CN117851761A - 一种盾构机刀盘状态评估方法及系统 - Google Patents
一种盾构机刀盘状态评估方法及系统 Download PDFInfo
- Publication number
- CN117851761A CN117851761A CN202410263055.5A CN202410263055A CN117851761A CN 117851761 A CN117851761 A CN 117851761A CN 202410263055 A CN202410263055 A CN 202410263055A CN 117851761 A CN117851761 A CN 117851761A
- Authority
- CN
- China
- Prior art keywords
- cutter
- value
- health state
- characteristic data
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000036541 health Effects 0.000 claims abstract description 109
- 230000005641 tunneling Effects 0.000 claims abstract description 72
- 230000015556 catabolic process Effects 0.000 claims abstract description 30
- 238000006731 degradation reaction Methods 0.000 claims abstract description 30
- 238000005299 abrasion Methods 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 230000003862 health status Effects 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000005065 mining Methods 0.000 claims abstract description 9
- 239000011435 rock Substances 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 230000035515 penetration Effects 0.000 claims description 7
- 238000003066 decision tree Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000010219 correlation analysis Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013145 classification model Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 230000001419 dependent effect Effects 0.000 abstract description 2
- 238000007689 inspection Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005195 poor health Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- Excavating Of Shafts Or Tunnels (AREA)
Abstract
本发明公开了一种盾构机刀盘状态评估方法及系统,属于盾构机状态预测技术领域,用于解决目前的刀盘系统状态监测方法的刀具磨损情况获取方式不适用于盾构机的工作状态,且关于刀盘系统状态评估的研究较依赖专家经验,结果可解释性较差的技术问题。方法包括:基于刀盘中各个刀具的运动参数,确定刀具的实时磨损量,构建刀具特征数据集,并对其中的特征数据进行预处理;基于预处理后的刀具特征数据集,确定刀具健康状态分级值;在刀具特征数据集中提取刀具退化特征;对刀具健康状态分级值以及刀具退化特征进行关联关系挖掘,得到若干个强关联关系,计算各个强关联关系的适应度;根据适应度,确定当前盾构机刀盘系统的健康状态等级。
Description
技术领域
本发明涉及盾构机状态预测技术领域,尤其涉及一种盾构机刀盘状态评估方法及系统。
背景技术
在硬岩地层采用盾构机进行隧道施工时,分布在刀盘上的盾构滚刀与岩面直接接触,是破岩掘进的关键工具。而由于复杂恶劣的施工环境,并且长时间在低速、重载及动态变工况条件下工作,刀盘上的刀具极易过度磨损或被异常破坏,这也成为盾构机故障停机、影响盾构机工作效率的最主要原因。因此,在盾构机施工过程中,对刀盘系统的退化状态进行监测评估,对提高盾构机刀盘维护和盾构掘进效率、降低维修风险和成本都具有非常重大的意义和价值。
目前的刀盘系统状态监测方法,首先需要获取刀盘上各刀具的磨损情况,再根据磨损情况评估刀盘系统的健康状态。但在获取刀具磨损情况时,通过人工实地测量的方式需要在盾构机停机时测量,获取足量数据的速度较慢,受到盾构机工作安排的影响较大。通过传感器进行实时测量的方式可能导致安装在刀盘上的传感器受到摩擦或挤压而损坏。可见两种刀具磨损量获取方式都有其弊端。除此之外,目前关于刀盘系统状态评估的研究大多基于专家经验,结果可解释性较差。
发明内容
本发明实施例提供了一种盾构机刀盘状态评估方法及系统,用于解决如下技术问题:目前的刀盘系统状态监测方法的刀具磨损情况获取方式不适用于盾构机的工作状态,且关于刀盘系统状态评估的研究较依赖专家经验,结果可解释性较差。
本发明实施例采用下述技术方案:
一方面,本发明实施例提供了一种盾构机刀盘状态评估方法,方法包括:基于当前盾构机刀盘系统中各个刀具的运动参数,确定所述各个刀具的实时磨损量;
将所述每个刀具的实时磨损量与对应的运动参数构建为刀具特征数据集,并对所述刀具特征数据集中的特征数据进行预处理;
基于预处理后的所述刀具特征数据集,确定刀具健康状态分级值;
在预处理后的所述刀具特征数据集中提取刀具退化特征;
对所述刀具健康状态分级值以及所述刀具退化特征进行关联关系挖掘,得到若干个强关联关系,并计算各个强关联关系的适应度;
根据所述适应度,确定各个刀具的当前健康状态分级值;
根据所述各个刀具的当前健康状态分级值,确定所述当前盾构机刀盘系统的健康状态等级。
在一种可行的实施方式中,基于当前盾构机刀盘系统中各个刀具的运动参数,确定所述各个刀具的实时磨损量,具体包括:
获取一段时间内所述当前盾构机刀盘系统中各个刀具的运动参数;其中,所述运动参数至少包括刀具参数、地质参数以及掘进参数;
根据所述运动参数,确定每个刀具的摩擦影响参数;其中,所述摩擦影响参数至少包括切削系数、有效推力值以及有效扭矩值;
根据,确定每个刀具的实时磨损量M;其中,I为能量磨损率,r为刀具旋转半径,C为所述切削系数,h为刀盘贯入度,n为刀盘转速;/>为刀具与岩石的接触角,R为刀具半径,/>为刀尖压力分布系数,S为刀具间距,/>为岩石单轴抗压强度,/>为岩石单轴抗拉强度,W为所述有效推力值,v为掘进速度。
在一种可行的实施方式中,根据所述运动参数,确定每个刀具的摩擦影响参数,具体包括:
根据所述运动参数中的刀盘贯入度参数以及刀具直径参数,确定当前刀具的切削系数;所述切削系数为刀具水平切向力与垂直推力的比值;
根据,确定当前刀具的有效推力值W;其中,/>为刀具法线与盾构机轴线的夹角;
根据,确定当前刀具的有效扭矩值T。
在一种可行的实施方式中,对所述刀具特征数据集中的特征数据进行预处理,具体包括:
以采集时间先后为标准,对所述刀具特征数据集中的特征数据进行排序;
根据每个时刻对应的特征数据中的刀盘转速参数以及刀盘总推进力参数,将所述刀具特征数据集中的无效数据特征剔除,具体包括:
当所述刀盘转速参数小于第一预设阈值或所述刀盘总推进力参数小于第二预设阈值时,判定盾构机当时处于非掘进状态,将该时刻对应的特征数据全部剔除;
将刀盘总推进力参数值不属于预设总推进力区间的特征数据剔除,得到预处理后的刀具特征数据集。
在一种可行的实施方式中,基于预处理后的所述刀具特征数据集,确定刀具健康状态分级值,具体包括:
获取所述刀具特征数据集中各个特征数据的采集时间,以及所述当前盾构机刀盘系统的检查时间节点及对应的检查结果;其中,所述检查结果中至少包含刀具磨损类型及刀具实际磨损程度值;
预设每个刀具健康状态分级值对应的磨损程度数值区间;
根据所述刀具实际磨损程度值所属的磨损程度数值区间,确定其对应的刀具健康状态分级值;
将每个刀具健康状态分级值对应的检查时间节点与上一个检查时间节点之间的特征数据与所述刀具健康状态分级值相关联。
在一种可行的实施方式中,在预处理后的所述刀具特征数据集中,提取刀具退化特征,具体包括:
将所述刀具特征数据集中的特征数据与关联的刀具健康状态分级值输入训练好的特征分类模型中,进行刀具健康状态分类;
统计分类过程中,每类特征数据对损失函数的总贡献值;
筛选所述总贡献值大于第三预设阈值的特征数据类型,作为状态评估有效特征,并在所述预处理后的刀具特征数据集中筛选所述状态评估有效特征对应的特征数据,形成有效特征数据集;
根据所述有效特征数据集,建立决策树模型;
通过所述决策树模型,对所述有效特征数据集进行特征划分迭代计算,确定若干个离散划分节点;
根据所述若干个离散划分节点,对所述有效特征数据集进行离散化处理,得到所述刀具退化特征。
在一种可行的实施方式中,对所述刀具健康状态分级值以及所述刀具退化特征进行关联关系挖掘,得到若干个强关联关系,并计算各个强关联关系的适应度,具体包括:
将所述刀具健康状态分级值以及所述刀具退化特征作为输入参数,输入关联分析算法中,得到若干个强关联关系;其中,所述强关联关系是指刀具退化特征与刀具健康状态分级值之间的非线性映射关系;
分别获取每个强关联关系的置信度值、完整度值以及简洁度值;
根据,确定各个强关联关系的适应度;其中,为置信度值,/>为完整度值,/>为简洁度值,/>为第一控制权重,/>为第二控制权重。
在一种可行的实施方式中,根据所述适应度,确定各个刀具的当前健康状态分级值,具体包括:
取所述适应度最高的强关联关系作为最优关联关系;
根据所述最优关联关系中的刀具健康状态分级值,确定为对应刀具的当前健康状态分级值。
在一种可行的实施方式中,根据所述各个刀具的当前健康状态分级值,确定所述当前盾构机刀盘系统的健康状态等级,具体包括:
根据每个刀具的当前健康状态分级值,确定每个刀具对应的刀具权重;
根据所述刀具权重,对当前刀盘上所有刀具的当前健康状态分级值进行加权计算,得到当前刀盘的健康状态分级值;
预设不同刀盘健康状态等级对应的健康状态分级值区间;
确定当前刀盘的健康状态分级值所属的健康状态分级值区间,以确定所述当前盾构机刀盘系统的健康状态等级。
另一方面,本发明实施例还提供了一种盾构机刀盘状态评估系统,所述系统包括:
刀具特征处理模块,用于基于当前盾构机刀盘系统中各个刀具的运动参数,确定所述各个刀具的实时磨损量;将所述每个刀具的实时磨损量与对应的运动参数构建为刀具特征数据集,并对所述刀具特征数据集中的特征数据进行预处理;基于预处理后的所述刀具特征数据集,确定刀具健康状态分级值;在预处理后的所述刀具特征数据集中提取刀具退化特征;
刀具健康状态评估模块,用于对所述刀具健康状态分级值以及所述刀具退化特征进行关联关系挖掘,得到若干个强关联关系,并计算各个强关联关系的适应度;根据所述适应度,确定各个刀具的当前健康状态分级值;
刀盘健康状态评估模块,用于根据所述各个刀具的当前健康状态分级值,确定所述当前盾构机刀盘系统的健康状态等级。
与现有技术相比,本发明实施例提供的一种盾构机刀盘状态评估方法及系统,基于微观摩擦理论,以理论算法获取了刀盘上刀具的实时磨损量,无需在盾构机刀盘上安装额外的传感采集设备进行磨损量的采集,节省了运行成本。并且本发明基于实时计算出的刀具磨损量结合关联分析机制,深层次挖掘了刀具性能退化特征与刀盘健康状态之间的关联规则,克服了传统机理建模研究存在的与实际施工环境误差较大以及数据驱动建模得到的结果可解释性不足的问题。本发明中最终得到的刀盘健康状态清晰可见,并且得到的刀盘健康状态与每个刀具的健康状态相关性较强,数据处理过程直观明了,结果可解释性较强,便于盾构机的工业应用和行业知识积累。
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中记载的一些实施例,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。在附图中:
图1为本发明实施例提供的一种盾构机刀盘状态评估方法流程图;
图2为本发明实施例提供的一种盾构机刀盘状态评估系统的结构示意图。
附图标记说明:
200、盾构机刀盘状态评估系统;210、刀具特征处理模块;220、刀具健康状态评估模块;230、刀盘健康状态评估模块。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本说明书实施例,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,都应当属于本发明保护的范围。
本发明实施例提供了一种盾构机刀盘状态评估方法,如图1所示,盾构机刀盘状态评估方法具体包括步骤S101-S106:
S101、基于当前盾构机刀盘系统中各个刀具的运动参数,确定各个刀具的实时磨损量。
具体地,首先获取一段时间内当前盾构机刀盘系统中各个刀具的运动参数;其中,运动参数至少包括刀具参数、地质参数以及掘进参数。
作为一种可行的实施方式,刀具参数至少包括:刀具直径、刀具半径、刀刃宽度、刀尖压力分布系数、刀具间距、刀具所受垂直力、刀具法线与盾构机轴线的夹角、刀具与岩石的接触角、刀具的切向力以及刀具的旋转半径;地质参数至少包括:岩石单轴抗压强度以及岩石单轴抗拉强度;掘进参数至少包括:刀盘贯入度以及掘进速度。
进一步地,根据运动参数,确定每个刀具的摩擦影响参数;其中,摩擦影响参数至少包括切削系数、有效推力值以及有效扭矩值。然后根据实时磨损量公式,确定每个刀具的实时磨损量M;其中,I为能量磨损率,r为刀具旋转半径,C为所述切削系数,h为刀盘贯入度,n为刀盘转速;/>为刀具与岩石的接触角,R为刀具半径,/>为刀尖压力分布系数,S为刀具间距,/>为岩石单轴抗压强度,/>为岩石单轴抗拉强度,W为所述有效推力值,v为掘进速度。
作为一种可行的实施方式,包括切削系数、有效推力值以及有效扭矩值的获取方式为:根据,确定当前刀具的切削系数C;其中,h为刀盘贯入度参数,D为刀具直径参数。切削系数为刀具水平切向力与垂直推力的比值。根据/>,确定当前刀具的有效推力值W;其中,/>为刀具法线与盾构机轴线的夹角。根据,确定当前刀具的有效扭矩值T。
S102、将每个刀具的实时磨损量与对应的运动参数构建为刀具特征数据集,并对刀具特征数据集中的特征数据进行预处理。
具体地,以采集时间先后为标准,对刀具特征数据集中的特征数据进行排序。然后根据每个时刻对应的特征数据中的刀盘转速参数以及刀盘总推进力参数,将刀具特征数据集中的无效数据特征剔除,具体方式为:当刀盘转速参数小于第一预设阈值或刀盘总推进力参数小于第二预设阈值时,判定盾构机当时处于非掘进状态,将该时刻对应的特征数据全部剔除。然后将刀盘总推进力参数值不属于预设总推进力区间的特征数据剔除,得到预处理后的刀具特征数据集。
作为一种可行的实施方式,第一预设阈值与第二预设阈值都是大于等于0但接近于0的数值,目的是将刀盘转速接近于0或者总推进力接近于0的特征数据剔除,之所以不完全将阈值设为0,是为了避免微小的误差情况。
盾构机在掘进过程中的数据记录是不间断的,因此所采集的特征数据中同时包含掘进状态和非掘进状态,而非掘进状态下理论上是没有刀具磨损发生的,因此为减少数据处理量,也为了不对最终的结果产生影响,本发明首先将非掘进状态下的特征数据剔除,剩下的数据全部处于掘进状态,虽然在时间上不连续,但在刀盘的性能退化上是连续的。另外,盾构机运行数据也受到掘进控制参数人为设定的显著影响,为了确保分析结果的准确性,本发明选取总推进力处于特定区间内的数据用于后续分析,以保证人为的控制参数保持在一定波动区间内。通过上述预处理手段,尽可能消除盾构机工作状态和人为控制参数设定的影响,所构建的数据集能更好地支持后续数据分析。
S103、基于预处理后的刀具特征数据集,确定刀具健康状态分级值。
具体地,获取刀具特征数据集中各个特征数据的采集时间,以及当前盾构机刀盘系统的检查时间节点及对应的检查结果;其中,检查结果中至少包含刀具磨损类型及刀具实际磨损程度值。
进一步地,预设每个刀具健康状态分级值对应的磨损程度数值区间。根据刀具实际磨损程度值所属的磨损程度数值区间,确定其对应的刀具健康状态分级值。
作为一种可行的实施方式,在刀具特征数据集中的数据采集过程中,会定期对盾构机进行停机检查,并测量检查节点时的刀具实际磨损量。然后将刀具实际磨损量与预设的区间范围进行对比,确定该刀具实际磨损量属于哪个范围,然后得到对应的刀具健康状态分级值。
进一步地,将每个刀具健康状态分级值对应的检查时间节点与上一个检查时间节点之间的特征数据与刀具健康状态分级值相关联。
在一个实施例中,若检查时间节点2测量的刀具A的磨损量为3cm,属于磨损区间[3,4),而该区间对应的刀具健康状态分级值为4,那么刀具A在检查时间节点1与检查时间节点2之间的所有特征数据关联的刀具健康状态分级值为4。磨损区间与刀具健康状态分级值的对应关系如表1所示:
表1
S104、在预处理后的刀具特征数据集中提取刀具退化特征。
具体地,由于关联分析算法不能直接应用于连续数据,因此需要先将刀具特征数据集中的连续特征进行离散化。首先将刀具特征数据集中的特征数据与关联的刀具健康状态分级值输入训练好的特征分类模型中,进行刀具健康状态分类。并统计分类过程中,每类特征数据对损失函数的总贡献值。然后筛选总贡献值大于第三预设阈值的特征数据类型,作为状态评估有效特征,并在预处理后的刀具特征数据集中筛选状态评估有效特征对应的特征数据,形成有效特征数据集。
进一步地,根据有效特征数据集,建立决策树模型;通过决策树模型,对有效特征数据集进行特征划分迭代计算,确定若干个离散划分节点。根据若干个离散划分节点,对有效特征数据集进行离散化处理,得到刀具退化特征。
S105、对刀具健康状态分级值以及刀具退化特征进行关联关系挖掘,得到若干个强关联关系,并计算各个强关联关系的适应度。
具体地,将所有刀具健康状态分级值以及刀具退化特征作为输入参数,输入关联分析算法中,得到若干个强关联关系;其中,强关联关系是指刀具退化特征与刀具健康状态分级值之间的非线性映射关系。
作为一种可行的实施方式,通过FP-Growth算法进行关联分析。
进一步地,分别获取每个强关联关系的置信度值、完整度值以及简洁度值;根据,确定各个强关联关系的适应度;其中,/>为置信度值,/>为完整度值,/>为简洁度值,/>为第一控制权重,/>为第二控制权重。
S106、根据适应度,确定各个刀具的当前健康状态分级值;根据各个刀具的当前健康状态分级值,确定当前盾构机刀盘系统的健康状态等级。
具体地,取适应度最高的强关联关系作为最优关联关系。根据最优关联关系中的刀具健康状态分级值,确定为对应刀具的当前健康状态分级值。
进一步地,根据每个刀具的当前健康状态分级值,确定每个刀具对应的刀具权重。然后根据刀具权重,对当前刀盘上所有刀具的当前健康状态分级值进行加权计算,得到当前刀盘的健康状态分级值。
作为一种可行的实施方式,根据如表1所示的健康状态分级值与磨损区间的对应关系可见,磨损量越小代表刀具健康状况越好,而磨损量越大代表该刀具的健康状况较差,因此本发明中对于刀具权重的设定是:健康状态分级值越大,刀具权重也越大。这样可以突出刀盘中健康状况较差的刀具,使其对整个刀盘的健康状态评价的影响更大,更利于发现刀盘的不健康状态。
进一步地,预设不同刀盘健康状态等级对应的健康状态分级值区间;确定当前刀盘的健康状态分级值所属的健康状态分级值区间,以确定当前盾构机刀盘系统的健康状态等级。
作为一种可行的实施方式,将刀盘的健康状态等级划分为健康、轻度磨损、中度磨损、严重磨损四个等级,分别对应不同的健康状态分级值区间,然后根据加权计算出的刀盘健康状态分级值,判断其属于哪个区间,则对应的刀盘健康状态则为当前盾构机刀盘的健康状态。
另外,本发明实施例还提供了一种盾构机刀盘状态评估系统,如图2所示,盾构机刀盘状态评估系统200具体包括:
刀具特征处理模块210,用于基于当前盾构机刀盘系统中各个刀具的运动参数,确定所述各个刀具的实时磨损量;将所述每个刀具的实时磨损量与对应的运动参数构建为刀具特征数据集,并对所述刀具特征数据集中的特征数据进行预处理;基于预处理后的所述刀具特征数据集,确定刀具健康状态分级值;在预处理后的所述刀具特征数据集中提取刀具退化特征;
刀具健康状态评估模块220,用于对所述刀具健康状态分级值以及所述刀具退化特征进行关联关系挖掘,得到若干个强关联关系,并计算各个强关联关系的适应度;根据所述适应度,确定各个刀具的当前健康状态分级值;
刀盘健康状态评估模块230,用于根据所述各个刀具的当前健康状态分级值,确定所述当前盾构机刀盘系统的健康状态等级。
本发明中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本发明特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明的实施例可以有各种更改和变化。凡在本发明实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种盾构机刀盘状态评估方法,其特征在于,所述方法包括:
基于当前盾构机刀盘系统中各个刀具的运动参数,确定所述各个刀具的实时磨损量;
将所述每个刀具的实时磨损量与对应的运动参数构建为刀具特征数据集,并对所述刀具特征数据集中的特征数据进行预处理;
基于预处理后的所述刀具特征数据集,确定刀具健康状态分级值;
在预处理后的所述刀具特征数据集中提取刀具退化特征;
对所述刀具健康状态分级值以及所述刀具退化特征进行关联关系挖掘,得到若干个强关联关系,并计算各个强关联关系的适应度;
根据所述适应度,确定各个刀具的当前健康状态分级值;
根据所述各个刀具的当前健康状态分级值,确定所述当前盾构机刀盘系统的健康状态等级。
2.根据权利要求1所述的一种盾构机刀盘状态评估方法,其特征在于,基于当前盾构机刀盘系统中各个刀具的运动参数,确定所述各个刀具的实时磨损量,具体包括:
获取一段时间内所述当前盾构机刀盘系统中各个刀具的运动参数;其中,所述运动参数至少包括刀具参数、地质参数以及掘进参数;
根据所述运动参数,确定每个刀具的摩擦影响参数;其中,所述摩擦影响参数至少包括切削系数、有效推力值以及有效扭矩值;
根据,确定每个刀具的实时磨损量M;其中,I为能量磨损率,r为刀具旋转半径,C为所述切削系数,h为刀盘贯入度,n为刀盘转速;/>为刀具与岩石的接触角,R为刀具半径,/>为刀尖压力分布系数,S为刀具间距,/>为岩石单轴抗压强度,/>为岩石单轴抗拉强度,W为所述有效推力值,v为掘进速度。
3.根据权利要求2所述的一种盾构机刀盘状态评估方法,其特征在于,根据所述运动参数,确定每个刀具的摩擦影响参数,具体包括:
根据所述运动参数中的刀盘贯入度参数以及刀具直径参数,确定当前刀具的切削系数;所述切削系数为刀具水平切向力与垂直推力的比值;
根据,确定当前刀具的有效推力值W;其中,/>为刀具法线与盾构机轴线的夹角;
根据,确定当前刀具的有效扭矩值T。
4.根据权利要求1所述的一种盾构机刀盘状态评估方法,其特征在于,对所述刀具特征数据集中的特征数据进行预处理,具体包括:
以采集时间先后为标准,对所述刀具特征数据集中的特征数据进行排序;
根据每个时刻对应的特征数据中的刀盘转速参数以及刀盘总推进力参数,将所述刀具特征数据集中的无效数据特征剔除,具体包括:
当所述刀盘转速参数小于第一预设阈值或所述刀盘总推进力参数小于第二预设阈值时,判定盾构机当时处于非掘进状态,将该时刻对应的特征数据全部剔除;
将刀盘总推进力参数值不属于预设总推进力区间的特征数据剔除,得到预处理后的刀具特征数据集。
5.根据权利要求1所述的一种盾构机刀盘状态评估方法,其特征在于,基于预处理后的所述刀具特征数据集,确定刀具健康状态分级值,具体包括:
获取所述刀具特征数据集中各个特征数据的采集时间,以及所述当前盾构机刀盘系统的检查时间节点及对应的检查结果;其中,所述检查结果中至少包含刀具磨损类型及刀具实际磨损程度值;
预设每个刀具健康状态分级值对应的磨损程度数值区间;
根据所述刀具实际磨损程度值所属的磨损程度数值区间,确定其对应的刀具健康状态分级值;
将每个刀具健康状态分级值对应的检查时间节点与上一个检查时间节点之间的特征数据与所述刀具健康状态分级值相关联。
6.根据权利要求1所述的一种盾构机刀盘状态评估方法,其特征在于,在预处理后的所述刀具特征数据集中,提取刀具退化特征,具体包括:
将所述刀具特征数据集中的特征数据与关联的刀具健康状态分级值输入训练好的特征分类模型中,进行刀具健康状态分类;
统计分类过程中,每类特征数据对损失函数的总贡献值;
筛选所述总贡献值大于第三预设阈值的特征数据类型,作为状态评估有效特征,并在所述预处理后的刀具特征数据集中筛选所述状态评估有效特征对应的特征数据,形成有效特征数据集;
根据所述有效特征数据集,建立决策树模型;
通过所述决策树模型,对所述有效特征数据集进行特征划分迭代计算,确定若干个离散划分节点;
根据所述若干个离散划分节点,对所述有效特征数据集进行离散化处理,得到所述刀具退化特征。
7.根据权利要求1所述的一种盾构机刀盘状态评估方法,其特征在于,对所述刀具健康状态分级值以及所述刀具退化特征进行关联关系挖掘,得到若干个强关联关系,并计算各个强关联关系的适应度,具体包括:
将所述刀具健康状态分级值以及所述刀具退化特征作为输入参数,输入关联分析算法中,得到若干个强关联关系;其中,所述强关联关系是指刀具退化特征与刀具健康状态分级值之间的非线性映射关系;
分别获取每个强关联关系的置信度值、完整度值以及简洁度值;
根据,确定各个强关联关系的适应度;其中,/>为置信度值,/>为完整度值,/>为简洁度值,/>为第一控制权重,/>为第二控制权重。
8.根据权利要求1所述的一种盾构机刀盘状态评估方法,其特征在于,根据所述适应度,确定各个刀具的当前健康状态分级值,具体包括:
取所述适应度最高的强关联关系作为最优关联关系;
根据所述最优关联关系中的刀具健康状态分级值,确定为对应刀具的当前健康状态分级值。
9.根据权利要求1所述的一种盾构机刀盘状态评估方法,其特征在于,根据所述各个刀具的当前健康状态分级值,确定所述当前盾构机刀盘系统的健康状态等级,具体包括:
根据每个刀具的当前健康状态分级值,确定每个刀具对应的刀具权重;
根据所述刀具权重,对当前刀盘上所有刀具的当前健康状态分级值进行加权计算,得到当前刀盘的健康状态分级值;
预设不同刀盘健康状态等级对应的健康状态分级值区间;
确定当前刀盘的健康状态分级值所属的健康状态分级值区间,以确定所述当前盾构机刀盘系统的健康状态等级。
10.一种盾构机刀盘状态评估系统,其特征在于,所述系统包括:
刀具特征处理模块,用于基于当前盾构机刀盘系统中各个刀具的运动参数,确定所述各个刀具的实时磨损量;将所述每个刀具的实时磨损量与对应的运动参数构建为刀具特征数据集,并对所述刀具特征数据集中的特征数据进行预处理;基于预处理后的所述刀具特征数据集,确定刀具健康状态分级值;在预处理后的所述刀具特征数据集中提取刀具退化特征;
刀具健康状态评估模块,用于对所述刀具健康状态分级值以及所述刀具退化特征进行关联关系挖掘,得到若干个强关联关系,并计算各个强关联关系的适应度;根据所述适应度,确定各个刀具的当前健康状态分级值;
刀盘健康状态评估模块,用于根据所述各个刀具的当前健康状态分级值,确定所述当前盾构机刀盘系统的健康状态等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410263055.5A CN117851761B (zh) | 2024-03-08 | 2024-03-08 | 一种盾构机刀盘状态评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410263055.5A CN117851761B (zh) | 2024-03-08 | 2024-03-08 | 一种盾构机刀盘状态评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117851761A true CN117851761A (zh) | 2024-04-09 |
CN117851761B CN117851761B (zh) | 2024-05-14 |
Family
ID=90530639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410263055.5A Active CN117851761B (zh) | 2024-03-08 | 2024-03-08 | 一种盾构机刀盘状态评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117851761B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1061384A (ja) * | 1996-08-16 | 1998-03-03 | Fujita Corp | トンネル掘削機械のカッタの損耗診断方法 |
KR100769499B1 (ko) * | 2006-07-24 | 2007-10-24 | 한국건설기술연구원 | 암반용 디스크커터를 장착한 터널굴착기의 면판 설계방법 |
CN103870677A (zh) * | 2014-02-07 | 2014-06-18 | 上海交通大学 | 一种掘进机的掘进参数设定方法 |
CN108549967A (zh) * | 2018-03-07 | 2018-09-18 | 上海交通大学 | 盾构机刀盘性能健康评估方法与系统 |
CN110119551A (zh) * | 2019-04-29 | 2019-08-13 | 西安电子科技大学 | 基于机器学习的盾构机刀具磨损退化关联特征分析方法 |
CN110362899A (zh) * | 2019-07-01 | 2019-10-22 | 中铁隧道局集团有限公司 | 用于超大直径盾构过基岩突起段的刀盘扭矩计算方法 |
CN111058855A (zh) * | 2019-11-11 | 2020-04-24 | 北京住总集团有限责任公司 | 一种盾构下穿的结构物的形变控制方法及评估系统 |
CN112131796A (zh) * | 2020-09-25 | 2020-12-25 | 上海交通大学 | 一种基于基因表达式编程的硬岩tbm滚刀磨损实时评估方法 |
CN114382490A (zh) * | 2021-12-31 | 2022-04-22 | 西安邮电大学 | 一种盾构机刀盘磨损评估预测方法 |
CN115062428A (zh) * | 2022-06-24 | 2022-09-16 | 中铁五局集团有限公司城市轨道交通工程分公司 | 基于掘进参数的复合地层盾构滚刀磨损计算方法、设备及介质 |
CN115544753A (zh) * | 2022-09-27 | 2022-12-30 | 汕头大学 | 一种盾构滚刀磨损状态实时评估方法、系统、终端及介质 |
CN115688864A (zh) * | 2022-11-01 | 2023-02-03 | 西安邮电大学 | 一种盾构机刀盘健康评估方法、系统、介质、设备及终端 |
CN115966074A (zh) * | 2023-02-15 | 2023-04-14 | 中铁十四局集团大盾构工程有限公司 | 基于机器学习的盾构刀盘结泥饼预警方法及系统 |
CN116205064A (zh) * | 2023-02-24 | 2023-06-02 | 中建八局轨道交通建设有限公司 | 复杂地层隧道施工中盾构刀具服役期磨损量的预测方法 |
CN117077393A (zh) * | 2023-08-14 | 2023-11-17 | 深圳大学 | 一种滚刀正常使用寿命的预测方法 |
CN117252086A (zh) * | 2023-08-10 | 2023-12-19 | 西安邮电大学 | 一种盾构机刀盘健康评估与退化预测方法、系统及设备 |
CN117552793A (zh) * | 2024-01-11 | 2024-02-13 | 深圳大学 | 一种盾构刀盘磨损状态的定量评估方法、系统及终端 |
-
2024
- 2024-03-08 CN CN202410263055.5A patent/CN117851761B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1061384A (ja) * | 1996-08-16 | 1998-03-03 | Fujita Corp | トンネル掘削機械のカッタの損耗診断方法 |
KR100769499B1 (ko) * | 2006-07-24 | 2007-10-24 | 한국건설기술연구원 | 암반용 디스크커터를 장착한 터널굴착기의 면판 설계방법 |
CN103870677A (zh) * | 2014-02-07 | 2014-06-18 | 上海交通大学 | 一种掘进机的掘进参数设定方法 |
CN108549967A (zh) * | 2018-03-07 | 2018-09-18 | 上海交通大学 | 盾构机刀盘性能健康评估方法与系统 |
CN110119551A (zh) * | 2019-04-29 | 2019-08-13 | 西安电子科技大学 | 基于机器学习的盾构机刀具磨损退化关联特征分析方法 |
CN110362899A (zh) * | 2019-07-01 | 2019-10-22 | 中铁隧道局集团有限公司 | 用于超大直径盾构过基岩突起段的刀盘扭矩计算方法 |
CN111058855A (zh) * | 2019-11-11 | 2020-04-24 | 北京住总集团有限责任公司 | 一种盾构下穿的结构物的形变控制方法及评估系统 |
CN112131796A (zh) * | 2020-09-25 | 2020-12-25 | 上海交通大学 | 一种基于基因表达式编程的硬岩tbm滚刀磨损实时评估方法 |
CN114382490A (zh) * | 2021-12-31 | 2022-04-22 | 西安邮电大学 | 一种盾构机刀盘磨损评估预测方法 |
CN115062428A (zh) * | 2022-06-24 | 2022-09-16 | 中铁五局集团有限公司城市轨道交通工程分公司 | 基于掘进参数的复合地层盾构滚刀磨损计算方法、设备及介质 |
CN115544753A (zh) * | 2022-09-27 | 2022-12-30 | 汕头大学 | 一种盾构滚刀磨损状态实时评估方法、系统、终端及介质 |
CN115688864A (zh) * | 2022-11-01 | 2023-02-03 | 西安邮电大学 | 一种盾构机刀盘健康评估方法、系统、介质、设备及终端 |
CN115966074A (zh) * | 2023-02-15 | 2023-04-14 | 中铁十四局集团大盾构工程有限公司 | 基于机器学习的盾构刀盘结泥饼预警方法及系统 |
CN116205064A (zh) * | 2023-02-24 | 2023-06-02 | 中建八局轨道交通建设有限公司 | 复杂地层隧道施工中盾构刀具服役期磨损量的预测方法 |
CN117252086A (zh) * | 2023-08-10 | 2023-12-19 | 西安邮电大学 | 一种盾构机刀盘健康评估与退化预测方法、系统及设备 |
CN117077393A (zh) * | 2023-08-14 | 2023-11-17 | 深圳大学 | 一种滚刀正常使用寿命的预测方法 |
CN117552793A (zh) * | 2024-01-11 | 2024-02-13 | 深圳大学 | 一种盾构刀盘磨损状态的定量评估方法、系统及终端 |
Non-Patent Citations (7)
Title |
---|
JIANBO DONG: "Wear rate leveling: lifetime enhancement of PRAM with endurance variation", DAC \'11: PROCEEDINGS OF THE 48TH DESIGN AUTOMATION CONFERENCE, 5 June 2021 (2021-06-05) * |
ZENGXIANG HUANG: "Research progress of tool wear in micro-cutting", ISBDAI \'20: PROCEEDINGS OF THE 2020 2ND INTERNATIONAL CONFERENCE ON BIG DATA AND ARTIFICIAL INTELLIGENCE, 4 January 2021 (2021-01-04) * |
周建军;宋佳鹏;谭忠盛;: "砂卵石地层地铁盾构盘形滚刀磨蚀性研究", 土木工程学报, no. 1, 15 July 2017 (2017-07-15) * |
宋欢;: "盾构切刀磨损特性研究与实时监测", 机电工程技术, no. 06, 20 June 2020 (2020-06-20) * |
张康;黄亦翔;赵帅;刘成良;王吉云;: "基于t-SNE数据驱动模型的盾构装备刀盘健康评估", 机械工程学报, no. 07, 25 January 2019 (2019-01-25) * |
管会生;王默;戴文浩;: "基于性能退化的刀盘耐磨结构可靠性评估", 铁道建筑技术, no. 09, 20 September 2017 (2017-09-20) * |
赵青;段景川;杨涛;段志宏;晏启祥;: "风化花岗岩地层的盾构滚刀磨损预测研究", 路基工程, no. 02, 20 April 2016 (2016-04-20) * |
Also Published As
Publication number | Publication date |
---|---|
CN117851761B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11761930B2 (en) | Prediction method of part surface roughness and tool wear based on multi-task learning | |
CN109685378B (zh) | 一种基于数据挖掘的tbm施工围岩可掘性分级方法 | |
CN111256754B (zh) | 一种混凝土坝长期运行安全预警方法 | |
CN112182973B (zh) | 考虑刀盘振动与岩渣几何信息的tbm操作参数优化方法 | |
CN113404502B (zh) | 基于碴片形貌的盾构滚刀磨耗监测装置及方法 | |
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 | |
CN106514434A (zh) | 一种基于数据的铣削刀具磨损监测方法 | |
CN113390502B (zh) | 一种tbm刀盘振动监测及评价方法 | |
CN115966074B (zh) | 基于机器学习的盾构刀盘结泥饼预警方法及系统 | |
CN116306031B (zh) | 一种基于大数据自动采集的隧道大机监测分析方法 | |
US11448068B2 (en) | Optimization of boring by a tunnel boring machine as a function of ground/machine interactions | |
CN113063573A (zh) | 盾构刀具磨损检测方法及系统 | |
CN117851761B (zh) | 一种盾构机刀盘状态评估方法及系统 | |
CN110836824A (zh) | 基于液压缸压力信号识别岩石硬度的方法及其识别平台 | |
CN107679330B (zh) | 一种tbm刀盘系统破岩性能损耗程度的实时评价方法 | |
CN113158562B (zh) | 基于物理约束与数据挖掘的tbm岩机映射构建方法及系统 | |
CN113158561B (zh) | 适用于多种岩体条件的tbm操作参数优化方法及系统 | |
CN114382490A (zh) | 一种盾构机刀盘磨损评估预测方法 | |
CN116296956A (zh) | 一种滚刀磨损检测方法和装置 | |
CN112033659B (zh) | 一种盾构机刀具的管理系统及方法 | |
CN112554943A (zh) | 一种基于tbm掘进参数的地质风险预警方法、系统及装置 | |
CN112036661A (zh) | 基于刀具力学性能随机分布性的陶瓷刀具可靠度预测方法 | |
CN116842854B (zh) | 基于优化神经网络的煤体应力智能预测和异径卸压方法 | |
CN115600654A (zh) | 基于卷积lstm的盾构滚刀磨损量实时预测方法及系统 | |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |