CN115982515A - 一种盾构机姿态控制参数最佳取值的获取方法 - Google Patents

一种盾构机姿态控制参数最佳取值的获取方法 Download PDF

Info

Publication number
CN115982515A
CN115982515A CN202310011526.9A CN202310011526A CN115982515A CN 115982515 A CN115982515 A CN 115982515A CN 202310011526 A CN202310011526 A CN 202310011526A CN 115982515 A CN115982515 A CN 115982515A
Authority
CN
China
Prior art keywords
data
tunneling
shield
weight
propulsion
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.)
Granted
Application number
CN202310011526.9A
Other languages
English (en)
Other versions
CN115982515B (zh
Inventor
黄德青
赵梓翔
秦娜
严一舟
宋晨健
徐进
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202310011526.9A priority Critical patent/CN115982515B/zh
Publication of CN115982515A publication Critical patent/CN115982515A/zh
Application granted granted Critical
Publication of CN115982515B publication Critical patent/CN115982515B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Excavating Of Shafts Or Tunnels (AREA)

Abstract

本发明涉及盾构机控制技术领域，具体涉及一种盾构机姿态控制参数最佳取值的获取方法；获取原始盾构机的原始数据和掘进参数；基于原始数据筛选推进环数据、推进数据和正常运行数据，得到筛选数据；对筛选数据预处理，得到参考数据；基于参考数据对掘进数据误差进行反转处理，得到偏差权重；对参考数据重要程度进行划分，得到效果权重；对参考数据不同时刻的影响程度进行划分，得到时间权重；基于偏差权重、效果权重和时间权重计算目标参数取值，可根据盾构机的在不同作业条件下的历史施工数据来获取目标控制参数的最佳取值，为盾构机的控制系统提供可靠的设定值，提高了施工效率，减少施工过程中由于参数设定引起的故障。

Description

一种盾构机姿态控制参数最佳取值的获取方法
技术领域
本发明涉及盾构机控制技术领域，尤其涉及一种盾构机姿态控制参数最佳取值的获取方法。
背景技术
盾构机，全名叫盾构隧道掘进机，是一种隧道掘进的专用工程机械，已被广泛用于地铁、铁路、公路、市政、水电等隧道工程。
盾构机的机身遍布着各种传感器，如压力传感器和位姿传感器等，传感器会对相应的掘进参数数据以一定的周期进行读取，为盾构机的控制提供实时的数据输入，同时这些数据也会被储存在后端平台，为后期的诊断和分析提供数据依据，盾构机掘进参数的种类与数量根据不同的盾构机机型和不同的工作条件有所差别，但大体可分为用于描述盾构机位姿偏差的参数、用于记录控制参数历史数据的参数以及其他参数。
盾构机每一个掘进环的精确控制都需要针对不同的施工条件设置最有效的控制参数数值，而复杂多变的地质情况和施工状况导致盾构机的掘进参数复杂多变，难以从历史数据中选取效果最佳的掘进参数数值。
发明内容
本发明的目的在于提供一种盾构机姿态控制参数最佳取值的获取方法，旨在解决现有盾构机掘进参数复杂多变，难以选取最佳掘进参数的问题。
为实现上述目的，本发明提供了一种盾构机姿态控制参数最佳取值的获取方法，包括以下步骤：
获取原始盾构机的原始数据和掘进参数；
基于所述原始数据筛选推进环数据、推进数据和正常运行数据，得到筛选数据；
对所述筛选数据进行预处理，得到参考数据；
基于所述参考数据对所述掘进数据误差大小进行反转处理，得到偏差权重；
对所述参考数据重要程度进行划分，得到效果权重；
对所述参考数据在不同时刻的影响程度进行划分，得到时间权重；
基于所述偏差权重、所述效果权重和所述时间权重计算目标参数取值。
其中，所述原始数据包括盾构施工数据、故障数据和环号数据。
其中，所述掘进参数包括目标设置参数、效果参数和非效果参数，所述目标设置参数包括推进速度、刀盘速度、螺机速度和四个分区的推进压力，所述效果参数包括盾首、盾中、盾尾三部分中心点的水平偏移和垂直偏移，所述非效果参数包括传感器参数。
其中，所述基于所述原始数据筛选推进环数据、推进数据和正常运行数据，得到筛选数据的具体方式：
基于所述环号数据获取掘进环号大于50并小于等于最大掘进环号-20的数据，得到所述推进环数据；
基于推进速度删除每一个掘进环中速度为零和速度非零段前10%的数据，得到所述推进数据；
基于所述故障数据中各类故障的发生时间和恢复时间，得到所述正常运行数据；
结合整理所述推进环数据、所述推进数据和所述正常运行数，得到所述筛选数据。
其中，所述预处理包括对缺失值的处理和对异常值的处理。
本发明的一种盾构机姿态控制参数最佳取值的获取方法，获取原始盾构机的原始数据和掘进参数；基于所述原始数据筛选推进环数据、推进数据和正常运行数据，得到筛选数据；对所述筛选数据进行预处理，得到参考数据；基于所述参考数据对所述掘进数据误差大小进行反转处理，得到偏差权重；对所述参考数据重要程度进行划分，得到效果权重；对所述参考数据在不同时刻的影响程度进行划分，得到时间权重；基于所述偏差权重、所述效果权重和所述时间权重计算目标参数取值，可根据盾构机的在不同作业条件下的历史施工数据来获取目标控制参数的最佳取值，为盾构机的控制系统提供可靠的设定值，有效提高盾构机的施工效率，减少施工过程中由于参数设定引起的故障，解决现有盾构机掘进参数复杂多变，难以选取最佳掘进参数的问题。
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是效果参数对应的作用效果数据图。
图2是本发明提供的一种盾构机姿态控制参数最佳取值的获取方法的流程图。
图3是基于所述原始数据筛选推进环数据、推进数据和正常运行数据，得到筛选数据的流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
请参阅图1至图3，本发明提供一种盾构机姿态控制参数最佳取值的获取方法，包括以下步骤：
S1获取原始盾构机的原始数据和掘进参数；
具体的，从历史数据中获取原始盾构施工数据、故障数据、环号数据，并从掘进参数中选取目标设置参数、效果参数、非效果参数，所述目标设置参数包括推进速度、刀盘速度、螺机速度和四个分区的推进压力，所述效果参数包括盾首、盾中、盾尾三部分中心点的水平偏移和垂直偏移，所述非效果参数包括传感器参数，如土仓压力、油缸行程和功率。
S2基于所述原始数据筛选推进环数据、推进数据和正常运行数据，得到筛选数据；
具体方式：
S21基于所述环号数据获取掘进环号大于50并小于等于最大掘进环号-20的数据，得到所述推进环数据；
S22基于推进速度删除每一个掘进环中速度为零和速度非零段前10%的数据，得到所述推进数据；
S23基于所述故障数据中各类故障的发生时间和恢复时间，得到所述正常运行数据；
S24结合整理所述推进数据、所述推进数据和所述正常运行数，得到所述筛选数据。
S3对所述筛选数据进行预处理，得到参考数据；
具体的，对缺失值的处理：若某一行数据的缺失率较高（大于50%），将该行数据直接删除，若该行数据的缺失率较低（小于50%）,则对缺失值进行插值填充，取其上下行数据的均值，对异常值的处理：计算出该列偏差值的均值与标准差，将大于均值加标准差、小于均值减标准差的偏差对应的行数据进行删除，清除目标设置参数的后行数据，对效果参数的前行数据进行置零。
S4基于所述参考数据对所述掘进数据误差大小进行反转处理，得到偏差权重；
具体的，根据公式
获取任一效果参数的第个偏差值的反转值；其中为该效果参数除去前行数据外的所有偏差值中的最小值；为该效果参数除去前行数据外的所有偏差值中的最大值；为该效果参数的第个偏差值；
根据公式
来获取任一效果参数的第个偏差值相对于该参数的偏差权值。
S5对所述参考数据重要程度进行划分，得到效果权重；
具体的，将选出的个所述效果参数按重要程度划分为，根据公式
获取第个效果参数对应的效果权值。
S6对所述参考数据在不同时刻的影响程度进行划分，得到时间权重；
具体的，所用的参数和与前面S3的相同，对任一目标控制参数的第行值，选取该行数据后的第行效果参数数据为其对应的作用效果数据，如图1所示。
依据目标控制参数对不同时刻的效果参数的影响程度，将的重要性划分为，根据公式
获取任一目标控制参数的第行值后的第行数据对应的时间权值。
S7基于所述偏差权重、所述效果权重和所述时间权重计算目标参数取值。
具体的，根据公式
获取第行数据中所有效果参数的权值行总和；其中为第个效果参数在第行的偏差权值；为第个效果参数对应的效果权值；
根据公式
获取任一目标控制参数的第行数据的权值；其中为目标控制参数的第行值后的第行数据对应的时间权值；为目标控制参数的第行值后的第行数据对应的权值行总和；
根据公式
获取任一目标设置参数的最佳期望取值。
以上所揭露的仅为本发明一种盾构机姿态控制参数最佳取值的获取方法较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (5)

1.一种盾构机姿态控制参数最佳取值的获取方法，其特征在于，包括以下步骤：
获取原始盾构机的原始数据和掘进参数；
基于所述原始数据筛选推进环数据、推进数据和正常运行数据，得到筛选数据；
对所述筛选数据进行预处理，得到参考数据；
基于所述参考数据对所述掘进数据误差大小进行反转处理，得到偏差权重；
对所述参考数据重要程度进行划分，得到效果权重；
对所述参考数据在不同时刻的影响程度进行划分，得到时间权重；
基于所述偏差权重、所述效果权重和所述时间权重计算目标参数取值。
2.如权利要求1所述一种盾构机姿态控制参数最佳取值的获取方法，其特征在于，
所述原始数据包括盾构施工数据、故障数据和环号数据。
3.如权利要求1所述一种盾构机姿态控制参数最佳取值的获取方法，其特征在于，
所述掘进参数包括目标设置参数、效果参数和非效果参数，所述目标设置参数包括推进速度、刀盘速度、螺机速度和四个分区的推进压力，所述效果参数包括盾首、盾中、盾尾三部分中心点的水平偏移和垂直偏移，所述非效果参数包括传感器参数。
4.如权利要求2所述一种盾构机姿态控制参数最佳取值的获取方法，其特征在于，
所述基于所述原始数据筛选推进环数据、推进数据和正常运行数据，得到筛选数据的具体方式：
基于所述环号数据获取掘进环号大于50并小于等于最大掘进环号-20的数据，得到所述推进环数据；
基于推进速度删除每一个掘进环中速度为零和速度非零段前10%的数据，得到所述推进数据；
基于所述故障数据中各类故障的发生时间和恢复时间，得到所述正常运行数据；
结合整理所述推进环数据、所述推进数据和所述正常运行数，得到所述筛选数据。
5.如权利要求1所述一种盾构机姿态控制参数最佳取值的获取方法，其特征在于，
所述预处理包括对缺失值的处理和对异常值的处理。
CN202310011526.9A 2023-01-05 2023-01-05 一种盾构机姿态控制参数最佳取值的获取方法 Active CN115982515B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310011526.9A CN115982515B (zh) 2023-01-05 2023-01-05 一种盾构机姿态控制参数最佳取值的获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310011526.9A CN115982515B (zh) 2023-01-05 2023-01-05 一种盾构机姿态控制参数最佳取值的获取方法

Publications (2)

Publication Number Publication Date
CN115982515A true CN115982515A (zh) 2023-04-18
CN115982515B CN115982515B (zh) 2023-09-29

Family

ID=85969984

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310011526.9A Active CN115982515B (zh) 2023-01-05 2023-01-05 一种盾构机姿态控制参数最佳取值的获取方法

Country Status (1)

Country Link
CN (1) CN115982515B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120303562A1 (en) * 2011-05-25 2012-11-29 Hitachi Global Storage Technologies Netherlands B.V. Artificial neural network application for magnetic core width prediction and modeling for magnetic disk drive manufacture
CN108614944A (zh) * 2018-05-10 2018-10-02 西安电子科技大学 一种盾构轨迹轴线纠偏参数预测方法
CN109918822A (zh) * 2019-03-15 2019-06-21 中铁工程服务有限公司 基于随机森林回归的盾构掘进参数偏差计算方法及系统
CN110096827A (zh) * 2019-05-09 2019-08-06 中铁工程服务有限公司 一种基于深度神经网络的盾构机参数优化方法
CN111365015A (zh) * 2020-03-05 2020-07-03 中建交通建设集团有限公司 一种基于XGBoost的盾构掘进参数特征提取与姿态偏差预测方法
CN112395571A (zh) * 2020-11-12 2021-02-23 深圳大学 一种土压平衡盾构机以及管控方法
CN112682049A (zh) * 2021-03-22 2021-04-20 中铁九局集团第四工程有限公司 盾构掘进姿态的纠偏控制方法和装置
AU2021101945A4 (en) * 2021-04-15 2021-06-03 China Railway 11 Bureau Group Co.,Ltd A Construction Control Method for Shield Tunneling Through Existing Operating Lines
CN114706322A (zh) * 2022-03-30 2022-07-05 西南交通大学 一种盾构机姿态自动控制仿真系统
CN115481565A (zh) * 2022-08-03 2022-12-16 中南大学 一种基于lstm和蚁群算法的土压平衡盾构机掘进参数预测方法
CN115522945A (zh) * 2022-10-12 2022-12-27 上海隧道工程有限公司 盾构掘进姿态的动态预测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120303562A1 (en) * 2011-05-25 2012-11-29 Hitachi Global Storage Technologies Netherlands B.V. Artificial neural network application for magnetic core width prediction and modeling for magnetic disk drive manufacture
CN108614944A (zh) * 2018-05-10 2018-10-02 西安电子科技大学 一种盾构轨迹轴线纠偏参数预测方法
CN109918822A (zh) * 2019-03-15 2019-06-21 中铁工程服务有限公司 基于随机森林回归的盾构掘进参数偏差计算方法及系统
CN110096827A (zh) * 2019-05-09 2019-08-06 中铁工程服务有限公司 一种基于深度神经网络的盾构机参数优化方法
CN111365015A (zh) * 2020-03-05 2020-07-03 中建交通建设集团有限公司 一种基于XGBoost的盾构掘进参数特征提取与姿态偏差预测方法
CN112395571A (zh) * 2020-11-12 2021-02-23 深圳大学 一种土压平衡盾构机以及管控方法
CN112682049A (zh) * 2021-03-22 2021-04-20 中铁九局集团第四工程有限公司 盾构掘进姿态的纠偏控制方法和装置
AU2021101945A4 (en) * 2021-04-15 2021-06-03 China Railway 11 Bureau Group Co.,Ltd A Construction Control Method for Shield Tunneling Through Existing Operating Lines
CN114706322A (zh) * 2022-03-30 2022-07-05 西南交通大学 一种盾构机姿态自动控制仿真系统
CN115481565A (zh) * 2022-08-03 2022-12-16 中南大学 一种基于lstm和蚁群算法的土压平衡盾构机掘进参数预测方法
CN115522945A (zh) * 2022-10-12 2022-12-27 上海隧道工程有限公司 盾构掘进姿态的动态预测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
HAOHAN XIAO等: "Prediction of Shield Machine Attitude Based on Various Artificial Intelligence Technologies", APPLIED SCIENCES, pages 1 *
彭涌涛;: "盾构掘进姿态控制技术研究", 森林工程, vol. 29, no. 06, pages 106 *
徐进等: "基于深度学习的盾构掘进姿态预测模型", 地下空间与工程学报, vol. 18, pages 813 *
薛永健等: "盾构机姿态调整算法及仿真研究", 智慧交通与装备, pages 192 *
黄永亮等: "基于特征增强的盾构掘进参数显式预测分析", 土木工程学报, vol. 55, no. 2, pages 49 *

Also Published As

Publication number Publication date
CN115982515B (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
CN109854259B (zh) 一种盾构机施工掘进参数最佳取值范围的获取方法与系统
CN112183993B (zh) 一种tbm掘进控制参数智能预测及优化决策方法
CN110886681B (zh) 一种基于时间分区和偏航扇区的偏航角度定位控制方法
CN113006793A (zh) 一种悬臂式掘进机智能截割联合控制系统及方法
CN110175670A (zh) 一种基于FPGA实现YOLOv2检测网络的方法及系统
CN110555478A (zh) 基于难样本挖掘的深度度量网络的风机多故障诊断方法
CN112664174A (zh) 一种基于多钻孔的隧道围岩等级判定方法及系统
CN108798997A (zh) 风力发电机组的控制方法、装置、控制器及系统
CN114266502A (zh) 一种洪水受灾损失评估方法和仿真推演系统
CN107222169B (zh) 一种基于离群点检测的光伏阵列实时监控与故障检测方法
CN115982515A (zh) 一种盾构机姿态控制参数最佳取值的获取方法
CN115358494A (zh) 一种地铁盾构下穿施工的危险预警方法
CN110750455A (zh) 基于系统日志分析的智能在线自更新故障诊断方法和系统
CN114648161A (zh) 一种大吨位装载机自适应智能装载系统
CN112211672B (zh) 盾构机的排土量测量方法、系统及介质
CN116703004B (zh) 一种基于预训练模型的水系流域智慧巡护方法和装置
CN105825487A (zh) 一种全井周电成像图像生成方法和系统
CN110704927B (zh) 一种深井巷道围岩动态控制方法
CN111047121A (zh) 一种风机故障预测方法及系统
CN108197613B (zh) 一种基于深度卷积级联网络的人脸检测优化方法
CN115953085A (zh) 一种评估复合干热事件对植被生长影响的方法
CN115408860A (zh) 一种风电场风速-功率数据的异常值监测及修正方法
CN115423810A (zh) 一种风力发电机组叶片覆冰形态分析方法
CN111831632B (zh) 一种基于gru的地下工程支护智能监测预警系统及方法
CN109657404B (zh) 基于混沌修正群智能寻优的采煤机故障自动诊断系统

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