CN115711667A - 一种基于振动信号的tbm掘进参数的预测方法 - Google Patents

一种基于振动信号的tbm掘进参数的预测方法 Download PDF

Info

Publication number
CN115711667A
CN115711667A CN202211359635.1A CN202211359635A CN115711667A CN 115711667 A CN115711667 A CN 115711667A CN 202211359635 A CN202211359635 A CN 202211359635A CN 115711667 A CN115711667 A CN 115711667A
Authority
CN
China
Prior art keywords
vibration
tbm
tunneling
tunneling parameters
model
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.)
Pending
Application number
CN202211359635.1A
Other languages
English (en)
Inventor
黄江帆
薛亚东
王宝友
罗炜
汪加轩
冀国栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
China Railway 18th Bureau Group Co Ltd
Original Assignee
Tongji University
China Railway 18th Bureau Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tongji University, China Railway 18th Bureau Group Co Ltd filed Critical Tongji University
Priority to CN202211359635.1A priority Critical patent/CN115711667A/zh
Publication of CN115711667A publication Critical patent/CN115711667A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于振动信号的TBM掘进参数的预测方法，涉及隧道施工技术领域。包括：S1、在TBM掘进过程中，监测TBM的振动信号；S2、提取TBM主要掘进参数及对应时间的振动数据，将掘进参数和振动信号按相同时段拆分为训练集、验证集和测试集；S3、振动信号处理，对振动数据进行小波变换获得时域图和频域图；S4、建立掘进参数与振动时频图的深度学习模型，通过训练集数据训练模型；S5、通过测试集数据，对建立的模型进行误差优化；S6、通过验证集数据评估模型指标；S7、在模型中输入振动信号，预测掘进参数。本发明通过对TBM掘进过程进行连续振动监测，对掘进参数进行预测，为主司机提供参考，避免不合理的操作造成设备损失、工期损失、甚至工程事故。

Description

一种基于振动信号的TBM掘进参数的预测方法
技术领域
本发明属于隧道施工技术领域，更具体地说，是涉及一种基于振动信号的TBM掘进参数的预测方法。
背景技术
TBM是隧道掘进机，它分为敞开式隧道掘进机和广义盾构机。掘进、支护、出渣等施工工序并行连续作业，是机、电、液、光、气等系统集成的工厂化流水线隧道施工装备，具有掘进速度快、利于环保、综合效益高等优点，可实现传统钻爆法难以实现的复杂地理地貌深埋长隧洞的施工，在中国铁道、水电、交通、矿山、市政等隧洞工程中应用正在迅猛增长。TBM施工，最关键的是掘进参数的设定和调整。目前TBM施工中，掘进参数受主司机的个人水平影响较大，主要依靠个人经验决定。各施工企业TBM主司机水平参差不齐，由于操作不当容易造成设备故障、工期损失，甚至是工程事故。
发明内容
本发明所要解决的技术问题是提供一种基于振动信号的TBM掘进参数的预测方法，对TBM的掘进参数进行预测，为主司机提供参考，减少因不合理的操作造成设备故障、工期损失甚至工程事故的发生。
为解决上述技术问题，本发明所采取的技术方案是：
一种基于振动信号的TBM掘进参数的预测方法，包括以下步骤：
S1、在TBM掘进过程中，监测TBM的振动信号；
S2、提取TBM主要掘进参数及对应时间的振动数据，将掘进参数和振动信号按相同时段拆分为训练集、验证集和测试集；
S3、振动信号处理，对振动数据进行小波变换获得时域图和频域图；
S4、建立掘进参数与振动时频图的深度学习模型，通过训练集数据训练模型；
S5、通过测试集数据，对建立的模型进行误差优化；
S6、通过验证集数据评估模型指标；
S7、在模型中输入振动信号，预测掘进参数。
优选地，步骤S1中，振动监测应选择代表TBM振动的位置。
优选地，振动监测应选择刀盘或选择前盾贴近刀盘的区域。
优选地，振动监测应选择水平方向、垂直方向、隧道施工轴向三个方向。
优选地，步骤S2中，提取的TBM掘进参数为刀盘转速、总推力、刀盘扭矩、推进速度，振动数据与掘进参数为相同重叠时段。
优选地，步骤S4中，模型的训练、测试及验证，输入为小波变换后的时域图，输出相应的掘进参数。
采用上述技术方案所产生的有益效果在于：本发明通过在TBM刀盘或前盾靠近刀盘的区域安装振动监测传感器，对TBM掘进过程进行连续振动监测，建立振动信号与掘进参数的模型，将测得的振动信号输入模型预测掘进参数，提高了掘进参数的选择精度，为主司机选择掘进参数提供参考，避免不合理的操作造成设备损失、工期损失、甚至工程事故。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
如图1所示，基于振动信号的TBM掘进参数的预测方法，包括以下步骤：
S1、在TBM掘进过程中，监测TBM的振动信号。振动监测应选择代表TBM振动的位置，最好是刀盘，如刀盘区域监测困难可选择前盾贴近刀盘的区域。振动监测应选择水平方向、垂直方向、隧道施工轴向三个方向。
S2、提取TBM主要掘进参数及对应时间的振动数据，将掘进参数和振动信号按相同时段拆分为训练集、验证集和测试集。其中，提取的TBM掘进参数为刀盘转速、总推力、刀盘扭矩、推进速度，振动数据与掘进参数为相同重叠时段。
S3、振动信号处理，对振动数据进行小波变换获得时域图和频域图；
S4、建立掘进参数与振动时频图的深度学习模型，通过训练集数据训练模型。模型的训练、测试及验证，输入为小波变换后的时域图，输出相应的掘进参数。
S5、通过测试集数据，对建立的模型进行误差优化；
S6、通过验证集数据评估模型指标；
S7、在模型中输入振动信号，预测掘进参数。
以上，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种基于振动信号的TBM掘进参数的预测方法，其特征在于，包括以下步骤：
S1、在TBM掘进过程中，监测TBM的振动信号；
S2、提取TBM主要掘进参数及对应时间的振动数据，将掘进参数和振动信号按相同时段拆分为训练集、验证集和测试集；
S3、振动信号处理，对振动数据进行小波变换获得时域图和频域图；
S4、建立掘进参数与振动时频图的深度学习模型，通过训练集数据训练模型；
S5、通过测试集数据，对建立的模型进行误差优化；
S6、通过验证集数据评估模型指标；
S7、在模型中输入振动信号，预测掘进参数。
2.根据权利要求1所述的一种基于振动信号的TBM掘进参数的预测方法，其特征在于，步骤S1中，振动监测应选择代表TBM振动的位置。
3.根据权利要求2所述的一种基于振动信号的TBM掘进参数的预测方法，其特征在于，振动监测应选择刀盘或选择前盾贴近刀盘的区域。
4.根据权利要求2所述的一种基于振动信号的TBM掘进参数的预测方法，其特征在于，振动监测应选择水平方向、垂直方向、隧道施工轴向三个方向。
5.根据权利要求1所述的一种基于振动信号的TBM掘进参数的预测方法，其特征在于，步骤S2中，提取的TBM掘进参数为刀盘转速、总推力、刀盘扭矩、推进速度，振动数据与掘进参数为相同重叠时段。
6.根据权利要求1所述的一种基于振动信号的TBM掘进参数的预测方法，其特征在于，步骤S4中，模型的训练、测试及验证，输入为小波变换后的时域图，输出相应的掘进参数。
CN202211359635.1A 2022-11-02 2022-11-02 一种基于振动信号的tbm掘进参数的预测方法 Pending CN115711667A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211359635.1A CN115711667A (zh) 2022-11-02 2022-11-02 一种基于振动信号的tbm掘进参数的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211359635.1A CN115711667A (zh) 2022-11-02 2022-11-02 一种基于振动信号的tbm掘进参数的预测方法

Publications (1)

Publication Number Publication Date
CN115711667A true CN115711667A (zh) 2023-02-24

Family

ID=85232027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211359635.1A Pending CN115711667A (zh) 2022-11-02 2022-11-02 一种基于振动信号的tbm掘进参数的预测方法

Country Status (1)

Country Link
CN (1) CN115711667A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116304843A (zh) * 2023-05-22 2023-06-23 湖南大学 基于振动响应实时识别盾构机前方地质条件的方法及系统
CN116644799A (zh) * 2023-07-27 2023-08-25 青岛理工大学 基于隧道掘进参数的地层振动加速度预测方法及相关装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116304843A (zh) * 2023-05-22 2023-06-23 湖南大学 基于振动响应实时识别盾构机前方地质条件的方法及系统
CN116304843B (zh) * 2023-05-22 2023-08-18 湖南大学 基于振动响应实时识别盾构机前方地质条件的方法及系统
CN116644799A (zh) * 2023-07-27 2023-08-25 青岛理工大学 基于隧道掘进参数的地层振动加速度预测方法及相关装置
CN116644799B (zh) * 2023-07-27 2023-10-17 青岛理工大学 基于隧道掘进参数的地层振动加速度预测方法及相关装置

Similar Documents

Publication Publication Date Title
CN115711667A (zh) 一种基于振动信号的tbm掘进参数的预测方法
CN110852423B (zh) 基于迁移学习的隧道掘进机掘进性能与控制参数预测方法
CN103233741B (zh) 定量化评价超大型地下洞室群施工期围岩稳定性的方法
CN202975361U (zh) 深长隧道不良地质和岩体力学性质超前探测装置
CN112664174B (zh) 一种基于多钻孔的隧道围岩等级判定方法及系统
CN103018788A (zh) 深长隧道不良地质和岩体力学性质超前探测装置及方法
CN109405889B (zh) 用于掘进机工作臂减速器故障预测的系统与方法
CN113390502B (zh) 一种tbm刀盘振动监测及评价方法
CN201884070U (zh) 一种应用于隧道快速钻机的超前地质预报装置
CN111365010B (zh) 一种盾构机滚刀状态判断与地质反演的方法
CN112989262A (zh) 一种考虑基坑开挖过程的邻近隧道最大水平位移预测方法
CN104832299B (zh) 一种高油耗驾驶状态判定方法、设备及系统
CN115977633A (zh) 一种基于多信息融合反馈的射流与截割协同调控的方法
CN113505911B (zh) 基于自动巡航的刀具寿命预测系统及其预测方法
CN104517034B (zh) 火电机组回路通道模型辨识方法和系统
CN115239108B (zh) 一种基于tbm实时破岩数据的软弱破碎围岩感知方法
CN115950947A (zh) 一种tbm隧洞基于振动信号实时的地质参数预测方法
CN115759351A (zh) 泥水盾构掘进综合预警方法、系统及存储介质
CN210033411U (zh) 基于液压系统的tbm锚杆钻机实时在线监测系统
CN104636576A (zh) 基于加权平均法的地铁施工风险快速评估方法
CN1049038C (zh) 钻探智能监控仪
CN113153258B (zh) 一种瓦斯抽采定向钻机的数字化监控管理系统和管理方法
CN113657515B (zh) 一种基于岩机敏感参量判识和改进fmc模型隧道围岩等级的分类方法
CN112576246B (zh) 一种海上复杂断块油田内部低序级断层的预测方法
CN117077413B (zh) 基于地质和掘进特征参数的tbm主梁振动预测方法

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