，根据步骤S1中的每组盾构机关键参数数据对刀盘结泥饼状态分别进行判断，建立关键参数与泥饼状态对照数据集，将关键参数与泥饼状态对照数据集随机划分为样本训练集和数据验证集；
S3，通过控制系统设定目标误差u；
S4，利用样本训练集训练神经网络得到刀盘泥饼状态评估模型，将数据验证集输入刀盘泥饼状态评估模型并计算误差率v；
S5，将误差率v与目标误差u进行比较，如果v≥u，则返回步骤S4，直至v＜u；
S6，在线采集新的盾构机关键参数数据，利用刀盘泥饼状态评估模型对刀盘结泥饼状态进行实时评估并预警。
所述步骤S4包括如下步骤：：
S4.1，建立包括输入层、隐含层和输出层的神经网络；
S4.2，根据样本训练集和数据验证集分别绘制不同结泥饼状态下的样本数据参数曲线图和验证数据参数曲线图；
S4.3，基于样本数据参数曲线图对神经网络进行训练得到刀盘泥饼状态评估模型；
S4.4，将验证数据参数曲线图输入刀盘泥饼状态评估模型输出刀盘结泥饼状态；
S4.5，将步骤S4.4所得到的刀盘结泥饼状态与数据验证集中的刀盘结泥饼状态进行比较计算误差率v。
在步骤S4.2中，所述绘制不同结泥饼状态下的样本数据参数曲线图和验证数据参数曲线图包括如下步骤：
a，采用聚类法剔除样本训练集和数据验证集中的离群点；
b，对剔除离群点后的样本训练集和数据验证集中的数据进行归一化处理；
c，根据步骤b中的归一化后的样本训练集和数据验证集分别绘制不同刀盘结泥饼状态下的样本数据参数曲线图和验证数据参数曲线图；
d，对步骤c中所得到的样本数据参数曲线图和验证数据参数曲线图依次进行灰度化和二值化处理。
所述刀盘泥饼状态包括未结泥饼、开始结泥饼和已经结泥饼，分别用0、1、2进行表示；所述刀盘泥饼状态评估模型的判断刀盘泥饼状态的方法为：若渣土温度Tm>45℃，且刀盘推力F呈上升趋势，刀盘扭矩T呈先增加后下降趋势，推进速度V呈下降趋势，则判定刀盘处于已经结泥饼状态，若渣土温度40℃＜Tm≤45℃，且刀盘推力F呈上升趋势，刀盘扭矩T呈上升趋势，推进速度V呈下降趋势，则判定刀盘处于开始结泥饼状态，其余状况判定刀盘处于未结泥饼状态。
一种刀盘结泥饼预警系统，包括渣土温度测量单元、刀盘推力检测单元、刀盘扭矩检测单元和推进速度检测单元，渣土温度测量单元、刀盘推力检测单元、刀盘扭矩检测单元和推进速度检测单元均与数据处理单元连接，且数据处理单元与控制系统相连接；所述控制系统与泥饼状态评估模型建立单元和预警显示单元相连接。
所述渣土温度测量单元可拆卸地设置在螺旋输送机的出渣口处，且渣土温度测量单元包括防护外壳，防护外壳内设有红外温度测量件，且防护外壳上设有吹气孔；所述吹气孔与红外温度测量件对应设置，且红外温度测量件与数据处理单元相连接。
所述吹气孔上设有吹气组件；吹气组件包括气管，气管通过阀门与气源相连接。
所述防护外壳包括筒体、前盖板和后盖板，前盖板和后盖板分别安装在筒体的两侧，且前盖板上设有通孔，后盖板上设有防水接头和指示灯；红外温度测量件设置在前盖板上，且红外温度测量件的输出线缆通过防水接头与数据处理单元连接；所述指示灯与红外温度测量件相连接。
所述防护外壳的横截面为圆形，且防护外壳上设有固定板；所述固定板为U型板，且U型板外切于防护外壳设置。
本发明的有益效果：本发明基于神经网络通过渣土温度、刀盘推力、刀盘扭矩和推进速度四个因素对刀盘结泥饼的状态进行评估，结合有影响的四个自变量进行综合分析，采用多组数据进行训练判断、验证，调整参数后再循环训练验证使判断准确率达到90％以上，判断结果更稳定可靠，可以有效预防泥饼的产生，便于盾构司机在开始结泥饼的时候采取渣土改良措施、控制泥浆的比重和粘度、或者调整掘进参数措施预防刀盘结泥饼，在刀盘结泥饼的程度还未达到密实的情况下，即阻止了恶化状况的产生。本发明中的渣土温度测量单元采用了防护措施进行保护，避免了恶劣环境下红外温度测量件损坏造成测量不精准的问题，系统稳定性高，且避免了红外温度测量件损坏需停机人为进仓维修的状况，可广泛应用在各类盾构机中，可实施操作性较高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为刀盘结泥饼预警系统的组成示意图。
图2为神经网络示意图。
图3为刀盘结泥饼预警方法的流程示意图。
图4为刀盘处于已经结泥饼状态的样本数据参数曲线图。
图5为渣土温度测量单元的剖视图。
图6为渣土温度测量单元的主视图。
图7为图6的俯视图。
图8为图6的左视图。
图中，1为防护外壳，11为前盖板，12为后盖板，13为固定板，131为螺纹连接孔，14为吹气孔，15为筒体，16为通孔，17为预留孔，2为红外温度传感器，3为防水接头，4为指示灯。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：一种刀盘结泥饼预警方法，如图2所示，包括如下步骤：
S1，采集K组盾构机关键参数数据，每组盾构机关键参数数据均包括刀盘推力F、刀盘扭矩T、推进速度V和渣土温度Tm；
所述刀盘推力F的计算公式为：
式中，l表示推进油缸的个数，Fi表示第i个推进油缸的推力Fi；
第i个推进油缸的推力Fi的计算公式为：
Fi＝pi*si；
式中，pi表示第i个推进油缸的推进压力，si表示第i个推进油缸与刀盘的有效接触面积；
所述推进速度V的计算公式为：
V＝L*t；
式中，L表示推进油缸的平均行程，t表示推进时间；
所述平均行程L的计算公式为：
式中，Li表示第i个推进油缸的推进行程；
所述刀盘扭矩T的计算公式为：
式中，h表示刀盘驱动系统中电机的总数量，Tj表示第j组电机的扭矩，每组电机的扭矩从刀盘驱动系统中的变频器读取；
所述渣土温度Tm通过设置在螺旋输送机出渣口的渣土温度测量单元测得，渣土温度测量单元包括红外温度测量件2，红外温度测量件2与控制系统连接，红外温度测量件将测得的渣土温度Tm传送给到控制系统，控制系统对数据进行处理并显示。
本实施例中，采集400组盾构机关键参数数据，每组盾构机关键参数数据均包括至少10环区间内的关键参数数据；所述推进油缸的个数为四个。
S2，根据步骤S1中的每组盾构机关键参数数据对刀盘结泥饼状态分别进行判断，建立关键参数与泥饼状态对照数据集，将关键参数与泥饼状态对照数据集随机划分为样本训练集和数据验证集；
所述刀盘泥饼状态包括未结泥饼、开始结泥饼和已经结泥饼，分别用0、1、2进行表示；所述刀盘结泥饼状态判断是通过有经验的盾构机司机执行，根据400组盾构机关键参数数据一一判断对应的刀盘泥饼状态，且判断出的刀盘泥饼状态中三种刀盘泥饼状态均包括，便于建立关键参数与泥饼状态对照数据集，最终根据数据集获得更好的学习效率和预测准确度。
所述关键参数与泥饼状态对照数据集的组数不小于400，数据验证集的组数不小于100；本实施例中，样本训练集的组数为300组，数据验证集的组数为100组。
S3，通过控制系统设定目标误差u；
所述目标误差u≤10％。
S4，利用样本训练集训练神经网络得到刀盘泥饼状态评估模型，将数据验证集输入刀盘泥饼状态评估模型并计算误差率v，包括如下步骤：
S4.1，采用python建立包括输入层、隐含层和输出层的神经网络；
通过控制系统设定输入层的节点数为4个，输出层的节点数为3个，对应于三种刀盘泥饼状态；所述隐含层的节点个数为N个，且其对应的计算公式为：
式中，m表示输入层节点个数，n表示输出层节点个数，a表示1到10之间的任一整数。
本实施例中，所述神经网络可以选用BP神经网络或者卷积神经网络等。
S4.2，根据样本训练集和数据验证集分别绘制不同结泥饼状态下的样本数据参数曲线图和验证数据参数曲线图，包括如下步骤；
a，采用聚类法剔除样本训练集和数据验证集中的离群点；
离群点的存在会影响模型建立的准确性，离群点的分析通过聚类法来检测，聚类法是指将类似的值组织成群或簇，直观地，落在簇集合之外的值被视为离群点。
b，对剔除离群点后的样本训练集和数据验证集中的数据进行归一化处理；
由于神经网络中各参数的输入数据若出现量级的差别时，会导致网络学习速度变慢甚至不能收敛；故各参数相邻时间的两个数值差异很大的情况下，需进行数据预处理，使处理后的数据分布在同一量级上。
归一化处理的公式为：
式中，xk表示参数，为刀盘推力F、刀盘扭矩T、推进速度V或渣土温度Tm，xmin表示输入数据xk的最小值，xmax表示输入数据xk的最大值，x'表示归一化后的输入数据；
输入数据的归一化可以方便后续模型中数据的处理，加快训练的速度。
c，根据步骤b中的归一化后的样本训练集和数据验证集分别绘制不同刀盘结泥饼状态下的样本数据参数曲线图和验证数据参数曲线图；
在MATLAB中画出样本训练集和数据验证集中的每组盾构机关键参数数据所对应的不同刀盘泥饼状态下的参数曲线图，参数曲线图均保存为56*56的图片格式，便于神经网络接收。
d，对步骤c中所得到的样本数据参数曲线图和验证数据参数曲线图依次进行灰度化和二值化处理，形成适合神经网络输入的黑白图像。
S4.3，基于样本数据参数曲线图对神经网络进行训练得到刀盘泥饼状态评估模型；
设置隐含层和输出层传递函数，选择训练函数，并对各参数的连接权值进行赋值，然后设定误差函数和目标误差；将300组样本数据参数曲线图输入神经网络，神经网络在输入样本的刺激下不断改变网络的连接权值，以使网络的输出不断地接近期望的输出；训练过程中将输出误差以某种形式函数通过隐含层向输入层逐层反传，以修正各参数权值，再进行从输入层到隐含层到输出层的信号传输，输出值再次与实际值进行比较，若不在期望的目标误差范围，继续通过某种形式函数通过隐含层到输入层修正各参数权值，直到输出的误差在预期范围内。
S4.4，将验证数据参数曲线图输入刀盘泥饼状态评估模型输出刀盘结泥饼状态；
所述刀盘泥饼状态评估模型的判断刀盘泥饼状态的方法为：若渣土温度Tm>45℃，且刀盘推力F呈上升趋势，刀盘扭矩T呈先增加后下降趋势，推进速度V呈下降趋势，则判定刀盘处于已经结泥饼状态，若渣土温度40℃＜Tm≤45℃，且刀盘推力F呈上升趋势，刀盘扭矩T呈上升趋势，推进速度V呈下降趋势，则判定刀盘处于开始结泥饼状态，其余状况判定刀盘处于未结泥饼状态。
将数据验证集中的100组数据输入刀盘泥饼状态评估模型，得出输出层的刀盘结泥饼状态数据。
S4.5，将步骤S4.4所得到的刀盘结泥饼状态与数据验证集中的刀盘结泥饼状态进行比较计算误差率v。
S5，将误差率v与目标误差u进行比较，如果v≥u，则返回步骤S4，直至v＜u；
S6，在线采集新的盾构机关键参数数据，利用刀盘泥饼状态评估模型对刀盘结泥饼状态进行实时评估并预警。
在线采集新的盾构机关键参数数据，基于新的盾构机关键参数数据对刀盘结泥饼状态进行判断，将刀盘泥饼状态评估模型所输出的刀盘结泥饼状态数据传输至控制系统中，以刀盘未结泥饼、刀盘开始结泥饼、刀盘已经结泥饼三种状态对盾构司机进行预警，便于盾构司机及时采取相关措施。
实施例2：一种刀盘结泥饼预警系统，如图1所示，包括渣土温度测量单元、刀盘推力检测单元、刀盘扭矩检测单元和推进速度检测单元，渣土温度测量单元、刀盘推力检测单元、刀盘扭矩检测单元和推进速度检测单元均与数据处理单元相连接，且数据处理单元与控制系统相连接；所述控制系统与泥饼状态评估模型建立单元和报警单元相连接。数据处理单元用于对渣土温度测量单元、刀盘推力检测单元、刀盘扭矩检测单元和推进速度检测单元所测量的数据进行处理，并发送给到控制系统，控制系统再次对数据进行预处理和归一化处理等以形成泥饼状态评估模型建立单元所能接收的传输数据；报警单元可以接收泥饼状态评估模型建立单元所评估的结果，当刀盘处于开始结泥饼状态和已经结泥饼状态时进行报警提醒，方便盾构司机及时采取措施。
所述刀盘推力检测单元包括压力传感器，压力传感器设置推进油缸与刀盘的接触面上，用于检测每个推进油缸的推进压力；压力传感器与数据处理单元相连接，数据处理单元根据压力传感器所测得的推进压力计算刀盘推力。所述刀盘扭矩检测单元包括变频器，变频器与刀盘驱动系统中的电机对应连接，变频器用于检测每个电机的扭矩；变频器均与数据处理单元相连接，数据处理单元根据变频器所测得的扭矩计算刀盘扭矩。所述推进速度检测单元包括位移传感器，位移传感器设置在推进油缸上，且位移传感器与与数据处理单元相连接；数据处理单元根据位移传感器所测得的每个推进油缸的位移计算推进油缸的平均位移，然后再根据平均位移和推进时间计算推进速度。
所述渣土温度测量单元可拆卸地设置在螺旋输送机的出渣口处，且渣土温度测量单元包括包括防护外壳1，防护外壳1内设有红外温度测量件2，将防护外壳1固定在螺旋输送机的出渣口处，红外温度测量件2可以用于测量出渣口的渣土温度；如图7所示，所述防护外壳1上设有吹气孔14，吹气孔14与红外温度测量件2对应设置，向吹气孔14吹气可以吹掉红外温度测量件2上面的渣土，使红外温度测量件2保持清洁状态，提高测量精度；红外温度测量件2与数据处理单元相连接，红外温度测量件2将测量的渣土温度传送给到数据处理单元，数据处理单元对数据进行处理后传输给到控制系统，控制系统将处理后的温度数据显示出来，方便工作人员实时观察渣土温度。
所述吹气孔14上设有吹气组件；吹气组件包括气管，气管通过阀门与气源相连接，当红外温度测量件2上面留有渣土时，手动打开阀门，气体通过气管流出，对红外温度测量件2上面的渣土进行清理。
所述防护外壳1包括筒体15、前盖板11和后盖板12，前盖板11和后盖板12分别密封连接在筒体15的两端，保证装置在潮湿环境下也能正常工作；前盖板11的中部设有通孔16，通孔16设置在红外温度测量件2的正前方，方便信号的发送；所述通孔16的外圆周方向上设有预留孔17，方便通过预留孔17安装挡盖，避免渣土溅入；后盖板12上设有防水接头3，红外温度测量件2固定在前盖板11内，红外温度测量件2的输出线缆通过防水接头3与数据处理单元相连接。所述后盖板12上设有指示灯4，且指示灯4与红外温度测量件2相连接，方便通过指示灯4即可简单判别红外温度测量件2是否正常工作，设计检修安全可靠。
所述筒体15的横截面为圆形，方便手持或者安装使用；如图6所示，防护外壳1上设有固定板13，且固定板13上设有螺纹连接孔131，使用时将固定板13放置在螺旋输送机出渣口上方2米位置处，待调整好检测角度后通过螺纹连接孔131将固定板13固定。
如图8所示，所述固定板13为U型板，且U型板外切于筒体15固定设置，螺纹连接孔131对称设置在U型板的两侧，以更稳定地与螺旋输送机出渣口相连接。
本实施例中，所述阀门为气动球阀；所述红外温度测量件为光学分辨率D：S＝20：1的红外温度传感器，可检测出100mm范围内的渣土温度，测量范围大，且红外温度传感器的检测范围为0-100℃，测量精度为1％，供电模式为宽幅电压24VDC±10％/3A；防水接头为IP68的防护等级。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种刀盘结泥饼预警方法，其特征在于，包括如下步骤：
S1，采集K 组盾构机关键参数数据，每组盾构机关键参数数据均包括刀盘推力F、刀盘
扭矩T 、推进速度V 和渣土温度T m ；
S2，根据步骤S1 中的每组盾构机关键参数数据对刀盘结泥饼状态进行判断，建立关键参
数与泥饼状态对照数据集，将关键参数与泥饼状态对照数据集随机划分为样本训练集和数据
验证集；
S3，通过控制系统设定目标误差u ；
S4，利用样本训练集训练神经网络得到刀盘泥饼状态评估模型，将数据验证集输入刀盘
泥饼状态评估模型并计算误差率v ；
所述步骤S4 包括如下步骤：
S4.1，建立包括输入层、隐含层和输出层的神经网络；
S4.2，根据样本训练集和数据验证集分别绘制不同结泥饼状态下的样本数据参数曲线图
和验证数据参数曲线图；
S4.3，基于样本数据参数曲线图对神经网络进行训练得到刀盘泥饼状态评估模型；
S4.4，将验证数据参数曲线图输入刀盘泥饼状态评估模型输出刀盘结泥饼状态；
S4.5，将步骤S4.4 所得到的刀盘结泥饼状态与数据验证集中的刀盘结泥饼状态进行比较
计算误差率v；
S5，将误差率v与目标误差u进行比较，如果v≥u，则返回步骤S4，直至v ＜u；
S6，在线采集新的盾构机关键参数数据，利用刀盘泥饼状态评估模型对刀盘结泥饼状态
进行实时评估并预警。
2.根据权利要求1所述的刀盘结泥饼预警方法，其特征在于，在步骤S4.2 中，所述绘制
不同结泥饼状态下的样本数据参数曲线图和验证数据参数曲线图包括如下步骤：
a，采用聚类法剔除样本训练集和数据验证集中的离群点；
b，对剔除离群点后的样本训练集和数据验证集中的数据进行归一化处理；
c，根据步骤b 中的归一化后的样本训练集和数据验证集分别绘制不同刀盘结泥饼状态下
的样本数据参数曲线图和验证数据参数曲线图；
d，对步骤c 中所得到的样本数据参数曲线图和验证数据参数曲线图依次进行灰度化和二
值化处理。
3.根据权利要求1 或2所述的刀盘结泥饼预警方法，其特征在于，所述刀盘结泥饼状态包括未结泥饼、开始结泥饼和已经结泥饼，分别用0、1、2 进行表示；
所述刀盘泥饼状态评估模型的判断刀盘泥饼状态的方法为：若渣土温度T m>45℃，且刀盘推力F呈上升趋势，刀盘扭矩T 呈先增加后下降趋势，推进速度V 呈下降趋势，则判定刀盘处于已经结泥饼状态，若渣土温度40℃＜T m＜45℃，且刀盘推力F呈上升趋势，刀盘扭矩T呈上升趋势，推进速度V 呈下降趋势，则判定刀盘处于开始结泥饼状态，其余状况判定刀盘处于未结泥饼状态。
4.根据权利要求1 所述的刀盘结泥饼预警方法所使用的系统，其特征在于，包括渣土温度测量单元、刀盘推力检测单元、刀盘扭矩检测单元和推进速度检测单元，渣土温度测量单元、刀盘推力检测单元、刀盘扭矩检测单元和推进速度检测单元均与数据处理单元连接，且数据处理单元与控制系统相连接；所述控制系统与泥饼状态评估模型建立单元和预警显示单元相连接。
5.根据权利要求4 所述的刀盘结泥饼预警方法所使用的系统，其特征在于，所述渣土温度测量单元可拆卸地设置在螺旋输送机的出渣口处，且渣土温度测量单元包括防护外壳（1），防护外壳（1）内设有红外温度测量件（2），且防护外壳（1）上设有吹气孔（14）；所述吹气孔（14）与红外温度测量件（2）对应设置，且红外温度测量件（2）与数据处理单元相连接。
6.根据权利要求5所述的刀盘结泥饼预警方法所使用的系统，其特征在于，所述吹气孔（14）上设有吹气组件；吹气组件包括气管，气管通过阀门与气源相连接。
7.根据权利要求5或6所述的刀盘结泥饼预警方法所使用的系统，其特征在于，所述防护外壳（1）包括筒体（15）、前盖板（11）和后盖板（12），前盖板（11）和后盖板（12）分别安装在筒体（15）的两侧，且前盖板（11）上设有通孔（16），后盖板（12）上设有防水接头（3）和指示灯（4）；红外温度测量件（2）设置在前盖板（11）上，且红外温度测量件（2）的输出线缆通过防水接头（3）与数据处理单元连接；所述指示灯（4）与红外温度测量件（2）相连接。
8.根据权利要求7 所述的刀盘结泥饼预警方法所使用的系统，其特征在于，所述防护外壳（1）的横截面为圆形，且防护外壳（1）上设有固定板（13）；所述固定板（13）为U 型板，且U 型板外切于防护外壳（1）设置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011029983.3A CN112031798B (zh) | 2020-09-27 | 2020-09-27 | 一种刀盘结泥饼预警系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011029983.3A CN112031798B (zh) | 2020-09-27 | 2020-09-27 | 一种刀盘结泥饼预警系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112031798A CN112031798A (zh) | 2020-12-04 |
| CN112031798B true CN112031798B (zh) | 2022-03-29 |
Family
ID=73575488
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011029983.3A Active CN112031798B (zh) | 2020-09-27 | 2020-09-27 | 一种刀盘结泥饼预警系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112031798B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113107499B (zh) * | 2021-05-06 | 2022-04-05 | 中铁工程装备集团有限公司 | 盾构机刀盘结泥饼监测方法及装置 |
| CN113482642B (zh) * | 2021-07-30 | 2022-07-05 | 中铁工程装备集团有限公司 | 一种带有渣温监测的盾构系统及防止刀盘结饼的方法 |
| CN115966074B (zh) * | 2023-02-15 | 2023-05-23 | 中铁十四局集团大盾构工程有限公司 | 基于机器学习的盾构刀盘结泥饼预警方法及系统 |
| CN118095872A (zh) * | 2024-04-29 | 2024-05-28 | 中南大学 | 一种盾构刀盘结泥风险评估方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005126922A (ja) * | 2003-10-21 | 2005-05-19 | Kajima Corp | 現場打ち工法及び掘削装置 |
| CN108266199A (zh) * | 2018-02-06 | 2018-07-10 | 西南交通大学 | 一种用于土压平衡盾构刀盘结泥饼模拟的试验装置及方法 |
| CN109538214A (zh) * | 2018-11-07 | 2019-03-29 | 中南大学 | 一种基于温度检测的盾构机刀盘结泥饼检测方法 |
| CN111488694A (zh) * | 2020-04-16 | 2020-08-04 | 盾构及掘进技术国家重点实验室 | 基于多元线性自回归的泥水盾构机掘进关键参数预测方法 |
| CN111622766A (zh) * | 2020-05-19 | 2020-09-04 | 中铁十四局集团大盾构工程有限公司 | 一种盾构机刀盘结泥饼判断及结泥饼位置检测方法 |
-
2020
- 2020-09-27 CN CN202011029983.3A patent/CN112031798B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005126922A (ja) * | 2003-10-21 | 2005-05-19 | Kajima Corp | 現場打ち工法及び掘削装置 |
| CN108266199A (zh) * | 2018-02-06 | 2018-07-10 | 西南交通大学 | 一种用于土压平衡盾构刀盘结泥饼模拟的试验装置及方法 |
| CN109538214A (zh) * | 2018-11-07 | 2019-03-29 | 中南大学 | 一种基于温度检测的盾构机刀盘结泥饼检测方法 |
| CN111488694A (zh) * | 2020-04-16 | 2020-08-04 | 盾构及掘进技术国家重点实验室 | 基于多元线性自回归的泥水盾构机掘进关键参数预测方法 |
| CN111622766A (zh) * | 2020-05-19 | 2020-09-04 | 中铁十四局集团大盾构工程有限公司 | 一种盾构机刀盘结泥饼判断及结泥饼位置检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112031798A (zh) | 2020-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112031798B (zh) | 一种刀盘结泥饼预警系统及方法 | |
| CN103057470B (zh) | 一种车辆违章压线预先提示装置及其提示方法 | |
| CN112987751B (zh) | 自动巡航的隐藏排污口快速检测系统及方法 | |
| CN111877290A (zh) | 一种智能水面清洁机器人 | |
| CN102539182A (zh) | Arv故障诊断主元分析装置 | |
| CN110893849B (zh) | 一种自动驾驶车辆避障换道控制方法及装置 | |
| CN110006348A (zh) | 一种预警式地铁盾构隧道管片接缝防水性能智能监测方法 | |
| CN105424412A (zh) | 一种基于自主水下航行器的水下水样采集装置 | |
| CN108510539A (zh) | 一种基于图像分析的煤炭产量监测方法 | |
| CN112729698A (zh) | 一种cctv管道在线检测装置 | |
| CN210794762U (zh) | 一种新型刮板输送机断链监测装置 | |
| CN112027566B (zh) | 基于激光扫描的输送带跑偏类型判断及跑偏量测算系统 | |
| CN109425650A (zh) | 管道内部检测装置及检测方法 | |
| CN117686650A (zh) | 一种适用于运营期隧道的病害智能检测系统及方法 | |
| CN111846127A (zh) | 用于海上油轮外输作业防船舶触碰的图像识别监控系统 | |
| CN214119367U (zh) | 一种基于惯性导航的箱涵检测机器人定位辅助装置 | |
| CN108016990B (zh) | 一种港口起重机小车轨道扣件松动的检测装置及检测方法 | |
| CN106918325A (zh) | 储气柜活塞水平漂移度自动监测系统和方法 | |
| CN110954594A (zh) | 一种用于检测污泥板结的水下机器人及检测方法 | |
| CN112361122A (zh) | 一种基于惯性导航的箱涵检测机器人定位辅助装置 | |
| CN115982551A (zh) | 掘进设备的故障诊断方法及智能化掘进设备 | |
| CN107941749B (zh) | 多腔室的激光检测监测仪 | |
| CN115741230A (zh) | 一种在线断刀检测系统及方法 | |
| CN212569540U (zh) | 一种船舶安全应力辅助决策和自动控制系统 | |
| CN208536915U (zh) | 一种适于管廊项目的自动巡检系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |