CN112033659B - 一种盾构机刀具的管理系统及方法 - Google Patents
一种盾构机刀具的管理系统及方法 Download PDFInfo
- Publication number
- CN112033659B CN112033659B CN202010923746.5A CN202010923746A CN112033659B CN 112033659 B CN112033659 B CN 112033659B CN 202010923746 A CN202010923746 A CN 202010923746A CN 112033659 B CN112033659 B CN 112033659B
- Authority
- CN
- China
- Prior art keywords
- tool
- sensor
- wear
- area
- information
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B17/00—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations
- G01B17/02—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations for measuring thickness
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Excavating Of Shafts Or Tunnels (AREA)
Abstract
本发明涉及一种盾构机刀具的管理系统及方法,所述系统至少包括处理模块、数据存储模块以及传感模块,所述处理模块配置为:基于预先存储于所述数据存储模块内由先验知识构建的换刀计划执行换刀,基于所述传感模块传感的刀具关联信息匹配所述换刀计划以至少在盾构机掘进中进行换刀,并基于所述传感模块传输至所述数据存储模块内的刀具的磨损信息进行统计分析以获取刀具磨损规律,基于所述传感模块的至少一个第一传感器测量刀具的磨损量;基于所述传感模块的至少一个第二传感器测量的位置信息确定所述第一传感器的运动轨迹;基于所述传感模块的至少一个第三传感器测量刀具的切削力以确定刀具发生磨损的区域。
Description
技术领域
本发明涉及盾构机技术领域,尤其涉及一种盾构机刀具管理系统及方法。
背景技术
刀具管理在盾构施工中具有重要的位置,制定合理的刀具管理计划和方案对保证进度、控制成本和施工安全均起着重要的作用。特别是在软硬不均段中掘进施工时更需要详细考虑,其不仅包含全断面岩层段外,还包含软硬不均段和全断面土层段,因此需要制定合理的刀具管理计划进行刀具管理。
刀具磨损统计分析是指在刀具更换完成之后对在某种地层中掘进一段距离后刀具磨损量及磨损状况进行记录,并结合多次记录结果,对在此种地层中刀具的磨损规律进行总结,对后续施工中确定换刀位置,施工中的刀具管理进行指导。例如公开号为CN108256168B的中国专利文献公开了一种复合地层盾构滚刀磨损量确定方法,包括:第一步、通过钻探法和无侧限抗压试验确定隧道规划路线沿线的地质分布情况和各地层的地层强度;第二步、收集施工过程中的盾构参数和地质层参数,确定待预测滚刀的动荷系数以及摩擦系数;第三步、根据盾构施工前期换刀数据确定摩擦能与滚刀累计磨损量之间的相关系数;第四步、根据预测模型和掘进环数确定累计磨损量,并根据磨损限值确定更换滚刀的时机。该专利提供的方法能够实现合理安排开舱换刀的时机、降低换刀成本、缩短施工周期。但是,该专利文献对盾构机刀具磨损量的测量方式不是直接测量磨损量,而是通过动荷系数以及摩擦系数建立与磨损量之间的数学关系公式来进行预测。这种数学关系公式与盾构机刀具的真实磨损量之间为近似关系,通过这种近似得到磨损量进行近似预测,其得到预测结果会越加偏离刀具的真实磨损量。而且,该专利文献公开的方法是根据每个掘进环进行预测,考虑到了每段地质参数的不同,但是这种方法没有考虑到根据每个环进行预测其采集的数据样本较少,对预测的结果不够准确,也没有考虑到对不同掘进环的数据进行对比以积累更为有效的数据样本进行预测。
此外,一方面由于对本领域技术人员的理解存在差异;另一方面由于发明人做出本发明时研究了大量文献和专利,但篇幅所限并未详细罗列所有的细节与内容,然而这绝非本发明不具备这些现有技术的特征,相反本发明已经具备现有技术的所有特征,而且申请人保留在背景技术中增加相关现有技术之权利。
发明内容
针对现有技术之不足,本发明提供一种盾构机刀具的管理系统,至少包括处理模块、数据存储模块以及传感模块。所述处理模块配置为:基于预先存储于所述数据存储模块内由先验知识构建的换刀计划执行换刀。基于所述传感模块传感的刀具关联信息匹配所述换刀计划以至少在盾构机掘进中进行换刀。基于所述传感模块传输至所述数据存储模块内的刀具的磨损信息进行统计分析以获取刀具磨损规律。基于所述传感模块的至少一个第一传感器测量刀具的磨损量。基于所述传感模块的至少一个第二传感器测量的位置信息确定所述第一传感器的运动轨迹。基于所述传感模块的至少一个第三传感器测量刀具的切削力以确定刀具发生磨损的区域。现有技术中采用预测磨损量的输入参数,是一种间接测量的近似值,本身就不够准确,特别是在使用神经网络这种需要不断训练的模型进行预测时,不够准确的数据样本,经过不断地学习训练会更加偏离刀具磨损的真实值。本发明在基于模糊神经网络构建刀具磨损规律以预测盾构机刀具磨损信息的基础上,以更为精确的刀具磨损量的真实值作为有效数据,综合多种传感器检测到的能够表示刀具真实磨损量的多个测量数据作为模糊输入参数,并以多个测量数据与真实磨损量的确定关系构建相应的模糊权值,以模糊神经网络不断训练学习的特点,增加预测盾构机刀具磨损信息准确程度。
根据一个优选实施方式,所述第一传感器配置为能够沿垂直于盾构机轴向的平面运动。所述处理模块配置为基于所述第二传感器测量的位置信息驱动所述第一传感器移动。
根据一个优选实施方式,所述处理模块配置为:
基于所述第二传感器获取刀具的位置信息;
基于所述第三传感器测量的切削力获取刀具发生磨损的区域信息;
基于所述区域信息和所述第二传感器测量的位置信息构建所述第一传感器的运动轨迹。所述运动轨迹至少包括所述刀具发生磨损的区域和所述第一传感器扫描区域。
根据一个优选实施方式,在所述运动轨迹仅包含一个刀具发生磨损的区域的情况下,所述扫描区域至少包括以所述刀具发生磨损的区域为中心且半径小于第一阈值的区域。在所述运动轨迹包含至少一个刀具发生磨损的区域的情况下,所述扫描区域至少包括多个刀具发生磨损的区域之间的连接区域。
根据一个优选实施方式,所述处理模块配置为将所述传感模块测量的磨损信息存储于所述数据存储模块。所述处理模块配置为基于所述数据存储模块内的磨损信息构建所述刀具磨损规律。所述刀具磨损规律至少包括基于模糊神经网络预测的盾构机磨损信息。所述磨损信息至少包括磨损率和磨损状态。
根据一个优选实施方式,所述处理模块配置为:
将所述数据存储模块内的磨损信息进行预处理生成模糊输入信号和模糊权值;
将所述模糊输入信号和模糊权值输入至所述模糊神经网络模型;
接收所述模糊网络神经模型输出的预测的刀具磨损信息,并传输至所述数据存储模块;
基于所述刀具磨损信息执行所述换刀计划。
根据一个优选实施方式,所述模糊输入信号至少包括所述第三传感器测量的切削力、所述第二传感器和所述第三传感器确定的刀具发生磨损的区域。所述模糊网络神经模型对应的所述模糊输入信号的输出为所述第一传感器测量的刀具磨损量。
根据一个优选实施方式,所述模糊权值至少包括所述切削力的模糊权值以及所述刀具发生磨损的区域的权值。所述切削力的模糊权值为所述第三传感器测量得到的刀具磨损量和所述第一传感器测量得到的刀具磨损量之间的差值与所述第一传感器测量得到的刀具磨损量之比。所述刀具发生磨损的区域的权值为所述刀具发生磨损的区域的面积与所述扫描区域的比值。
本发明还提供一种盾构机刀具的管理方法,所述方法至少包括:
对盾构施工的地质进行分析以制定换刀计划;
基于所述换刀计划在盾构机掘进中执行换刀;
基于传感模块测量的刀具的磨损信息进行统计分析以获取刀具磨损规律。优选地,基于所述传感模块的至少一个第一传感器测量刀具的磨损量。基于所述传感模块的至少一个第二传感器测量的位置信息确定所述第一传感器的运动轨迹。基于所述传感模块的至少一个第三传感器测量刀具的切削力以确定刀具发生磨损的区域。基于所述磨损规律预测的刀具磨损信息执行所述换刀计划。
根据一种优选实施方式,所述第一传感器配置为能够沿垂直于盾构机轴向的平面运动。所述处理模块配置为基于所述第二传感器测量的位置信息驱动所述第一传感器移动。
附图说明
图1是本发明系统的一种优选实施方式的模块示意图;
图2是本发明方法的一种优选实施方式的步骤流程示意图。
附图标记列表
100:处理模块 200:数据存储模块
300:传感模块 301:第一传感器
302:第二传感器 303:第三传感器。
具体实施方式
下面结合附图1至2进行详细说明。
优选地,在实际施工中需要根据刀具磨损数据分析结果对换刀位置重新确定换刀计划。如果开挖中刀具出现异常急需要更换,对地层加固采用敞开模式进行更换刀具。
优选地,现有技术中一般通过对刀具磨损量的测量获取其磨损规律,根据磨损规律可以预测不同位置的刀具的磨损量,并根据该磨损量结合换刀计划确定需要换刀的位置和刀具。优选地,磨损规律可以采用神经网络进行训练学习得到。例如,可以基于人工神经网络进行学习训练。人工神经网络的主要原理类似于人脑神经网络的功能。人工神经网络基于生物神经元的相关原理建立起网络的结构,从而实现对事物信息进行并行化处理。人工神经网络可以通过设置激励函数、相应的权重对传感器测量的刀具磨损量信息进行处理,从而达成预测盾构机刀具磨损量和磨损状况的目的。模糊神经网络结合模糊理论与神经网络的各子功能与特点,提供了神经网络信息处理的能力,也使得模糊系统成为自适应模糊学习系统。模糊神经网络的核心思想是将神经网络中的输入数据替换为模糊输入信号和模糊权值。因此,本发明在基于模糊神经网络构建刀具磨损规律以预测盾构机刀具磨损信息的基础上,以更为精确的刀具磨损量的真实值作为有效数据,综合多种传感器检测到的能够表示刀具真实磨损量的多个测量数据作为模糊输入参数,并以多个测量数据与真实磨损量的确定关系构建相应的模糊权值,以模糊神经网络不断训练学习的特点,增加预测盾构机刀具磨损信息准确程度。
优选地,盾构机刀具的磨损测量有多种方法。例如电阻测量法、射线测量法、刀具与工件之间的距离测量法、微结构镀层法等等。但是上述方法,有的方法的测量结果不是刀具的真实磨损量,而是一个与磨损量相关的间接值。有的测量方法可能给因为刀具形变或者移动导致测量结果不够准确。
优选地,本发明采用第一传感器301测量刀具的磨损量。第一传感器301可以在线测量盾构机刀具的磨损量。优选地,第一传感器301可以在盾构机掘进的过程中测量刀具的磨损量。第一传感器301可以是超声波传感器。优选地,超声波传感器的原理为从超声波在刀具中的船舶时间与刀具的厚度成正比。通过超声波的时间可以计算得到刀具的厚度。但是,在实际工作中,刀具不同区域的磨损量可能不同,无法按确定磨损缺陷最大的地方,更可能会出现漏检的情况。尽管可以通过设置多个第一传感器301来获取刀具整体磨损的情况。但这种方法会需要更多的第一传感器301、安装定位装置、更多的通信通道等等,不仅使得成本提高,而且也导致盾构机结构复杂,进而使得第一传感器301安装难度增加。此外这种解决方案也不会大幅度提高第一传感器301的可靠性。优选地,第一传感器301能够沿垂直于盾构机轴向的平面移动。通过该设置方式,通过第一传感器301的移动能够在不需要设置较多第一传感器的情况下全方位地检测刀具不同区域的磨损量,同时也能够避免出现漏检的情况。优选地,传感模块300内设置有第二传感器302。优选地,第二传感器302用于测量第一传感器301的位移量。通过该设置方式,能够第二传感器302确定第一传感器301移动路径,从而引导第一传感器301移动路径。此外,通过第二传感器302也能够确定第一传感器301测量的数据与刀盘对应的位置。优选地,第二传感器302可以是光纤位移传感器。优选地,传感模块300还设置有第三传感器303。第三传感器303用于测量盾构机刀具的切削力。刀具的切削力是盾构机掘进过程中产生最直接的变量,不仅与刀具磨损直接相关,还能够有效反应刀盘的运行状态。优选地,第三传感器303可以是利用压电晶体、电阻应变片、位移传感器、电流传感器、光纤光栅传感器等传感元件获得由切削力引起的机械结构弹性变形量、应变量或电机电流\功率的变化量。基于第三传感器303确定刀具发生磨损的区域。第三传感器303将此信息传递至第二传感器302。第二传感器302基于第三传感器303确定的刀具发生磨损的区域引导第一传感器301移动至此区域。通过该设置方式,能够为第一传感器301确定刀具发生磨损的区域,从而避免花费大量时间通过第一传感器301来确定刀具的整体磨损情况。尽管第三传感器303也能够测量刀具的磨损量,但是相对于超声波传感,其传感速度较慢且是间接检测。因此采用第一传感器301进行传感能够极大地提高刀具磨损量的测量速度,减少时间成本。而且利用超声波测量大局的厚度,其测量的磨损量数据较为准确。
实施例1
本实施例公开了一种盾构机刀具的管理系统,在不造成冲突或者矛盾的情况下,其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。
优选地,如图1所示,刀具管理系统至少包括处理模块100、数据存储模块200和传感模块300。处理模块100配置为:基于预先存储于数据存储模块200内由先验知识构建的换刀计划执行换刀。基于传感模块300传感的刀具关联信息匹配换刀计划以至少在盾构机掘进中进行换刀。基于传感模块300传输至数据存储模块200内的刀具的磨损信息进行统计分析以获取刀具磨损规律。基于传感模块300的至少一个第一传感器301测量刀具的磨损量。基于传感模块300的至少一个第二传感器302测量的位置信息确定第一传感器301的运动轨迹。基于传感模块300的至少一个第三传感器303测量刀具的切削力以确定刀具发生磨损的区域。
根据一个优选实施方式,第一传感器301配置为能够沿垂直于盾构机轴向的平面运动。处理模块100配置为基于第二传感器302测量的位置信息驱动第一传感器301移动。
根据一个优选实施方式,处理模块100配置为:基于第二传感器302获取刀具的位置信息。基于第三传感器303测量的切削力获取刀具发生磨损的区域信息。基于区域信息和第二传感器302测量的位置信息构建第一传感器301的运动轨迹。运动轨迹至少包括刀具发生磨损的区域和第一传感器301扫描区域。优选地,在运动轨迹仅包含一个刀具发生磨损的区域的情况下,扫描区域至少包括以刀具发生磨损的区域为中心且半径小于第一阈值的区域。优选地,第一阈值与刀具的尺寸有关。优选地,第一阈值可以是刀具在其宽度的一半。在运动轨迹包含至少一个刀具发生磨损的区域的情况下,扫描区域至少包括多个刀具发生磨损的区域之间的连接区域。优选地,连接区域可以是长方形区域。优选地,连接区域可以包括以刀具发生磨损的区域为中心且半径小于第一阈值的圆形区域。通过该设方式,能够通过第一传感器301检测刀具发生磨损的区域附近是否也发生磨损,并且能够获取附近区域的磨损量,从而进一步确认磨损量最大的区域,避免漏检情况的发生。
根据一个优选实施方式,处理模块100配置为将传感模块300测量的磨损信息存储于数据存储模块200。处理模块100配置为基于数据存储模块200内的磨损信息构建刀具磨损规律。刀具磨损规律至少包括基于模糊神经网络预测的盾构机磨损信息。磨损信息至少包括磨损率和磨损状态。
根据一个优选实施方式,处理模块100配置为:将数据存储模块200内的磨损信息进行预处理生成模糊输入信号和模糊权值;将模糊输入信号和模糊权值输入至模糊神经网络模型;接收模糊网络神经模型输出的预测的刀具磨损信息,并传输至数据存储模块200;基于刀具磨损信息执行换刀计划。
根据一个优选实施方式,模糊输入信号至少包括第三传感器303测量的切削力、第二传感器302和第三传感器303确定的刀具发生磨损的区域。模糊网络神经模型对应的模糊输入信号的输出为第一传感器301测量的刀具磨损量。
根据一个优选实施方式,模糊权值至少包括切削力的模糊权值以及刀具发生磨损的区域的权值。切削力的模糊权值为第三传感器303测量得到的刀具磨损量和第一传感器301测量得到的刀具磨损量之间的差值与第一传感器301测量得到的刀具磨损量之比。刀具发生磨损的区域的权值为刀具发生磨损的区域的面积与扫描区域的比值。
实施例2
本实施例公开了一种盾构机刀具的管理方法,在不造成冲突或者矛盾的情况下,其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。
优选地,刀具管理包括地质分析、管理计划的制定、换刀作业、刀具的维修、掘进中的刀具管理、磨损量的统计分析等,各项之间存在紧密的联系,是一个完整的体系。优选地,刀具的类型包括单刃滚刀、中心滚刀、齿刀、切刀、刮刀、仿形刀等。优选地,施工中通过在刀盘上安装不同类型的刀具以适应不同地层的开挖。例如,在岩层中掘进时刀盘需安装单刃滚刀、中心刀。优选地,在软岩中掘进时可以根据需要把单刃滚刀、中心刀更换为对应形式的齿刀。优选地,刀具的一般配置如表1所示。
表1刀具配置表
优选地,如图2所示,刀具管理方法至少包括如下步骤:
S100:优选地,对盾构施工的地质进行分析,获取盾构的地质信息。优选地,基于地质信息制定换刀计划。
优选地,根据地层情况制定合理、可靠的换刀计划是刀具管理的主要内容。优选地,可以根据盾构工程的地层特点,结合在类似工程的施工经验制定换刀计划。优选地,可以根据以前盾构机在相似地层掘进用刀经验,确定平均每个刀圈的开挖方量。优选地,刀具换刀计划以开仓位置为基础,进行开仓检查、更换刀具。优选地,例如可以是每掘进150米进行开仓检查、更换刀具。优选地,换刀计划至少包括刀具的准备、换刀的位置
优选地,换刀的位置可以根据地层稳定情况进行确定,确保换刀作业的安全。
优选地,在软硬不均地层及强风化地层中如果不具备开仓条件,可采取带压作业进行换刀。优选地,穿越特殊地段前要选择合适地层对刀具进行全盘更换,确保快速通过。
S200:基于换刀计划在盾构机掘进中执行换刀。优选地,根据掌子面的情况,换刀作业可分为敞开式换刀和带压进仓式换刀两种作业形式。
优选地,敞开式换刀作业工作内容包括如下几个方面:
(1)开仓作业。当土仓内排气后,需再等一段时间,观查土仓压力变化,推断掌子面的稳定性。确定掌子面稳定后才能开仓作业。
(2)做好物资准备工作。换刀之前准备工具、准备更换的刀具。
(3)做好后勤保障工作。换刀之前启动应急预案,应急小组随时处于待命状态。
(4)换刀作业连续进行。换刀过程中掌子面处于暴露状态,由于地下水的侵蚀,自稳性差,应该抓紧时间换刀,保证施工人员的安全,并且在换刀过程中派专人对掌子面进行监控,发现征兆,人员马上撤离。
(5)配备有施工经验的人员进仓作业,提高换刀效率。
(6)换刀完成后清点工具数量,防止留在土仓内,影响后续掘进施工。
(7)人员撤出后,立即关闭仓门。
(8)换刀前必须单独制定换刀安全应急预案,并在换刀前进行相应演习。以保证突发事故发生时施工安全。换刀安全应急预案详见另册编制的专项应急预案。
优选地,刀具维修包括旧刀具维修项目的判定、刀具清理、刀具的拆解、刀具部件的更换、刀具的组装等工序,工艺要求高,需要特殊对待。刀具维修的重点包括一下几方面:
(1)刀具维修项目的判定:对刀具进行清理后,根据刀具的情况对需进行的项目进行判定。
(2)部件的更换:刀具的维修包括多个步骤,需要严格进行,保证刀具的维修质量。
(3)维修后的标识:刀具维修好后,详细记录刀具维修情况并备案,维修好的刀具使用自喷漆进行明显标识,防止新旧刀具混淆。
(4)安全措施:刀具修理间备有足够的防火装置,以免火灾的发生。压床、磨床、砂轮机、切割机、电焊机、割矩等设备的使用必须符合相关的安全操作规程。
S300:基于传感模块300测量的刀具的磨损信息进行统计分析以获取刀具磨损规律。优选地,基于传感模块300的至少一个第一传感器301测量刀具的磨损量。基于传感模块300的至少一个第二传感器302测量的位置信息确定第一传感器301的运动轨迹。基于传感模块300的至少一个第三传感器303测量刀具的切削力以确定刀具发生磨损的区域。基于磨损规律预测的刀具磨损信息执行换刀计划。
优选地,第一传感器301配置为能够沿垂直于盾构机轴向的平面运动。处理模块100配置为基于第二传感器302测量的位置信息驱动第一传感器301移动。优选地,处理模块100配置为:基于第二传感器302获取刀具的位置信息。基于第三传感器303测量的切削力获取刀具发生磨损的区域信息。基于区域信息和第二传感器302测量的位置信息构建第一传感器301的运动轨迹。运动轨迹至少包括刀具发生磨损的区域和第一传感器301扫描区域。优选地,在运动轨迹仅包含一个刀具发生磨损的区域的情况下,扫描区域至少包括以刀具发生磨损的区域为中心且半径小于第一阈值的区域。优选地,第一阈值与刀具的尺寸有关。优选地,第一阈值可以是刀具在其宽度的一半。在运动轨迹包含至少一个刀具发生磨损的区域的情况下,扫描区域至少包括多个刀具发生磨损的区域之间的连接区域。优选地,连接区域可以是长方形区域。优选地,连接区域可以包括以刀具发生磨损的区域为中心且半径小于第一阈值的圆形区域。通过该设方式,能够通过第一传感器301检测刀具发生磨损的区域附近是否也发生磨损,并且能够获取附近区域的磨损量,从而进一步确认磨损量最大的区域,避免漏检情况的发生。
根据一个优选实施方式,处理模块100配置为将传感模块300测量的磨损信息存储于数据存储模块200。处理模块100配置为基于数据存储模块200内的磨损信息构建刀具磨损规律。刀具磨损规律至少包括基于模糊神经网络预测的盾构机磨损信息。磨损信息至少包括磨损率和磨损状态。
根据一个优选实施方式,处理模块100配置为:将数据存储模块200内的磨损信息进行预处理生成模糊输入信号和模糊权值;将模糊输入信号和模糊权值输入至模糊神经网络模型;接收模糊网络神经模型输出的预测的刀具磨损信息,并传输至数据存储模块200;基于刀具磨损信息执行换刀计划。
根据一个优选实施方式,模糊输入信号至少包括第三传感器303测量的切削力、第二传感器302和第三传感器303确定的刀具发生磨损的区域。模糊网络神经模型对应的模糊输入信号的输出为第一传感器301测量的刀具磨损量。
根据一个优选实施方式,模糊权值至少包括切削力的模糊权值以及刀具发生磨损的区域的权值。切削力的模糊权值为第三传感器303测量得到的刀具磨损量和第一传感器301测量得到的刀具磨损量之间的差值与第一传感器301测量得到的刀具磨损量之比。刀具发生磨损的区域的权值为刀具发生磨损的区域的面积与扫描区域的比值。
如本文所用的词语“模块”描述任一种硬件、软件或软硬件组合,其能够执行与“模块”相关联的功能。
本发明说明书包含多项发明构思,申请人保留根据每项发明构思提出分案申请的权利。本发明说明书包含多项发明构思,诸如“优选地”、“根据一个优选实施方式”或“可选地”均表示相应段落公开了一个独立的构思,申请人保留根据每项发明构思提出分案申请的权利。
需要注意的是,上述具体实施例是示例性的,本领域技术人员可以在本发明公开内容的启发下想出各种解决方案,而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白,本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (9)
1.一种盾构机刀具的管理系统,至少包括处理模块(100)、数据存储模块(200)以及传感模块(300),其特征在于,所述处理模块(100)配置为:
基于预先存储于所述数据存储模块(200)内由先验知识构建的换刀计划执行换刀,其中,
基于所述传感模块(300)传感的刀具关联信息匹配所述换刀计划以至少在盾构机掘进中进行换刀,并基于所述传感模块(300)传输至所述数据存储模块(200)内的刀具的磨损信息进行统计分析以获取刀具磨损规律,其中,
基于所述传感模块(300)的至少一个第一传感器(301)测量刀具的磨损量;
基于所述传感模块(300)的至少一个第二传感器(302)测量的位置信息确定所述第一传感器(301)的运动轨迹;其中,基于所述第二传感器(302)获取刀具的位置信息;
基于所述传感模块(300)的至少一个第三传感器(303)测量刀具的切削力以确定刀具发生磨损的区域;
基于所述第三传感器(303)测量的切削力获取刀具发生磨损的区域信息;
基于所述区域信息和所述第二传感器(302)测量的位置信息构建所述第一传感器(301)的运动轨迹,其中,所述运动轨迹至少包括所述刀具发生磨损的区域和所述第一传感器(301)扫描区域。
2.根据权利要求1所述的管理系统,其特征在于,所述第一传感器(301)配置为能够沿垂直于盾构机轴向的平面运动,其中,
所述处理模块(100)配置为基于所述第二传感器(302)测量的位置信息驱动所述第一传感器(301)移动。
3.根据权利要求2所述的管理系统,其特征在于,在所述运动轨迹仅包含一个刀具发生磨损的区域的情况下,所述扫描区域至少包括以所述刀具发生磨损的区域为中心且半径小于第一阈值的区域;
在所述运动轨迹包含至少一个刀具发生磨损的区域的情况下,所述扫描区域至少包括多个刀具发生磨损的区域之间的连接区域。
4.根据权利要求3所述的管理系统,其特征在于,所述处理模块(100)配置为将所述传感模块(300)测量的磨损信息存储于所述数据存储模块(200),其中,
基于所述数据存储模块(200)内的磨损信息构建所述刀具磨损规律,其中,
所述刀具磨损规律至少包括基于模糊神经网络预测的盾构机磨损信息,其中,
所述磨损信息至少包括磨损率和磨损状态。
5.根据权利要求4所述的管理系统,其特征在于,所述处理模块(100)配置为:
将所述数据存储模块(200)内的磨损信息进行预处理生成模糊输入信号和模糊权值;
将所述模糊输入信号和模糊权值输入至所述模糊神经网络模型;
接收所述模糊神经网络模型输出的预测的刀具磨损信息,并传输至所述数据存储模块(200);
基于所述刀具磨损信息执行所述换刀计划。
6.根据权利要求5所述的管理系统,其特征在于,所述模糊输入信号至少包括所述第三传感器(303)测量的切削力、所述第二传感器(302)和所述第三传感器(303)确定的刀具发生磨损的区域,其中,
所述模糊神经网络模型对应的所述模糊输入信号的输出为所述第一传感器(301)测量的刀具磨损量。
7.根据权利要求6所述的管理系统,其特征在于,所述模糊权值至少包括所述切削力的模糊权值以及所述刀具发生磨损的区域的权值,其中,
所述切削力的模糊权值为所述第三传感器(303)测量得到的刀具磨损量和所述第一传感器(301)测量得到的刀具磨损量之间的差值与所述第一传感器(301)测量得到的刀具磨损量之比;
所述刀具发生磨损的区域的权值为所述刀具发生磨损的区域的面积与所述扫描区域的比值。
8.一种盾构机刀具的管理方法,其特征在于,所述方法至少包括:
对盾构施工的地质进行分析以制定换刀计划;
基于所述换刀计划在盾构机掘进中执行换刀;
基于传感模块(300)测量的刀具的磨损信息进行统计分析以获取刀具磨损规律,其中,
基于所述传感模块(300)的至少一个第一传感器(301)测量刀具的磨损量;
基于所述传感模块(300)的至少一个第二传感器(302)测量的位置信息确定所述第一传感器(301)的运动轨迹;其中,基于所述第二传感器(302)获取刀具的位置信息;
基于所述传感模块(300)的至少一个第三传感器(303)测量刀具的切削力以确定刀具发生磨损的区域;
基于所述第三传感器(303)测量的切削力获取刀具发生磨损的区域信息;
基于所述区域信息和所述第二传感器(302)测量的位置信息构建所述第一传感器(301)的运动轨迹,其中,所述运动轨迹至少包括所述刀具发生磨损的区域和所述第一传感器(301)扫描区域;
基于所述磨损规律预测的刀具磨损信息执行所述换刀计划。
9.根据权利要求8所述的管理方法,其特征在于,所述第一传感器(301)配置为能够沿垂直于盾构机轴向的平面运动,其中,
处理模块(100)配置为基于所述第二传感器(302)测量的位置信息驱动所述第一传感器(301)移动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010923746.5A CN112033659B (zh) | 2020-09-04 | 2020-09-04 | 一种盾构机刀具的管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010923746.5A CN112033659B (zh) | 2020-09-04 | 2020-09-04 | 一种盾构机刀具的管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112033659A CN112033659A (zh) | 2020-12-04 |
CN112033659B true CN112033659B (zh) | 2021-12-28 |
Family
ID=73592380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010923746.5A Active CN112033659B (zh) | 2020-09-04 | 2020-09-04 | 一种盾构机刀具的管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112033659B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117021094B (zh) * | 2023-08-20 | 2024-04-26 | 哈尔滨理工大学 | 一种适用于狭窄空间的盾构机换刀机器人路径规划方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102322271A (zh) * | 2011-10-10 | 2012-01-18 | 沈阳重型机械集团有限责任公司 | 泥水平衡盾构机刀盘背装常压换刀装置 |
CN102607478A (zh) * | 2012-03-29 | 2012-07-25 | 中建市政建设有限公司 | 一种用于盾构机刀具磨损量的检测装置及检测方法 |
CN103711801A (zh) * | 2013-12-23 | 2014-04-09 | 大连理工大学 | 掘进机滚刀带复合传感器的轴承组件 |
CN208171581U (zh) * | 2018-05-28 | 2018-11-30 | 马鞍山灵山机械设备科技有限公司 | 一种盾构机刀具磨损检测装置 |
CN109822399A (zh) * | 2019-04-08 | 2019-05-31 | 浙江大学 | 基于并行深度神经网络的数控机床刀具磨损状态预测方法 |
CN110333059A (zh) * | 2019-07-26 | 2019-10-15 | 中南大学 | 一种基于磨损检测的盾构/tbm滚刀转动状态以及弦磨在线检测方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5714707A (en) * | 1980-07-01 | 1982-01-26 | Toda Constr Co Ltd | Method and apparatus for wear detection of shield digging machine |
JPH04277292A (ja) * | 1991-03-01 | 1992-10-02 | Takenaka Komuten Co Ltd | シールド工法におけるビット交換方法 |
CN107014603B (zh) * | 2017-06-06 | 2019-03-15 | 中铁隧道集团有限公司 | 一种获取不同地质工况盾构刀盘激振力的实验方法 |
CN109883470A (zh) * | 2019-01-18 | 2019-06-14 | 北京工业大学 | 盾构机刀盘状态监测系统和方法 |
CN110625626B (zh) * | 2019-09-27 | 2021-05-11 | 中铁工程装备集团有限公司 | 全断面隧道掘进机换刀机器人试验台及模拟换刀方法 |
CN110725692A (zh) * | 2019-11-22 | 2020-01-24 | 中交隧道工程局有限公司 | 一种盾构机伸缩式中心切削刀装置 |
CN110939453B (zh) * | 2019-12-20 | 2021-01-29 | 中铁隧道局集团有限公司 | 一种刀具实时监测系统及常压换刀方法 |
-
2020
- 2020-09-04 CN CN202010923746.5A patent/CN112033659B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102322271A (zh) * | 2011-10-10 | 2012-01-18 | 沈阳重型机械集团有限责任公司 | 泥水平衡盾构机刀盘背装常压换刀装置 |
CN102607478A (zh) * | 2012-03-29 | 2012-07-25 | 中建市政建设有限公司 | 一种用于盾构机刀具磨损量的检测装置及检测方法 |
CN103711801A (zh) * | 2013-12-23 | 2014-04-09 | 大连理工大学 | 掘进机滚刀带复合传感器的轴承组件 |
CN208171581U (zh) * | 2018-05-28 | 2018-11-30 | 马鞍山灵山机械设备科技有限公司 | 一种盾构机刀具磨损检测装置 |
CN109822399A (zh) * | 2019-04-08 | 2019-05-31 | 浙江大学 | 基于并行深度神经网络的数控机床刀具磨损状态预测方法 |
CN110333059A (zh) * | 2019-07-26 | 2019-10-15 | 中南大学 | 一种基于磨损检测的盾构/tbm滚刀转动状态以及弦磨在线检测方法 |
Non-Patent Citations (2)
Title |
---|
"盾构机盘形滚刀及切刀磨损预测模型研究";王凯;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20130315(第03(2013)期);全文 * |
"隧道掘进机刀具系统";张健男;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20150515(第05(2015)期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112033659A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11227375B2 (en) | Machine vision and machine intelligence aided electronic and computer system for assisting on formation drilling, boring, tunneling on-line guidance, assisted decision and dull grading system for drilling tool and associated drill string components | |
CN106570275B (zh) | 一种基于cai值的tbm滚刀磨损预测方法 | |
CN109358582B (zh) | 基于大数据的大采高综采工作面多设备协同作业控制方法 | |
RU2633426C2 (ru) | Способ и система для предварительного определения веса груза для карьерного экскаваторного оборудования | |
CN110298455A (zh) | 一种基于多变量估计预测的机械设备故障智能预警方法 | |
NL2012634B1 (en) | Real-time rope monitoring. | |
CN101911272A (zh) | 用于超声波键合的方法和设备 | |
CN108470095B (zh) | 基于数据驱动径向基函数模型的tbm推进力预测方法 | |
CN112033659B (zh) | 一种盾构机刀具的管理系统及方法 | |
Al‐Najjar et al. | Improving effectiveness of manufacturing systems using total quality maintenance | |
CN112160761B (zh) | 一种基于现场参数的硬岩tbm刀盘滚刀磨损实时评估方法 | |
JP2019098515A (ja) | 刃具状態検査システム及び方法 | |
CN114417697A (zh) | 一种基于神经网络的tbm滚刀磨损实时预测方法及系统 | |
CN113404502A (zh) | 基于碴片形貌的盾构滚刀磨耗监测装置及方法 | |
CN111486789B (zh) | 一种tbm滚刀磨损在线实时检测系统及方法 | |
Ding et al. | A new approach for developing EPB-TBM disc cutter wear prediction equations in granite stratum using backpropagation neural network | |
Keçeci et al. | Development of a spreadsheet DSS for multi-response taguchi parameter optimization problems using the TOPSIS, VIKOR, and GRA methods | |
CN109543268A (zh) | 基于kriging模型的TBM推进力主要影响因素的识别方法 | |
Simoes et al. | Fuzzy modeling approaches for the prediction of machine utilization in hard rock tunnel boring machines | |
CN117629283A (zh) | 用于实时监测和预测切割工具的磨损的系统和方法 | |
CN115758515A (zh) | Tbm隧道不良地质段智能支护决策方法 | |
CN115544753A (zh) | 一种盾构滚刀磨损状态实时评估方法、系统、终端及介质 | |
GB2617339A (en) | Method of and system for predicting strata-related risk in an underground environment | |
JP2022143625A (ja) | シールド掘進機の施工管理方法 | |
CN117851761B (zh) | 一种盾构机刀盘状态评估方法及系统 |
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 |