CN116227090A - Tbm超前地质预报与掘进性能预测数字孪生系统及方法 - Google Patents
Tbm超前地质预报与掘进性能预测数字孪生系统及方法 Download PDFInfo
- Publication number
- CN116227090A CN116227090A CN202310504476.8A CN202310504476A CN116227090A CN 116227090 A CN116227090 A CN 116227090A CN 202310504476 A CN202310504476 A CN 202310504476A CN 116227090 A CN116227090 A CN 116227090A
- Authority
- CN
- China
- Prior art keywords
- tunneling
- parameters
- tbm
- parameter
- geological
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Geophysics And Detection Of Objects (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及TBM掘进技术领域，具体公开了一种TBM超前地质预报与掘进性能预测数字孪生系统及方法，系统包括：物理实体部分、数字孪生数据部分和虚拟仿真部分；利用地化参数‑钻进参数‑力学参数数字孪生数据库Ⅰ，匹配出岩石力学参数；利用物探参数‑不良地质信息数字孪生数据库Ⅱ，匹配出不良地质的位置与规模；利用地质情况‑最优掘进参数数据库Ⅲ，匹配出TBM的最优掘进参数；构建掌子面前方设定范围内的三维地质模型，进行超前地质预报，同时模拟掘进得到TBM的最优掘进参数，实现TBM掘进。本发明可以在多维度、多时空中各系统的支持下实现在虚拟空间内TBM全生命周期的掘进，为真实掘进提供全方位指导。
Description
技术领域
本发明涉及数字孪生隧道超前地质预报和TBM掘进性能预测技术领域，尤其涉及TBM超前地质预报与掘进性能预测数字孪生系统及方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
TBM（Tunnel Boring Machine）是硬岩隧道掘进的常用机械，在TBM掘进过程中，合理的掘进参数设置是施工安全与效率的重要保证，其不仅体现在穿越完整围岩段，更体现在穿越不良地质带的过程当中。而掌子面前方地质情况的判识，尤其是掘进全过程中的岩石力学性质预测与不良地质超前预报，是TBM掘进参数选择的重要基础。
对于掌子面前方地质情况的预报，传统超前地质预报方法多集中在不良地质位置与规模，但是对于岩石物理力学性质的定量预测方法与设备还不够成熟。自从数字钻探的理念被提出以来，基于钻进测试获取钻进参数对岩石力学性质进行定量识别成为一种重要手段。所以采用传统物探手段与数字超前钻探手段的结合，可以实现全里程（完整围岩段与不良地质段）的岩石力学性质、不良地质位置与规模的定量预报。
在前方地质条件已知的情况下，传统多采用深度学习与数值模拟的方法对TBM掘进性能进行预测，但是深度学习的模型训练和数值模拟的运算需要大量的时间，导致其时效性较差。
发明内容
为了解决上述问题，本发明提出了TBM超前地质预报与掘进性能预测数字孪生系统及方法，采用数字孪生的手段，可以实现物理空间、虚拟空间、数据空间等多维度、多时空的关联映射，实现在虚拟空间内TBM全生命周期的掘进，为真实掘进提供全方位指导。
在一些实施方式中，采用如下技术方案：
TBM超前地质预报与掘进性能预测数字孪生系统，包括：
物理实体部分，所述物理实体部分至少包括：用于进行隧道开挖的TBM、用于实现超前钻探的超前钻探设备以及用于实现物探参数采集的物探设备；
数字孪生数据部分，所述数字孪生数据部分至少包括：
数据获取单元，用于获取超前钻探设备的钻进参数、岩渣的地化参数以及物探设备的物探参数；
数据处理单元，用于基于钻进参数和地化参数，利用构建的地化参数-钻进参数-力学参数数字孪生数据库Ⅰ，匹配出岩石力学参数；基于物探参数，利用构建的物探参数-不良地质信息数字孪生数据库Ⅱ，匹配出不良地质的位置与规模；基于得到的岩石力学参数和不良地质的位置与规模，得到掌子面前方设定范围内的三维地质情况，进行超前地质预报，同时利用构建的地质情况-最优掘进参数数据库Ⅲ，匹配出TBM的最优掘进参数；
虚拟仿真部分，用于构建掌子面前方设定范围内的三维地质模型；实现TBM仿真模型在所述三维地质模型中的模拟掘进，模拟得到TBM的最优掘进参数，并反馈至地质情况-最优掘进参数数据库Ⅲ，进行数据库优化；
基于匹配出的TBM最优掘进参数，实现TBM掘进。
作为进一步地方案，还包括：人机交互部分，用于实现TBM控制参数的选择和TBM工作状态的展示。
作为进一步地方案，所述地化参数-钻进参数-力学参数数字孪生数据库Ⅰ中存储有结构化的岩石地化参数、钻进参数与岩石力学参数的对应数据组；
所述物探参数-不良地质信息数字孪生数据库Ⅱ中存储有结构化的物探参数与不良地质信息的对应数据组；
所述地质情况-最优掘进参数数字孪生数据库Ⅲ中存储有结构化的地质情况与最优掘进参数的对应数据组。
作为进一步地方案，对TBM掘进过程中的围岩进行测试，得到相匹配的地化参数-钻进参数-力学参数数据组，得到的数据组反馈至地化参数-钻进参数-力学参数数字孪生数据库Ⅰ，实现对数据库Ⅰ的更新。
作为进一步地方案，TBM掘进过程中进行物探参数采集测试，得到相匹配的物探参数-不良地质信息数据组，得到的数据组反馈至物探参数-不良地质信息数字孪生数据库Ⅱ，实现对数据库Ⅱ的更新。
作为进一步地方案，TBM仿真模型在三维地质模型中进行模拟掘进时，获取相匹配的地质情况-最优掘进参数数据组，得到的数据组反馈至地质情况-最优掘进参数数据库Ⅲ，实现对数据库Ⅲ的更新。
作为进一步地方案，所述超前钻探设备采用TBM搭载式超前钻机；所述物探设备采用TBM搭载式物探设备，至少包括电磁法探水设备、地震波法探构造设备及相应的控制模块和数据采集模块。
在另一些实施方式中，采用如下技术方案：
TBM超前地质预报与掘进性能预测数字孪生方法，包括：
通过超前钻探设备进行超前钻探，获取钻进参数以及岩渣的地化参数；通过物探设备获取物探参数；
基于钻进参数和地化参数，利用构建的地化参数-钻进参数-力学参数数字孪生数据库Ⅰ，匹配出岩石力学参数；
基于物探参数，利用构建的物探参数-不良地质信息数字孪生数据库Ⅱ，匹配出不良地质的位置与规模；
基于得到的岩石力学参数和不良地质的位置与规模，构建掌子面前方设定范围内的三维地质模型，进行超前地质预报，同时进行TBM仿真模型在所述三维地质模型中的模拟掘进，模拟得到TBM的最优掘进参数，并反馈至地质情况-最优掘进参数数据库Ⅲ，进行数据库优化；同时利用地质情况-最优掘进参数数据库Ⅲ，匹配出TBM的最优掘进参数；
基于匹配出的最优掘进参数，实现TBM掘进。
作为进一步地方案，对TBM掘进过程中的围岩进行测试，得到相匹配的地化参数-钻进参数-力学参数数据组，得到的数据组反馈至地化参数-钻进参数-力学参数数字孪生数据库Ⅰ，实现对数据库Ⅰ的更新；
TBM掘进过程中进行物探参数采集测试，得到相匹配的物探参数-不良地质信息数据组，得到的数据组反馈至物探参数-不良地质信息数字孪生数据库Ⅱ，实现对数据库Ⅱ的更新。
作为进一步地方案，TBM仿真模型在三维地质模型中进行模拟掘进时，获取相匹配的地质情况-最优掘进参数数据组，得到的数据组反馈至地质情况-最优掘进参数数据库Ⅲ，实现对数据库Ⅲ的更新。
与现有技术相比，本发明的有益效果是：
（1）本发明利用数字孪生的手段，基于实际探测的数据构建掌子面前方设定范围内的三维地质模型，通过TBM仿真模型在该三维地质模型中进行模拟掘进，模拟得到TBM的最优掘进参数，进行数据库Ⅲ的反馈修正，通过数据库Ⅲ匹配出的最优掘进参数，对TBM掘进进行指导。可以实现物理空间、虚拟空间、数据空间等多维度、多时空的关联映射，可以在多维度、多时空中各系统的支持下实现在虚拟空间内TBM全生命周期的掘进，为真实掘进提供全方位指导。
（2）采用多元信息融合方式进行隧道掌子面前方地质情况进行反演，具有精度更高、反演地质信息更多元的特点，可以提高超前地质预报精度，同时为TBM掘进性能预测提供更好的数据基础。
（3）本发明构建多个数据库，包含TBM掘进全过程的地质信息和掘进信息，采用匹配的方式进行最优掘进参数的选取，具有高效实时的特点。
本发明的其他特征和附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本方面的实践了解到。
附图说明
图1为本发明实施例中的TBM超前地质预报与掘进性能预测数字孪生系统示意图；
图2为本发明实施例中的TBM超前地质预报与掘进性能预测数字孪生方法示意图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其
指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
在一个或多个实施方式中，公开了一种TBM超前地质预报与掘进性能预测数字孪生系统，结合图1，具体包括：
（1）物理实体部分，物理实体部分至少包括：用于进行隧道开挖的TBM、用于实现超前钻探的超前钻探设备以及用于实现物探参数采集的物探设备。
本实施例中，TBM用于实现隧道开挖，包括掘进功能模块和掘进控制模块。
超前钻探设备采用TBM搭载式数字超前钻机，包括给进模块，回转钻进模块，数据监测模块和控制模块，其中，给进模块和回转钻进模块组成用于实现超前钻探的钻探功能模块，控制模块用于实现对各模块设备及参数的控制（图中未示出），数据监测模块用于实现超前钻探中的钻进参数的获取与存储。
物探设备TBM搭载式物探设备，至少包括电磁法探水设备、地震波法探测设备等物探设备模块以及相对应的控制模块和数据采集模块，控制模块用于控制各个设备的运行，数据采集模块用于实现物探参数的获取与存储。
（2）数字孪生数据部分，数字孪生数据部分至少包括：
数据获取单元，用于获取超前钻探设备的钻进参数、岩渣的地化参数以及物探设备的物探参数；
数据处理单元，主要用于实现超前钻探数据处理、掘进数据处理和物探数据处理；具体地，数据处理单元用于基于钻进参数和地化参数，利用构建的地化参数-钻进参数-力学参数数字孪生数据库Ⅰ，匹配出岩石力学参数；基于物探参数，利用构建的物探参数-不良地质信息数字孪生数据库Ⅱ，匹配出不良地质的位置与规模；基于得到的岩石力学参数和不良地质的位置与规模，得到掌子面前方设定范围内的三维地质情况，进行超前地质预报，同时利用构建的地质情况-最优掘进参数数据库Ⅲ，匹配出TBM的最优掘进参数。其中，地质情况包括岩块力学参数、岩体结构参数与不良地质参数。
本实施例中，基于前期试验测试数据构建地化参数-钻进参数-力学参数数字孪生数据库Ⅰ，包括结构化的岩石地化参数、钻进参数与岩石力学参数的对应数据组。
基于前期试验测试与现场采集的数据构建物探参数-不良地质信息数字孪生数据库Ⅱ，包括结构化的物探参数与不良地质信息的对应数据组。
基于前期试验测试与现场采集的数据构建地质情况-最优掘进参数数字孪生数据库Ⅲ，包括结构化的地质情况与最优掘进参数的对应数据组。
本实施例中，选定超前钻探方向，接收由TBM搭载式超前数字钻机传感器获取的钻进参数，接收破碎岩渣并进行地化测试，利用构建的地化参数-钻进参数-力学参数数字孪生数据库Ⅰ，匹配出岩石力学参数。
选定掘进方向进行地球物理探测，接收传感器获取的测试参数，利用物探参数-不良地质信息数字孪生数据库Ⅱ对获取的参数进行解译，反演掌子面前方地质情况，获取不良地质的位置与规模。
融合数字超前钻探测试得到的岩体物理力学性质和物探方法得到的不良地质位置与规模，得到掌子面前方一定范围内的三维地质情况，进行超前地质预报，同时利用地质情况-最优掘进参数数据库Ⅲ，匹配出TBM的最优掘进参数。
（3）虚拟仿真部分，利用得到的掌子面前方一定范围内的三维地质情况，构建掌子面前方一定范围内的三维地质模型，为TBM掘进性能预测提供地质基础。
进行TBM仿真模型在该三维地质模型中的模拟掘进，模拟得到TBM的最优掘进参数；该最优掘进参数返回至数据库Ⅲ，实现数据库补充或原有数据的优化；
基于匹配出的最优掘进参数，实现TBM掘进。
（4）人机交互部分，用于实现TBM控制参数的选择和TBM工作状态的展示。
本实施例中，人机交互部分具体包括：
信息交互单元，用以实现人机的信息交换，包括控制参数输入模
块和参数反馈模块。
状态展示单元，用以实现各系统的可视化，包括系统状态展示模块和系统参数展示模块。
本实施例系统采用数字孪生技术，可以随隧道开挖进程，实时自动进行超前地质预报并进行掘进性能预测。
实施例二
在一个或多个实施方式中，公开了一种TBM超前地质预报与掘进性能预测数字孪生方法，该方法基于实施例一中的TBM超前地质预报与掘进性能预测数字孪生系统实现。
结合图2，本实施方法具体包括：
（1）通过超前钻探设备进行超前钻探，获取钻进参数以及岩渣的地化参数；通过物探设备获取物探参数；
本实施例中，通过服务系统中的数字超前钻机系统向TBM搭载式数字超前钻机输入初始钻进参数和发送开始指令，基于钻机搭载的数据监测模块，获取并输出钻进全过程的随钻参数，并进行钻进参数存储。
具体地，随钻参数包括钻进参数和地化参数；其中，钻进参数具体包括钻进压力、钻进扭矩、转速、钻进速度等；地化参数具体包括元素矿物的成分含量信息等。
通过服务系统中的物探系统向TBM搭载式物探设备发送开始指
令，基于数据采集模块获取并输出探测区域的物探参数，并进行物探参数的存储；物探参数具体包括地层电阻率，波速等。
本实施例的钻进参数和物探参数共同形成了数字孪生数据；通过人机交互部分可以实现对数字孪生数据的全过程可视化展示；比如：可以展示超前钻机、物探单元和TBM的工作状态，以及各模块的参数等。
（2）基于钻进参数和元素矿物学参数，利用构建的地化参数-钻进参数-力学参数数字孪生数据库Ⅰ，匹配出岩石力学参数；岩石力学参数具体包括抗压、抗拉、抗剪强度、弹性模量，泊松比等。
本实施例中，基于数字孪生虚拟模型系统构建数字孪生数据库，具体为：通过超前钻探虚拟/实体钻进模型实现钻进过程中的地化参数、钻进参数和力学参数数据组的获取，构建地化参数-钻进参数-力学参数数字孪生数据库Ⅰ；
基于知识数据库选取不良地质信息反演模型，即物探参数与不良地质信息数据组，构建物探参数-不良地质信息数字孪生数据库Ⅱ；
通过TBM仿真模型获取地质情况与最优掘进参数数据组，构建地质情况-最优掘进参数数据库Ⅲ。
通过数据库Ⅰ、Ⅱ、Ⅲ建立全生命周期的岩石力学性质、不良地质参数和掘进性能预测功能。
（3）基于物探参数，利用构建的物探参数-不良地质信息数字孪生数据库Ⅱ，进行不良地质反演，匹配出不良地质的位置与规模；
（4）基于得到的岩石力学参数和不良地质的位置与规模，构建掌子面前方设定范围内的三维地质模型，进行超前地质预报，同时进行TBM仿真模型在所述三维地质模型中的模拟掘进，得到模拟TBM最优掘进参数，并补充至数据库Ⅲ，实现数据库Ⅲ的补充或原有数据的优化；同时利用地质情况-最优掘进参数数据库Ⅲ，匹配出TBM的最优掘进参数；掘进参数具体包括TBM推力、扭矩、撑靴压力等。
（5）基于匹配出的TBM最优掘进参数，实现TBM掘进。
本实施例中，对TBM掘进过程中的围岩进行测试，得到相匹配的矿物学参数-钻进参数-力学参数数据组，得到的数据组反馈至地化参数-钻进参数-力学参数数字孪生数据库Ⅰ，通过开挖完成数据反馈，实现对数据库Ⅰ的更新；
TBM掘进过程中进行物探参数采集测试，得到相匹配的物探参数-不良地质信息数据组，得到的数据组反馈至物探参数-不良地质信息数字孪生数据库Ⅱ，通过开挖完成数据反馈，实现对数据库Ⅱ的更新。
TBM仿真模型在三维地质模型中进行模拟掘进时，获取相匹配的地质情况-最优掘进参数数据组，得到的数据组反馈至地质情况-最优掘进参数数据库Ⅲ，实现对数据库Ⅲ的更新。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.TBM超前地质预报与掘进性能预测数字孪生系统，其特征在于，包括：
物理实体部分，所述物理实体部分至少包括：用于进行隧道开挖的TBM、用于实现超前钻探的超前钻探设备以及用于实现物探参数采集的物探设备；
数字孪生数据部分，所述数字孪生数据部分至少包括：
数据获取单元，用于获取超前钻探设备的钻进参数、岩渣的地化参数以及物探设备的物探参数；
数据处理单元，用于基于钻进参数和地化参数，利用构建的地化参数-钻进参数-力学参数数字孪生数据库Ⅰ，匹配出岩石力学参数；基于物探参数，利用构建的物探参数-不良地质信息数字孪生数据库Ⅱ，匹配出不良地质的位置与规模；基于得到的岩石力学参数和不良地质的位置与规模，得到掌子面前方设定范围内的三维地质情况，进行超前地质预报，同时利用构建的地质情况-最优掘进参数数据库Ⅲ，匹配出TBM的最优掘进参数；
虚拟仿真部分，用于构建掌子面前方设定范围内的三维地质模型；实现TBM仿真模型在所述三维地质模型中的模拟掘进，模拟得到TBM的最优掘进参数，并反馈至地质情况-最优掘进参数数据库Ⅲ，进行数据库优化；
基于匹配出的TBM最优掘进参数，实现TBM掘进。
2.如权利要求1所述的TBM超前地质预报与掘进性能预测数字孪生系统，其特征在于，还包括：人机交互部分，用于实现TBM控制参数的选择和TBM工作状态的展示。
3.如权利要求1所述的TBM超前地质预报与掘进性能预测数字孪生系统，其特征在于，所述地化参数-钻进参数-力学参数数字孪生数据库Ⅰ中存储有结构化的岩石地化参数、钻进参数与岩石力学参数的对应数据组；
所述物探参数-不良地质信息数字孪生数据库Ⅱ中存储有结构化的物探参数与不良地质信息的对应数据组；
所述地质情况-最优掘进参数数字孪生数据库Ⅲ中存储有结构化的地质情况与最优掘进参数的对应数据组。
4.如权利要求1所述的TBM超前地质预报与掘进性能预测数字孪生系统，其特征在于，对TBM掘进过程中的围岩进行测试，得到相匹配的地化参数-钻进参数-力学参数数据组，得到的数据组反馈至地化参数-钻进参数-力学参数数字孪生数据库Ⅰ，实现对数据库Ⅰ的更新。
5.如权利要求1所述的TBM超前地质预报与掘进性能预测数字孪生系统，其特征在于，TBM掘进过程中进行物探参数采集测试，得到相匹配的物探参数-不良地质信息数据组，得到的数据组反馈至物探参数-不良地质信息数字孪生数据库Ⅱ，实现对数据库Ⅱ的更新。
6.如权利要求1所述的TBM超前地质预报与掘进性能预测数字孪生系统，其特征在于，TBM仿真模型在三维地质模型中进行模拟掘进时，获取相匹配的地质情况-最优掘进参数数据组，得到的数据组反馈至地质情况-最优掘进参数数据库Ⅲ，实现对数据库Ⅲ的更新。
7.如权利要求1所述的TBM超前地质预报与掘进性能预测数字孪生系统，其特征在于，所述超前钻探设备采用TBM搭载式超前钻机；所述物探设备采用TBM搭载式物探设备，至少包括电磁法探水设备、地震波法探测设备及相应的控制模块和数据采集模块。
8.TBM超前地质预报与掘进性能预测数字孪生方法，其特征在于，包括：
通过超前钻探设备进行超前钻探，获取钻进参数以及岩渣的地化参数；通过物探设备获取物探参数；
基于钻进参数和地化参数，利用构建的地化参数-钻进参数-力学参数数字孪生数据库Ⅰ，匹配出岩石力学参数；
基于物探参数，利用构建的物探参数-不良地质信息数字孪生数据库Ⅱ，匹配出不良地质的位置与规模；
基于得到的岩石力学参数和不良地质的位置与规模，构建掌子面前方设定范围内的三维地质模型，进行超前地质预报，同时进行TBM仿真模型在所述三维地质模型中的模拟掘进，模拟得到TBM的最优掘进参数，并反馈至地质情况-最优掘进参数数据库Ⅲ，进行数据库优化；同时利用地质情况-最优掘进参数数据库Ⅲ，匹配出TBM的最优掘进参数；
基于匹配出的最优掘进参数，实现TBM掘进。
9.如权利要求8所述的TBM超前地质预报与掘进性能预测数字孪生方法，其特征在于，对TBM掘进过程中的围岩进行测试，得到相匹配的地化参数-钻进参数-力学参数数据组，得到的数据组反馈至地化参数-钻进参数-力学参数数字孪生数据库Ⅰ，实现对数据库Ⅰ的更新；
TBM掘进过程中进行物探参数采集测试，得到相匹配的物探参数-不良地质信息数据组，得到的数据组反馈至物探参数-不良地质信息数字孪生数据库Ⅱ，实现对数据库Ⅱ的更新。
10.如权利要求8所述的TBM超前地质预报与掘进性能预测数字孪生方法，其特征在于，TBM仿真模型在三维地质模型中进行模拟掘进时，获取相匹配的地质情况-最优掘进参数数据组，得到的数据组反馈至地质情况-最优掘进参数数据库Ⅲ，实现对数据库Ⅲ的更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310504476.8A CN116227090B (zh) | 2023-05-08 | 2023-05-08 | Tbm超前地质预报与掘进性能预测数字孪生系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310504476.8A CN116227090B (zh) | 2023-05-08 | 2023-05-08 | Tbm超前地质预报与掘进性能预测数字孪生系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116227090A true CN116227090A (zh) | 2023-06-06 |
| CN116227090B CN116227090B (zh) | 2023-09-01 |
Family
ID=86587590
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310504476.8A Active CN116227090B (zh) | 2023-05-08 | 2023-05-08 | Tbm超前地质预报与掘进性能预测数字孪生系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116227090B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111177942A (zh) * | 2020-01-06 | 2020-05-19 | 中国矿业大学(北京) | 矿井无人化综掘工作面数字孪生智能监控系统 |
| WO2021146410A1 (en) * | 2020-01-16 | 2021-07-22 | Saudi Arabian Oil Company | Training of machine learning algorithms for generating a reservoir digital twin |
| CN113779690A (zh) * | 2021-11-11 | 2021-12-10 | 山东大学 | 基于随钻感知的超前地质预报方法及系统 |
| CN114135277A (zh) * | 2021-11-11 | 2022-03-04 | 山东大学 | 基于地化特征随钻感知的隧道超前地质预报方法及系统 |
| CN114201798A (zh) * | 2021-11-29 | 2022-03-18 | 华南理工大学 | 基于bim+gis技术的长大隧道数字孪生系统及方法 |
| CN114439500A (zh) * | 2021-12-16 | 2022-05-06 | 山东大学 | 基于随钻测试的tbm穿越不良地质智能掘进系统与方法 |
| US20220164502A1 (en) * | 2020-11-23 | 2022-05-26 | Jiangsu University | Pump machine unit optimized operation regulation system and method based on digital twin |
| CN114708393A (zh) * | 2022-03-28 | 2022-07-05 | 中国矿业大学 | 全时空采掘过程的矿山应力场孪生建模同化系统及方法 |
| CN115640707A (zh) * | 2022-12-23 | 2023-01-24 | 南京北路智控科技股份有限公司 | 一种掘进监控系统、方法、电子设备及存储介质 |
| CN116029217A (zh) * | 2023-02-21 | 2023-04-28 | 黄河勘测规划设计研究院有限公司 | 结合地质数据的水利工程数字孪生建模预警系统 |
-
2023
- 2023-05-08 CN CN202310504476.8A patent/CN116227090B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111177942A (zh) * | 2020-01-06 | 2020-05-19 | 中国矿业大学(北京) | 矿井无人化综掘工作面数字孪生智能监控系统 |
| WO2021146410A1 (en) * | 2020-01-16 | 2021-07-22 | Saudi Arabian Oil Company | Training of machine learning algorithms for generating a reservoir digital twin |
| US20220164502A1 (en) * | 2020-11-23 | 2022-05-26 | Jiangsu University | Pump machine unit optimized operation regulation system and method based on digital twin |
| CN113779690A (zh) * | 2021-11-11 | 2021-12-10 | 山东大学 | 基于随钻感知的超前地质预报方法及系统 |
| CN114135277A (zh) * | 2021-11-11 | 2022-03-04 | 山东大学 | 基于地化特征随钻感知的隧道超前地质预报方法及系统 |
| CN114201798A (zh) * | 2021-11-29 | 2022-03-18 | 华南理工大学 | 基于bim+gis技术的长大隧道数字孪生系统及方法 |
| CN114439500A (zh) * | 2021-12-16 | 2022-05-06 | 山东大学 | 基于随钻测试的tbm穿越不良地质智能掘进系统与方法 |
| CN114708393A (zh) * | 2022-03-28 | 2022-07-05 | 中国矿业大学 | 全时空采掘过程的矿山应力场孪生建模同化系统及方法 |
| CN115640707A (zh) * | 2022-12-23 | 2023-01-24 | 南京北路智控科技股份有限公司 | 一种掘进监控系统、方法、电子设备及存储介质 |
| CN116029217A (zh) * | 2023-02-21 | 2023-04-28 | 黄河勘测规划设计研究院有限公司 | 结合地质数据的水利工程数字孪生建模预警系统 |
Non-Patent Citations (3)
| Title |
|---|
| XIANZHI YANG, JIAN XU, YAO XIE: "Information Modeling of Communication in Digital Grid system Based on BIM Technology", 《PROCEEDINGS OF THE 7TH INTERNATIONAL CONFERENCE ON COMMUNICATION AND INFORMATION 》 * |
| 于勇;胡德雨;戴晟;赵罡;: "数字孪生在工艺设计中的应用探讨", 航空制造技术, no. 18 * |
| 尚浩;严姗姗;李虎;: "基于数字孪生理论的济南四维地质环境信息系统研发", 地质学刊, no. 04 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116227090B (zh) | 2023-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110109895B (zh) | 适用于tbm掘进隧道的围岩分级联合预测方法及应用 | |
| Dong et al. | Collaborative localization method using analytical and iterative solutions for microseismic/acoustic emission sources in the rockmass structure for underground mining | |
| WO2023185735A1 (zh) | 全时空采掘过程的矿山应力场孪生建模同化系统及方法 | |
| CN113779690B (zh) | 基于随钻感知的超前地质预报方法及系统 | |
| CN108984804B (zh) | 一种利用裂缝发育密度评价裂缝性储层质量的方法 | |
| CN108875122A (zh) | 利用随钻测井数据计算地质参数的人工智能方法和系统 | |
| US11933713B2 (en) | Determining system and method for weathering resistant capability of clastic rocks in tunnel based on feldspar features | |
| CN101770038A (zh) | 矿山微震源智能定位方法 | |
| NO20111054A1 (no) | Kronostratigrafisk og tektonikkstratigrafisk tolkning av seismikkvolumer | |
| CN114241720A (zh) | 一种基于数字孪生的隧道施工智能化预报预警系统与方法 | |
| CN106530101A (zh) | 一种矿岩界判定及探采对比方法 | |
| CN106920176A (zh) | 一种矿集区尺度矿产资源估算方法及系统 | |
| CN111125872A (zh) | 一种用于tbm掘进隧道的岩爆预测方法 | |
| CN117369254A (zh) | 基于复杂地质条件瓦斯防控机器人集群控制方法及系统 | |
| CN116227090B (zh) | Tbm超前地质预报与掘进性能预测数字孪生系统及方法 | |
| CN113534283B (zh) | 一种砂岩型铀矿成矿要素特征的定量评价方法 | |
| CN109766948A (zh) | 一种基于支持向量机算法的盾构施工地质识别方法及系统 | |
| CN104636576A (zh) | 基于加权平均法的地铁施工风险快速评估方法 | |
| CN206960672U (zh) | 一种无线控传加速度传感器的隧道超前预报系统 | |
| CN113777272A (zh) | 用于智能加载多维相似模型试验的多场源监测及分析系统 | |
| CN109828317A (zh) | 一种耦合接收装置、tbm掘进隧洞精细化探测系统及方法 | |
| CN113722412B (zh) | 一种于空间维度上查询及预测岩石参数的方法 | |
| Zhu et al. | Design and application of a borehole–surface microseismic monitoring system | |
| CN114689821A (zh) | 一种矿山相似材料模拟试验用应力采集系统及方法 | |
| CN117475223A (zh) | 一种煤岩截割状态识别方法及装置 |
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 |