CN116304843B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN116304843B CN116304843B CN202310571895.3A CN202310571895A CN116304843B CN 116304843 B CN116304843 B CN 116304843B CN 202310571895 A CN202310571895 A CN 202310571895A CN 116304843 B CN116304843 B CN 116304843B
- Authority
- CN
- China
- Prior art keywords
- tunneling
- vibration
- machine
- shield
- geological conditions
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于振动响应实时识别盾构机前方地质条件的方法,包括通过机载振动监测设备采集盾构机掘进过程中的振动信号;采集盾构机的掘进参数;获取钻孔位置处盾构机已开挖的地质条件;构建由掘进参数、振动信号以及地质条件组成的数据库;分析数据库中掘进参数和振动信号的响应关系;根据已知地质条件进行验证,识别不同地质类别;最后采用支持向量机量化不同地质类别的分类边界。本发明通过联合盾构机的实时掘进参数与振动响应,可以有效识别当前正在开挖的地质条件。
Description
技术领域
本申请属于盾构掘进技术领域,具体涉及一种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。
背景技术
土压平衡盾构机是当前城市地下隧道建设中广泛应用的工程装备,具有开挖快速、操作安全、扰动较小等特点。尽管具备这些优势,土压平衡盾构机的一个主要缺陷是操作手无法直接观察当前正在开挖的地质条件,因此无法根据当前地质条件指导掘进参数的调控,导致盾构掘进参数的设置与前方地质条件的匹配性较差。在实际工程中导致了一系列施工问题,如掌子面失稳、地表沉降超限、刀具磨损等。
振动监测作为性态诊断或健康监测技术,已经在许多机械领域场景,尤其是旋转机械中,得到了广泛应用。盾构机作业过程中,旋转的刀盘始终与地层相互作用,这种相互作用产生的振动响应中包含了正在开挖的地质条件的信息,因而有望基于盾构机的实时振动响应来识别当前开挖的地质条件。然而,现有的基于盾构机振动响应识别地质条件的方法只关注振动响应与前方地质条件二者的直接关联,忽略了盾构掘进参数对于振动响应的影响,且现有的振动响应数据多集中于局部地层交界面位置,所提出的方法仅限于判别全断面地层与复合断面地层,尚缺少针对不同地质类别的判断方法。
发明内容
本发明公开了一种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,其可以有效解决背景技术中涉及的至少一个技术问题。
为实现上述目的,本发明的技术方案为:
一种基于振动响应实时识别盾构机前方地质条件的方法,包括以下步骤:
S1:在盾构机的振动部件上设置机载振动监测设备,采集盾构机掘进过程中的振动信号;
S2:采集盾构机在掘进过程中的掘进参数;
S3:获取钻孔位置处盾构机已开挖的地质条件,并根据岩石基本质量指标进行分类;
S4:构建由掘进参数、振动信号以及地质条件组成的数据库,并对数据库中的数据进行预处理;
S5:分析预处理过的掘进参数和振动信号的响应关系;
S6:根据经岩石基本质量指标分类后的已知地质条件验证掘进参数和振动信号的响应关系,识别不同的地质类别;
S7:进行定量化表征,采用支持向量机量化不同地质类别的分类边界。
作为本发明的一种优选改进,在步骤S1中,所述振动部件包括驱动马达、减速机、小齿轮、主轴承、土舱隔板以及螺旋输送机。
作为本发明的一种优选改进,在步骤S1中,所述机载振动监测设备的监测频率为1000Hz。
作为本发明的一种优选改进,在步骤S2中,所述掘进参数包括刀盘转速、扭矩、推进速度、贯入度、总推力、土压平均值、螺旋机速度、螺旋机转矩、膨润土总量、泡沫液体总量、泡沫枪空气总量。
作为本发明的一种优选改进,在步骤S2中,每隔一分钟对掘进参数采样一个数据,同时将振动信号进行分割,分割为每分钟一段,并取每分钟的振动有效值。
作为本发明的一种优选改进,在步骤S4中,所述对数据库中的数据进行预处理,包括去除盾构机停机阶段的数据以及清洗异常数据。
作为本发明的一种优选改进,在步骤S3中,将地质条件按照岩石基本质量指标进行类别划分,得到坚硬岩、较硬岩、软岩三种地质类别。
一种用于运行所述的方法的基于振动响应实时识别盾构机前方地质条件的系统,包括:
振动信号采集模块,用于采集盾构机掘进过程中的振动信号;
掘进参数采集模块,用于采集盾构机在掘进过程中的掘进参数;
分类模块,用于根据岩石基本质量指标对钻孔位置处获取的已知地质条件进行分类;
预处理模块,用于构建由掘进参数、振动信号以及地质条件组成的数据库,并对数据库中的数据进行预处理;
响应分析模块,用于分析预处理过的掘进参数和振动信号的响应关系;
地质类别识别模块,用于根据经岩石基本质量指标分类后的已知地质条件验证掘进参数和振动信号的响应关系,识别不同的地质类别;
分类边界量化模块,用于进行定量化表征,采用支持向量机量化不同地质类别的分类边界。
本发明的有益效果如下:
1、本发明考虑了盾构机掘进参数与地质条件两方面对于盾构机振动响应的影响,通过联合盾构机的实时掘进参数与振动响应,可以识别当前正在开挖的地质条件;
2、本发明分析了盾构机振动响应的两方面影响因素,地质条件与掘进参数,在同种地质条件下,盾构机振动响应随推进速度的增大而增加;
3、本发明所建立的基于支持向量分类器的地层类别算法,可以满足工程实时判别需求,在实际工程应用中,将盾构机实时推进速度与监测到的振动响应输入支持向量分类器中,可直接输出当前地质类别的预测结果,为盾构机操作手调整掘进参数提供指导;
4、本发明的传感器布设全面覆盖了盾构机的关键振动部件,分析结果可知,减速机X轴获得了最优的地质分类表现,这可以为后续传感器的优化布置提供参考,以实现保证判别准确率的同时尽可能降低经济成本。
附图说明
图1为本申请实施例提供的系统的框架结构图;
图2为本申请实施例提供的振动部件的振动信号相关性指标图;
图3为本申请实施例提供的盾构机振动响应与地质条件关系图;
图4为本申请实施例提供的振动信号与掘进参数的响应图,其中,(a)为振动信号与扭矩的响应图,(b)为振动信号与推进速度的响应图,(c)为振动信号与贯入度的响应图;
图5为本申请实施例提供的根据推进速度与振动有效值识别的地质类别图;
图6为本申请实施例提供的支持向量机寻找到的分类边界图。
具体实施方式
下面将结合本发明实施例对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“连接”、“固定”等应做广义理解,例如,“固定”可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
另外,本发明各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
本申请实施例提供了一种基于振动响应实时识别盾构机前方地质条件的方法,包括以下步骤:
S1:在盾构机的振动部件上设置机载振动监测设备,采集盾构机掘进过程中的振动信号;
所述振动部件包括驱动马达、减速机、小齿轮、主轴承、土舱隔板以及螺旋输送机,所述机载振动监测设备的监测频率为1000Hz。
S2:采集盾构机在掘进过程中的掘进参数;
所述掘进参数包括包括刀盘转速、扭矩、推进速度、贯入度、总推力、土压平均值、螺旋机速度、螺旋机转矩、膨润土总量、泡沫液体总量、泡沫枪空气总量。
由于盾构机掘进参数每分钟采样一个数据,所以为了对齐数据,将检测到的振动信号进行分割,也分割为每分钟一段,然后取每分钟的有效值。
S3:获取钻孔位置处盾构机已开挖的地质条件,并根据岩石基本质量指标进行分类;
S4:构建由掘进参数、振动信号以及地质条件组成的数据库,并对数据库中的数据进行预处理;
数据库中的每一条数据代表着分钟级的掘进参数、振动信号以及当前盾构机正在开挖的地质条件。然后对数据库中的数据进行预处理,去除盾构机停机阶段的数据以及清洗异常数据。
S5:分析预处理过的掘进参数和振动信号的响应关系;
在相同掘进参数下,盾构机会产生不同的振动响应,这表明振动响应不仅受掘进参数的影响,不同地质条件也会对振动信号造成影响。所以,根据掘进参数和振动信号的值,可以反推出不同的地质条件。
S6:根据经岩石基本质量指标分类后的已知地质条件验证掘进参数和振动信号的响应关系,识别不同的地质类别;
将从钻孔数据获得的已知地质条件按照岩石基本质量指标进行分类可以得到坚硬岩、较硬岩和软岩三种地质类别。将三种类别投射到掘进参数和振动响应关系中可以识别对应的地质条件。
S7:进行定量化表征,采用支持向量机量化不同地质类别的分类边界。
支持向量机是一种用于数据分类及回归的监督学习算法,其将训练样本表示为空间中的一个点,通过将核函数(线性核函数、多项式核函数、径向基函数核)映射到高维空间,在高维空间中寻找一个最优超平面,其超平面寻优原则为使得到与超平面距离最近的数据点到超平面的距离最大。支持向量机算法的原理适配于本申请中的地质条件识别问题,所以可以采用支持向量机来量化三种地质类别的分类边界。
本申请实施例还提供了一种用于运行所述方法的基于振动响应实时识别盾构机前方地质条件的系统,参阅图1所示,包括振动信号采集模块1、掘进参数采集模块2、分类模块3、预处理模块4、响应分析模块5、地质类别识别模块6、分类边界量化模块7,其中:
所述振动信号采集模块1用于采集盾构机掘进过程中的振动信号;
所述掘进参数采集模块2用于采集盾构机在掘进过程中的掘进参数;
所述分类模块3用于根据岩石基本质量指标对钻孔位置处获取的已知地质条件进行分类;
所述预处理模块4用于构建由掘进参数、振动信号以及地质条件组成的数据库,并对数据库中的数据进行预处理;
所述响应分析模块5用于分析预处理过的掘进参数和振动信号的响应关系;
所述地质类别识别模块6用于根据经岩石基本质量指标分类后的已知地质条件验证掘进参数和振动信号的响应关系,识别不同的地质类别;
所述分类边界量化模块7用于进行定量化表征,采用支持向量机量化不同地质类别的分类边界。
下面以具体实施例一对本申请提供的一种基于振动响应实时识别盾构机前方地质条件的方法进行详细说明。
实施例
首先研究各振动部件测得的振动信号的相关性,参阅图2所示,图中X、Y、Z表示振动的方向,其中X轴表示盾构机前进方向,Y轴表示垂直于盾构机前进方向的平面内的水平方向,Z轴表示垂直于盾构机前进方向的平面内的竖直方向。从图2中可以看出,除螺旋机Z轴和土舱隔板下侧的两个测点外,其余测点振动信号的相关性很高,基本都在0.9以上,这说明布设在盾构机各个部件上的机载振动监测设备在时域上显示出一致的响应。而土舱隔板上测点的振动信号可能受到土舱内渣土体积的影响,大部分响应包含了渣土的冲击效应,而少部分数据是在土舱压力为0时监测,未包含渣土的冲击效应,导致监测误差较大,螺旋机Z轴的振动响应可能受到施工人员的扰动,导致相关性有所降低。
进一步的,探究各测点振动响应与盾构机正在开挖的地质条件的关系,如图3所示,将这两个变量绘制在同一图中,纵轴代表各测点的振动有效值,横轴代表着盾构机正在开挖的地质类别。
从图中可以看出,在同种地质条件下,振动响应有着广泛的变化范围,即同种地质条件对应多个振动响应且不同地质条件对应的振动响应范围存在交叉,这说明,单纯基于振动响应识别盾构机正在开挖的地质条件是不合理且不准确的。这是因为盾构机的振动响应是机械-地层相互作用的结果,其值的大小不仅受到地层的影响,也受到盾构机掘进参数的影响。若我们想通过振动响应识别地质条件,则需要消除实时的盾构机掘进参数对振动响应的影响。
所以,可以考虑在相同掘进参数下,若振动响应出现差别,则表示此差别是由于不同的地质条件所引起的,也就是说,可以通过盾构机的实时掘进参数与监测到实时振动响应来共同识别当前正在开挖的地质条件。
参阅图4所示,本实施例选取减速机X轴,以减速机X轴的振动响应为纵坐标,以盾构机的三个掘进参数,扭矩、推进速度和贯入度为横坐标,获取其响应关系。从图中可以看出,数据点明显地呈现出分簇聚合的特征,且不同簇之间显示出明显的边界,此成簇特征是否可以归结地质条件的不同,进一步来说,是否可以用来判别不同的地质条件?
所以,我们通过采集钻孔数据获得的已知地质条件来验证。将已知地质条件按照岩石基本质量等级进行类别划分,得到Ⅲ、Ⅳ、Ⅴ三种地质类别,其中类别Ⅲ为坚硬岩,类别Ⅳ为较硬岩,类别Ⅴ为软岩,如图5所示,可以看出三簇数据点刚好对应三种地质类别,并且不同类别之间显示出明显的边界。
进而,考虑对本发明提供的方法进行定量化表征,以便应用于新的工程场地时,可实现地质条件的实时预测。故采用支持向量机来量化三种地质类别的分类边界,如图6所示,可以看出,在软岩中,振动信号随推进速度变化的响应较小,坚硬岩中,振动信号随推进速度变化的响应较大;即开挖难度大的地层相比开挖难度小的地层,在相同推进速度变化下,其振动信号的变化范围显著增大。在实际工程应用中,通过将盾构机实时推进速度与监测到的实时振动响应输入支持向量分类器中,便可输出当前地质类别的预测结果。
本发明的有益效果如下:
1、本发明考虑了盾构机掘进参数与地质条件两方面对于盾构机振动响应的影响,通过联合盾构机的实时掘进参数与振动响应,可以识别当前正在开挖的地质条件;
2、本发明分析了盾构机振动响应的两方面影响因素,地质条件与掘进参数,在同种地质条件下,盾构机振动响应随推进速度的增大而增加;
3、本发明所建立的基于支持向量分类器的地层类别算法,可以满足工程实时判别需求,在实际工程应用中,将盾构机实时推进速度与监测到的振动响应输入支持向量分类器中,可直接输出当前地质类别的预测结果,为盾构机操作手调整掘进参数提供指导;
4、本发明的传感器布设全面覆盖了盾构机的关键振动部件,分析结果可知,减速机X轴获得了最优的地质分类表现,这可以为后续传感器的优化布置提供参考,以实现保证判别准确率的同时尽可能降低经济成本。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (8)
1.一种基于振动响应实时识别盾构机前方地质条件的方法,其特征在于,包括以下步骤:
S1:在盾构机的振动部件上设置机载振动监测设备,采集盾构机掘进过程中的振动信号;
S2:采集盾构机在掘进过程中的掘进参数;
S3:获取钻孔位置处盾构机已开挖的地质条件,并根据岩石基本质量指标进行分类;
S4:构建由掘进参数、振动信号以及地质条件组成的数据库,并对数据库中的数据进行预处理;
S5:分析预处理过的掘进参数和振动信号的响应关系,以盾构机的振动信号为纵坐标、掘进参数为横坐标制图,数据点呈现出三簇聚合的特征;
S6:根据经岩石基本质量指标分类后的已知地质条件验证掘进参数和振动信号的响应关系,识别不同的地质类别,三簇数据点刚好对应着三种地质类别,且不同类别之间显示出明显的边界;
S7:进行定量化表征,采用支持向量机量化不同地质类别的分类边界,在实际应用中,通过将盾构机实时掘进参数与监测到的振动响应输入支持向量机中,便可输出当前地质类别的预测结果。
2.根据权利要求1所述的一种基于振动响应实时识别盾构机前方地质条件的方法,其特征在于,在步骤S1中,所述振动部件包括驱动马达、减速机、小齿轮、主轴承、土舱隔板以及螺旋输送机。
3.根据权利要求1所述的一种基于振动响应实时识别盾构机前方地质条件的方法,其特征在于,在步骤S1中,所述机载振动监测设备的监测频率为1000Hz。
4.根据权利要求1所述的一种基于振动响应实时识别盾构机前方地质条件的方法,其特征在于,在步骤S2中,所述掘进参数包括刀盘转速、扭矩、推进速度、贯入度、总推力、土压平均值、螺旋机速度、螺旋机转矩、膨润土总量、泡沫液体总量、泡沫枪空气总量。
5.根据权利要求1或4所述的一种基于振动响应实时识别盾构机前方地质条件的方法,其特征在于,在步骤S2中,每隔一分钟对掘进参数采样一个数据,同时将振动信号进行分割,分割为每分钟一段,并取每分钟的振动有效值。
6.根据权利要求1所述的一种基于振动响应实时识别盾构机前方地质条件的方法,其特征在于,在步骤S4中,所述对数据库中的数据进行预处理,包括去除盾构机停机阶段的数据以及清洗异常数据。
7.根据权利要求1所述的一种基于振动响应实时识别盾构机前方地质条件的方法,其特征在于,在步骤S3中,将地质条件按照岩石基本质量指标进行类别划分,得到坚硬岩、较硬岩、软岩三种地质类别。
8.一种用于运行权利要求1-7任意一项所述的方法的基于振动响应实时识别盾构机前方地质条件的系统,其特征在于,包括:
振动信号采集模块,用于采集盾构机掘进过程中的振动信号;
掘进参数采集模块,用于采集盾构机在掘进过程中的掘进参数;
分类模块,用于根据岩石基本质量指标对钻孔位置处获取的已知地质条件进行分类;
预处理模块,用于构建由掘进参数、振动信号以及地质条件组成的数据库,并对数据库中的数据进行预处理;
响应分析模块,用于分析预处理过的掘进参数和振动信号的响应关系;
地质类别识别模块,用于根据经岩石基本质量指标分类后的已知地质条件验证掘进参数和振动信号的响应关系,识别不同的地质类别;
分类边界量化模块,用于进行定量化表征,采用支持向量机量化不同地质类别的分类边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310571895.3A CN116304843B (zh) | 2023-05-22 | 2023-05-22 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310571895.3A CN116304843B (zh) | 2023-05-22 | 2023-05-22 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116304843A CN116304843A (zh) | 2023-06-23 |
CN116304843B true CN116304843B (zh) | 2023-08-18 |
Family
ID=86781960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310571895.3A Active CN116304843B (zh) | 2023-05-22 | 2023-05-22 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116304843B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5553407A (en) * | 1995-06-19 | 1996-09-10 | Vermeer Manufacturing Company | Excavator data acquisition and control system and method of use |
JPH09170398A (ja) * | 1995-12-20 | 1997-06-30 | Taisei Corp | 掘削面の地質分布調査装置及びその調査方法と掘削作業制御方法 |
JP2016003430A (ja) * | 2014-06-13 | 2016-01-12 | 株式会社奥村組 | シールド掘進機による土質分布の判定方法 |
KR102211421B1 (ko) * | 2020-06-17 | 2021-02-02 | 에스케이건설 주식회사 | 터널 굴진면의 전방 지질 상태 예측에 기반한 tbm 제어 파라미터 결정 방법 및 시스템 |
JP2021014727A (ja) * | 2019-07-12 | 2021-02-12 | 株式会社奥村組 | シールド掘進機の施工管理方法 |
CN112901183A (zh) * | 2021-03-15 | 2021-06-04 | 汕头大学 | 一种基于机器学习的盾构施工过程地质特征确定方法 |
CN113090274A (zh) * | 2021-06-08 | 2021-07-09 | 北京建工土木工程有限公司 | 基于大数据的自动巡航盾构超前地质预报系统及工作方法 |
CN114970768A (zh) * | 2022-07-13 | 2022-08-30 | 湖南大学 | 一种实时预测盾构机前方地质条件的方法 |
CN115508089A (zh) * | 2022-09-15 | 2022-12-23 | 中国铁建重工集团股份有限公司 | 一种主轴承的工况识别方法、装置及介质 |
CN115584985A (zh) * | 2022-09-28 | 2023-01-10 | 北京交通大学 | 一种基于刀盘动力响应的地层特征实时识别与掘进参数动态调整方法 |
CN115659744A (zh) * | 2022-10-26 | 2023-01-31 | 中国铁建重工集团股份有限公司 | 一种基于地质与装备耦合仿真的地质参数实时感知方法 |
CN115711667A (zh) * | 2022-11-02 | 2023-02-24 | 中铁十八局集团有限公司 | 一种基于振动信号的tbm掘进参数的预测方法 |
CN115718140A (zh) * | 2022-11-02 | 2023-02-28 | 中铁十八局集团有限公司 | 一种tbm隧洞基于振动信号的地质预测方法 |
CN115826080A (zh) * | 2022-11-29 | 2023-03-21 | 广东珠三角城际轨道交通有限公司 | 一种适用于风化花岗岩盾构施工的地层类别确定方法 |
CN115860974A (zh) * | 2022-12-23 | 2023-03-28 | 中煤科工集团信息技术有限公司 | 一种用于煤矿智能化系统的数据处理方法及设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009075667A2 (en) * | 2007-11-30 | 2009-06-18 | Halliburton Energy Services | Method and system for predicting performance of a drilling system having multiple cutting structures |
DE112015002700B4 (de) * | 2015-03-11 | 2021-12-23 | Shandong University | TBM-3D-Vorauserkundungssystem mit Integration von Gesteinsbruch-Epizentrum und aktivem Epizentrum |
US11762888B2 (en) * | 2020-12-16 | 2023-09-19 | Landmark Graphics Corporation | Geological database management using signatures for hydrocarbon exploration |
-
2023
- 2023-05-22 CN CN202310571895.3A patent/CN116304843B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5553407A (en) * | 1995-06-19 | 1996-09-10 | Vermeer Manufacturing Company | Excavator data acquisition and control system and method of use |
JPH09170398A (ja) * | 1995-12-20 | 1997-06-30 | Taisei Corp | 掘削面の地質分布調査装置及びその調査方法と掘削作業制御方法 |
JP2016003430A (ja) * | 2014-06-13 | 2016-01-12 | 株式会社奥村組 | シールド掘進機による土質分布の判定方法 |
JP2021014727A (ja) * | 2019-07-12 | 2021-02-12 | 株式会社奥村組 | シールド掘進機の施工管理方法 |
KR102211421B1 (ko) * | 2020-06-17 | 2021-02-02 | 에스케이건설 주식회사 | 터널 굴진면의 전방 지질 상태 예측에 기반한 tbm 제어 파라미터 결정 방법 및 시스템 |
CN112901183A (zh) * | 2021-03-15 | 2021-06-04 | 汕头大学 | 一种基于机器学习的盾构施工过程地质特征确定方法 |
CN113090274A (zh) * | 2021-06-08 | 2021-07-09 | 北京建工土木工程有限公司 | 基于大数据的自动巡航盾构超前地质预报系统及工作方法 |
CN114970768A (zh) * | 2022-07-13 | 2022-08-30 | 湖南大学 | 一种实时预测盾构机前方地质条件的方法 |
CN115508089A (zh) * | 2022-09-15 | 2022-12-23 | 中国铁建重工集团股份有限公司 | 一种主轴承的工况识别方法、装置及介质 |
CN115584985A (zh) * | 2022-09-28 | 2023-01-10 | 北京交通大学 | 一种基于刀盘动力响应的地层特征实时识别与掘进参数动态调整方法 |
CN115659744A (zh) * | 2022-10-26 | 2023-01-31 | 中国铁建重工集团股份有限公司 | 一种基于地质与装备耦合仿真的地质参数实时感知方法 |
CN115711667A (zh) * | 2022-11-02 | 2023-02-24 | 中铁十八局集团有限公司 | 一种基于振动信号的tbm掘进参数的预测方法 |
CN115718140A (zh) * | 2022-11-02 | 2023-02-28 | 中铁十八局集团有限公司 | 一种tbm隧洞基于振动信号的地质预测方法 |
CN115826080A (zh) * | 2022-11-29 | 2023-03-21 | 广东珠三角城际轨道交通有限公司 | 一种适用于风化花岗岩盾构施工的地层类别确定方法 |
CN115860974A (zh) * | 2022-12-23 | 2023-03-28 | 中煤科工集团信息技术有限公司 | 一种用于煤矿智能化系统的数据处理方法及设备 |
Non-Patent Citations (1)
Title |
---|
刘肖楠.盾构机掘进过程姿态建模与控制研究.《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》.2021,(第1期),第C034-673页. * |
Also Published As
Publication number | Publication date |
---|---|
CN116304843A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10669846B2 (en) | Apparatus, computer readable medium, and program code for evaluating rock properties while drilling using downhole acoustic sensors and a downhole broadband transmitting system | |
CN110109895A (zh) | 适用于tbm掘进隧道的围岩分级联合预测方法及应用 | |
US10180061B2 (en) | Methods of evaluating rock properties while drilling using downhole acoustic sensors and a downhole broadband transmitting system | |
Wang et al. | Prediction of axis attitude deviation and deviation correction method based on data driven during shield tunneling | |
CN113390502B (zh) | 一种tbm刀盘振动监测及评价方法 | |
US11834943B2 (en) | Systems, apparatuses, and methods for determining rock-coal transition with a drilling machine | |
EP2761337B1 (en) | Methods of evaluating rock properties while drilling using downhole acoustic sensors and a downhole broadband transmitting system | |
CN112781820B (zh) | 一种滚刀性能退化趋势评估方法 | |
CN113406296A (zh) | 一种基于深度学习的煤岩智能识别系统 | |
CN113586028A (zh) | 基于数字孪生的反井钻机扩孔刀盘的智能监控系统 | |
CN116304843B (zh) | 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 | |
CN114320267A (zh) | 数据库管理的钻孔深度计算方法 | |
CN115239108B (zh) | 一种基于tbm实时破岩数据的软弱破碎围岩感知方法 | |
CN115759351A (zh) | 泥水盾构掘进综合预警方法、系统及存储介质 | |
CN114088194A (zh) | 一种tbm主机振动异常自适应判别方法及tbm | |
CN114332354A (zh) | 钻孔三维数据计算的成图方法 | |
CN114972994A (zh) | 盾构机施工掌子面地质类型识别方法及系统 | |
JP2873397B2 (ja) | 地山状況調査システム | |
JPH10252051A (ja) | 地山の地質判別方法 | |
CN114075979A (zh) | 盾构掘进环境变化实时辨识系统及方法 | |
Hill et al. | Intelligent drilling system for geological sensing | |
CN116187831B (zh) | 一种基于大数据的掘进机智能管控系统及方法 | |
Zhou et al. | Towards a data-driven assistance system for operating segment erectors in tunnel boring machines | |
CN117189147A (zh) | 一种tbm掘进过程中的姿态监测方法 | |
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 |