CN117967335A - Tbm卡机预警方法、装置、电子设备及存储介质 - Google Patents
Tbm卡机预警方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117967335A CN117967335A CN202410155891.1A CN202410155891A CN117967335A CN 117967335 A CN117967335 A CN 117967335A CN 202410155891 A CN202410155891 A CN 202410155891A CN 117967335 A CN117967335 A CN 117967335A
- Authority
- CN
- China
- Prior art keywords
- surrounding rock
- convergence
- tbm
- machine
- early warning
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 239000011435 rock Substances 0.000 claims abstract description 233
- 230000005641 tunneling Effects 0.000 claims abstract description 68
- 230000000903 blocking effect Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 abstract description 23
- 208000022971 Tuberculous meningitis Diseases 0.000 description 93
- 208000001223 meningeal tuberculosis Diseases 0.000 description 93
- 230000006870 function Effects 0.000 description 12
- 238000010276 construction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 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
本发明提供一种TBM卡机预警方法、装置、电子设备及存储介质。该方法包括:实时获取围岩收敛特征,并将围岩收敛特征输入至预先训练好的收敛预测模型中,得到对应的围岩收敛曲线;获取当前时刻的围岩参数,并将当前时刻的围岩参数和当前时刻的围岩收敛距离,输入至预先训练好的坍塌预测模型中,得到下一时刻的预测坍塌量;当下一时刻的预测坍塌量大于预设坍塌量时,确定下一时刻将发生刀盘卡机,并进行刀盘卡机预警。本发明能够在TBM掘进过程中实时进行刀盘卡机预警,保障TBM正常工作。
Description
技术领域
本发明涉及隧道掘进技术领域,尤其涉及一种TBM卡机预警方法、装置、电子设备及存储介质。
背景技术
隧道掘进机(Tunnel Boring Machine,TBM)是一种用于隧道掘进的大型机械设备。TBM主要由刀盘、护盾、推进系统以及输送系统组成,能够在围岩中开挖出所需的隧道断面,并对隧道进行初步支护。TBM具有效率高、质量好、安全性高等优点,被广泛应用于地铁、公路、水利等领域的隧道工程。
然而,采用TBM进行隧道掘进的过程中也存在一些问题,其中最常见的就是TBM卡机的问题。根据卡机位置的不同,TBM卡机主要包括刀盘卡机。刀盘卡机是指遭遇不良地质时刀盘无法提供足够的扭矩而导致刀盘无法正常工作,从而影响TBM的正常工作。TBM卡机不仅会降低TBM的掘进效率,还会增加TBM的维修成本,甚至会造成TBM的损坏或隧道的事故,给隧道施工带来巨大的风险和损失。
因此,如何提前预测TBM卡机风险并及时预警,是TBM掘进技术领域亟待解决的技术问题。
发明内容
本发明实施例提供了一种TBM卡机预警方法、装置、电子设备及存储介质,以提前预测TBM的卡机风险并及时预警,保障TBM正常运行。
第一方面,本发明实施例提供了一种TBM卡机预警方法,包括:
实时获取围岩收敛特征,并将所述围岩收敛特征输入至预先训练好的收敛预测模型中,得到对应的围岩收敛曲线;所述围岩收敛曲线中包含不同时刻的围岩收敛距离;所述收敛预测模型基于不同的围岩收敛特征,以及对应的围岩收敛曲线训练得到;
获取当前时刻的围岩参数,并将当前时刻的围岩参数和当前时刻的围岩收敛距离,输入至预先训练好的坍塌预测模型中,得到下一时刻的预测坍塌量;所述坍塌预测模型基于同一时刻的围岩参数和围岩收敛距离,以及对应的下一时刻的坍塌量训练得到;
当所述下一时刻的预测坍塌量大于预设坍塌量时,确定下一时刻将发生刀盘卡机,并进行刀盘卡机预警。
在一种可能的实现方式中,在得到对应的围岩收敛曲线之后,还包括:
若对应的围岩收敛曲线中的最大围岩收敛距离大于或等于预设的安全收敛距离,则确定存在护盾卡机风险。
在一种可能的实现方式中,在确定下一时刻将发生刀盘卡机,并进行刀盘卡机预警之后,所述方法还包括:
获取预计掘进时间和预设停机时间;
计算所述预计掘进时间与所述预设停机时间的和,并将所述和确定为实际掘进时间;
基于所述围岩收敛曲线,确定围岩收敛距离达到所述预设的安全收敛距离时所需要的预计收敛时间;
检测所述预计收敛时间与所述实际掘进时间之间的大小关系;
若所述预计收敛时间小于或等于所述实际掘进时间,则确定将发生护盾卡机,并进行护盾卡机预警。
在一种可能的实现方式中,在检测所述预计收敛时间与所述实际掘进时间之间的大小关系之后,还包括:
若所述预计收敛时间大于所述实际掘进时间,则确定不发生护盾卡机。
在一种可能的实现方式中,在得到下一时刻的预测坍塌量之后,还包括:
当所述下一时刻的预测坍塌量小于或等于预设坍塌量时,确定下一时刻不发生刀盘卡机。
在一种可能的实现方式中,在得到围岩收敛曲线之后,还包括:
若围岩收敛曲线中的最大围岩收敛距离小于预设的安全收敛距离,则确定不存在护盾卡机风险。
在一种可能的实现方式中,在将所述围岩收敛特征输入至收敛预测模型中,对应得到当前时刻对应的围岩收敛曲线之前,还包括:
获取上一时刻的实际收敛距离;
将所述围岩收敛特征输入至预先训练好的收敛预测模型中,得到对应的围岩收敛曲线,包括:
基于上一时刻的实际收敛距离,调整所述收敛预测模型中的模型参数,得到新的收敛预测模型;
将所述围岩收敛特征输入至新的收敛预测模型中,得到对应的围岩收敛曲线。
第二方面,本发明实施例提供了一种TBM卡机预警装置,包括:
预测模块,用于实时获取围岩收敛特征,并将所述围岩收敛特征输入至预先训练好的收敛预测模型中,得到对应的围岩收敛曲线;所述围岩收敛曲线中包含不同时刻的围岩收敛距离;所述收敛预测模型基于不同的围岩收敛特征,以及对应的围岩收敛曲线训练得到;
所述预测模块,还用于获取当前时刻的围岩参数,并将当前时刻的围岩参数和当前时刻的围岩收敛距离,输入至预先训练好的坍塌预测模型中,得到下一时刻的预测坍塌量;所述坍塌预测模型基于同一时刻的围岩参数和围岩收敛距离,以及对应的下一时刻的坍塌量训练得到;
预警模块,用于当所述下一时刻的预测坍塌量大于预设坍塌量时,确定下一时刻将发生刀盘卡机,并进行刀盘卡机预警。
第三方面,本发明实施例提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施例提供一种TBM卡机预警方法、装置、电子设备及存储介质,通过在TBM掘进过程中实时获取的围岩收敛特征,可以对应预测围岩收敛曲线,基于围岩参数和围岩收敛曲线中的围岩收敛距离,可以预测下一时刻的预测坍塌量,进而根据预测坍塌量,来确定下一时刻是否发生刀盘卡机,从而实现在TBM掘进过程中实时进行刀盘卡机预警的目的,保障TBM正常工作。
另外,本发明实施例通过预先训练的收敛预测模型,可以基于围岩收敛特征预测围岩收敛曲线,并通过预先训练的坍塌预测模型,可以基于围岩参数和围岩收敛曲线中的围岩收敛距离,预测坍塌量,从而对TBM的掘进状态进行动态的评估,实现实时更新卡机预测结果的目的,提升卡机预警的精准度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的TBM卡机预警方法的实现流程图;
图2是本发明另一实施例提供的TBM卡机预警方法的实现流程图;
图3是本发明实施例提供的TBM卡机预警装置的结构示意图;
图4是本发明实施例提供的电子设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明人发现,采用TBM进行隧道掘进的过程中经常遇到刀盘卡机的问题,TBM卡机的问题不仅会影响TBM的正常工作,甚至还会造成TBM损坏以及隧道安全事故。
出于提前进行TBM卡机预警,以保障TBM正常工作的想法,本申请的实施方式中,通过在TBM的掘进过程中实时采集围岩特征,以预测输出围岩收敛曲线,基于围岩参数和围岩收敛曲线中的围岩收敛距离,可以预测下一时刻的预测坍塌量,进而根据预测坍塌量,来确定下一时刻是否发生刀盘卡机,从而实现在TBM掘进过程中实时进行刀盘卡机预警的目的,保障TBM正常工作。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
图1为本发明实施例提供的TBM卡机预警方法的实现流程图,详述如下:
步骤101,实时获取围岩收敛特征,并将围岩收敛特征输入至预先训练好的收敛预测模型中,得到对应的围岩收敛曲线。围岩收敛曲线中包含不同时刻的围岩收敛距离。收敛预测模型基于不同的围岩收敛特征,以及对应的围岩收敛曲线训练得到。
围岩收敛特征包括但不限于围岩的收敛速率以及围岩的收敛加速度等特征参数。上述围岩收敛特征可以通过在隧道壁上安装收敛计或应变计等仪器获取,也可以通过在TBM上安装位移传感器或压力传感器等仪器获取。
收敛预测模型可以为深度学习网络模型。例如,基于误差反向传播算法的人工神经网络(Radial Basis Function Neural Network,RBF)。RBF神经网络模型具有良好的非线性拟合能力和泛化能力,能够有效地模拟围岩的时效变形特性。本实施例可以基于历史施工阶段所采集的不同的围岩收敛特征,以及对应的围岩收敛曲线训练RBF神经网络模型,即可得到训练好的收敛预测模型。训练好的收敛预测模型用于根据输入的围岩收敛特征,对应输出围岩收敛曲线。其中,围岩收敛曲线为围岩收敛距离与掘进时间t之间的关系曲线。其中,围岩收敛距离指的围岩侧壁相对TBM的变形距离。即,初始掘进时刻围岩侧壁与TBM之间的距离,与当前时刻围岩侧壁与TBM之间的距离的差值。围岩收敛曲线反映了围岩的时效变形规律,用于表示围岩收敛变形的程度。
在一些实施例中,在将围岩收敛特征输入至收敛预测模型中,对应得到当前时刻对应的围岩收敛曲线之前,还可以包括:
获取上一时刻的实际收敛距离。
相应地,上述将围岩收敛特征输入至收敛预测模型中,得到对应的围岩收敛曲线,可以包括:
基于上一时刻的实际收敛距离,调整收敛预测模型中的模型参数,得到新的收敛预测模型。
将围岩收敛特征输入至新的收敛预测模型中,得到对应的围岩收敛曲线。
其中,实际收敛距离指的是TBM掘进过程中实际监测得到的围岩收敛距离。TBM的护盾上方可以设置微型声呐。微型声呐通过发射和接收声波,来获取TBM与围岩侧壁之间的距离。基于不同时刻下TBM与围岩侧壁之间的距离,即可确定不同时刻下围岩的实际收敛距离。
TBM在掘进过程中可以实时获取不同时刻下的围岩的实际收敛距离。本发明实施例每获取到一时刻的实际收敛距离时,基于该时刻的实际收敛距离与收敛预测模型所输出的围岩收敛曲线中对应时刻的围岩收敛距离之间的差异,确定收敛预测模型的损失函数的值,进而判断损失函数的值是否大于预设阈值,如果损失函数的值大于预设阈值,则调整收敛预测模型中的模型参数,重新训练收敛预测模型,直到损失函数的值小于或等于预设阈值,获得新的收敛预测模型。其中,上述预设阈值可以根据实际情况确定,如根据收敛预测模型输出的围岩收敛曲线中不同时刻的围岩收敛距离接近TBM掘进过程中对应时刻的实际收敛距离时的损失函数值确定。上述接近可以理解为围岩收敛曲线中的围岩收敛距离与实际收敛距离相差较小,如在设定范围内。
本发明实施例基于TBM掘进过程中所采集的实际收敛距离实时修正收敛预测模型的模型参数,从而提升收敛预测模型的预测精度。
步骤102,获取当前时刻的围岩参数,并将当前时刻的围岩参数和当前时刻的围岩收敛距离,输入至预先训练好的坍塌预测模型中,得到下一时刻的预测坍塌量。坍塌预测模型基于同一时刻的围岩参数和围岩收敛距离,以及对应的下一时刻的坍塌量训练得到。
本发明实施例中的围岩参数包括围岩类型和地质结构参数。其中,围岩类型可以包括围岩的岩性、密实度以及含水量等参数。围岩类型可以通过岩心试验以及地质勘探等方式获取,也可通过在TBM上安装岩性识别仪以及含水率仪等仪器获取。地质结构参数可以包括大变形、断裂破碎带以及软弱围岩等参数。地质结构参数可以通过地质图、钻孔记录以及地震波探测等方法获取,也可通过在TBM上安装的地质雷达和超声波探测仪等仪器获取。
本发明实施例采用有限元分析法仿真分析不同围岩收敛距离以及围岩参数,所对应的预测坍塌量,从而得到训练样本。基于训练样本训练坍塌预测模型,即可得到训练好的坍塌预测模型。训练好的坍塌预测模型用于根据当前时刻的围岩收敛距离和围岩参数,预测输出下一时刻的预测坍塌量。预测坍塌量指的是坍塌预测模型预测输出的下一时刻的围岩坍塌量。围岩坍塌量表示围岩在TBM掘进过程中的体积变化量,用于表示围岩的破坏程度。
步骤103,当下一时刻的预测坍塌量大于预设坍塌量时,确定下一时刻将发生刀盘卡机,并进行刀盘卡机预警。
可以理解的是,围岩坍塌量越大,在隧道掘进过程中所需的TBM的刀盘的扭矩越大。围岩坍塌量与所需的TBM的刀盘的扭矩之间存在对应关系。若TBM的刀盘的最大扭矩无法达到围岩坍塌量所需的刀盘的扭矩时,确定下一时刻将发生刀盘卡机。本发明实施例中的预测坍塌量可根据实际情况确定,例如,可以将TBM的刀盘的最大扭矩对应的围岩坍塌量确定为预设坍塌量。
在一些实施例中,在得到下一时刻的预测坍塌量之后,还可以包括:
当下一时刻的预测坍塌量小于或等于预设坍塌量时,确定下一时刻不发生刀盘卡机。
相比于现有技术,本发明实施例基于TBM掘进过程中实时获取的围岩收敛特征,可以对应预测围岩收敛曲线,基于围岩参数和围岩收敛曲线中的围岩收敛距离,可以预测下一时刻的预测坍塌量,进而根据预测坍塌量,来确定下一时刻是否发生刀盘卡机,从而实现在TBM掘进过程中实时进行刀盘卡机预警的目的,保障TBM正常工作。
另外,本发明实施例通过预先训练的收敛预测模型和坍塌预测模型,可以基于围岩收敛特征和围岩参数,可以预测更新围岩收敛变形曲线和预测坍塌量,从而对TBM的掘进状态进行动态的评估,实现实时更新卡机预测结果的目的,提升卡机预警的精准度。
在本实施例中,TBM卡机除上述刀盘卡机还存在护盾卡机的情况,护盾卡机是指TBM在掘进过程中,由于围岩的变形或坍塌,导致护盾与围岩之间的间隙缩小或消失,使得护盾无法正常旋转或推进,从而影响TBM的正常工作。因此,如何提前预测护盾卡机也是TBM掘进技术领域亟待解决的技术问题。
在一些实施例中,参见图2,在得到对应的围岩收敛曲线之后,上述方法还包括:
步骤201,若对应的围岩收敛曲线中的最大围岩收敛距离大于或等于预设的安全收敛距离,则确定存在护盾卡机风险。
最大围岩收敛距离即为围岩收敛曲线中不同时刻下的围岩收敛距离中的最大值。预设的安全收敛距离指的是不影响TBM正常工作的围岩收敛距离。本发明实施例中预设的安全收敛距离可以根据TBM的设计参数和围岩的力学性质确定。示例性地,预设的安全收敛距离可以为隧道直径的1%~2%。当围岩收敛距离大于或等于预设的安全收敛距离时,护盾发生卡机,无法继续掘进工作。
如上所述,围岩收敛曲线中包含不同时刻的围岩收敛距离。本发明实施例中,当所有不同时刻的围岩收敛距离中的最大值,即,最大围岩收敛距离,大于或等于预设的安全收敛距离时,确定存在护盾卡机的风险。
需要说明的是,本发明实施例在最大围岩收敛距离大于或等于预设的安全收敛距离时,确定TBM在后续的掘进过程中存在护盾卡机的风险。但至于TBM后续是否将发生护盾卡机,需进一步判断。
在一些实施例中,在得到围岩收敛曲线之后,还包括:
步骤202,若围岩收敛曲线中的最大围岩收敛距离小于预设的安全收敛距离,则确定不存在护盾卡机风险。
本发明实施例中,若最大围岩收敛距离小于预设的安全收敛距离,说明围岩收敛不会影响TBM的掘进工作,则确定不存在护盾卡机的风险。若不存在护盾卡机风险,则确定后续不会发生护盾卡机,无需进一步判断。
在一些实施例中,若确定存在护盾卡机风险,则在确定下一时刻将发生刀盘卡机,并进行刀盘卡机预警之后,或者,在确定下一时刻不发生刀盘卡机之后,方法还包括:
步骤203,获取预计掘进时间和预设停机时间。
预计掘进时间指的是TBM正常掘进所需的时间,即为隧道长度与TBM的掘进速度之间的比值。预设停机时间指的是TBM因刀盘卡机而无法行进的时间,用于表示刀盘卡机的持续时间。可以理解的是,若不发生刀盘卡机,则预设停机时间为0。
步骤204,计算预计掘进时间与预设停机时间的和,并将和确定为实际掘进时间。
预计掘进时间与预设停机时间的和,即为TBM的实际掘进时间。
步骤205,基于围岩收敛曲线,确定围岩收敛距离达到预设的安全收敛距离时所需要的预计收敛时间。
围岩收敛曲线中包含不同时刻的围岩收敛距离。其中,从0时刻起,到围岩收敛距离达到预设的安全收敛距离时所对应的时刻止,所对应的时间即为预计收敛时间。
步骤206,检测预计收敛时间与实际掘进时间之间的大小关系。
步骤207,若预计收敛时间小于或等于实际掘进时间,则确定将发生护盾卡机,并进行护盾卡机预警。
本发明实施例中,预计收敛时间小于或等于实际掘进时间,说明在TBM完成隧道掘进之前,围岩收敛距离将达到预设的安全收敛距离,确定将发生护盾卡机。
在一些实施例中,在检测预计收敛时间与实际掘进时间之间的大小关系之后,还包括:
步骤208,若预计收敛时间大于实际掘进时间,则确定不发生护盾卡机。
反之,若预计收敛时间大于实际掘进时间,则说明TBM不会因为围岩收敛导致TBM护盾卡机。
需要说明的是,若确定存在护盾卡机风险,则无论是否发生刀盘卡机,均需在得到刀盘卡机的预测结果之后,继续执行步骤203-208,用于预测是否发生护盾卡机。
本发明实施例采用实例验证上述TBM卡机预警方法的有效性,经验证,在TBM开始施工的1公里内,本发明实施例所提供的TBM卡机预警方法的准确率就可以大于或等于70%,且随着TBM的施工里程不断增加,该TBM卡机预警方法的准确率也不断增加。其中,TBM卡机预警方法的准确率为该TBM卡机预警方法预测的卡机次数与总卡机次数的比值。总卡机次数为未预测到的卡机次数与预测到的卡机次数的和。
本发明实施例基于围岩收敛曲线中的最大围岩收敛距离可以初步进行护盾卡机风险判断,并在确定存在护盾卡机风险时,基于预计掘进时间、预设停机时间以及预计收敛时间进一步确定是否将发生护盾卡机。其中,基于最大围岩收敛距离可以初步进行护盾卡机风险提示,从而简化后续的预警流程,节约计算资源。在确定存在护盾卡机风险后,基于预计掘进时间、预设停机时间以及预计收敛时间进一步确定是否将发生护盾卡机,可以有效提升护盾卡机的预警精度。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图3示出了本发明实施例提供的TBM卡机预警装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图3所示,TBM卡机预警装置3包括:预测模块31和预警模块32。
预测模块31,用于实时获取围岩收敛特征,并将围岩收敛特征输入至预先训练好的收敛预测模型中,得到对应的围岩收敛曲线;围岩收敛曲线中包含不同时刻的围岩收敛距离;收敛预测模型基于不同的围岩收敛特征,以及对应的围岩收敛曲线训练得到;
预测模块31,还用于获取当前时刻的围岩参数,并将当前时刻的围岩参数和当前时刻的围岩收敛距离,输入至预先训练好的坍塌预测模型中,得到下一时刻的预测坍塌量;坍塌预测模型基于同一时刻的围岩参数和围岩收敛距离,以及对应的下一时刻的坍塌量训练得到;
预警模块32,用于当下一时刻的预测坍塌量大于预设坍塌量时,确定下一时刻将发生刀盘卡机,并进行刀盘卡机预警。
在一种可能的实现方式中,预警模块32,还用于:
若对应的围岩收敛曲线中的最大围岩收敛距离大于或等于预设的安全收敛距离,则确定存在护盾卡机风险。
在一种可能的实现方式中,预警模块32,还用于:
获取预计掘进时间和预设停机时间;
计算预计掘进时间与预设停机时间的和,并将和确定为实际掘进时间;
基于围岩收敛曲线,确定围岩收敛距离达到预设的安全收敛距离时所需要的预计收敛时间;
检测预计收敛时间与实际掘进时间之间的大小关系;
若预计收敛时间小于或等于实际掘进时间,则确定将发生护盾卡机,并进行护盾卡机预警。
在一种可能的实现方式中,预警模块32,还用于:
若预计收敛时间大于实际掘进时间,则确定不发生护盾卡机。
在一种可能的实现方式中,预警模块32,还用于:
当下一时刻的预测坍塌量小于或等于预设坍塌量时,确定下一时刻不发生刀盘卡机。
在一种可能的实现方式中,预警模块32,还用于:
若围岩收敛曲线中的最大围岩收敛距离小于预设的安全收敛距离,则确定不存在护盾卡机风险。
在一种可能的实现方式中,预测模块31,还用于:
获取上一时刻的实际收敛距离;
相应地,预测模块31,具体用于:
基于上一时刻的实际收敛距离,调整收敛预测模型中的模型参数,得到新的收敛预测模型;
将围岩收敛特征输入至新的收敛预测模型中,对应得到当前时刻对应的围岩收敛曲线。
本发明实施例中的预测模块31基于TBM掘进过程中实时获取的围岩收敛特征,可以对应预测围岩收敛曲线,基于围岩参数和围岩收敛曲线中的围岩收敛距离,可以预测下一时刻的预测坍塌量,进而使得预警模块32可以根据预测坍塌量,来确定下一时刻是否发生刀盘卡机,从而实现在TBM掘进过程中实时进行刀盘卡机预警的目的,保障TBM正常工作。
另外,本发明实施例中预测模块31通过预先训练的收敛预测模型和坍塌预测模型,可以基于围岩收敛特征和围岩参数,可以预测更新围岩收敛变形曲线和预测坍塌量,从而对TBM的掘进状态进行动态的评估和调整,实现实时更新卡机预测结果的目的,提升卡机预警的精准度。
本发明实施例中的预警模块32基于围岩收敛曲线中的最大围岩收敛距离可以初步进行护盾卡机风险判断,并在确定存在护盾卡机风险时,基于预计掘进时间、预设停机时间以及预计收敛时间进一步确定是否将发生护盾卡机。其中,基于最大围岩收敛距离可以初步进行护盾卡机风险提示,从而简化后续的预警流程,节约计算资源。在确定存在护盾卡机风险后,基于预计掘进时间、预设停机时间以及预计收敛时间进一步确定是否将发生护盾卡机,可以有效提升护盾卡机的预警精度。
图4是本发明实施例提供的电子设备的示意图。如图4所示,该实施例的电子设备4包括:处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个TBM卡机预警方法实施例中的步骤,例如图1所示的步骤101至步骤103。或者,所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能,例如图3所示模块31至32的功能。
示例性的,所述计算机程序42可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器41中,并由所述处理器40执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序42在所述电子设备4中的执行过程。例如,所述计算机程序42可以被分割成图3所示的模块31至32。
所述电子设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述电子设备4可包括,但不仅限于,处理器40、存储器41。本领域技术人员可以理解,图4仅仅是电子设备4的示例,并不构成对电子设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述电子设备4的内部存储单元,例如电子设备4的硬盘或内存。所述存储器41也可以是所述电子设备4的外部存储设备,例如所述电子设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括所述电子设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个TBM卡机预警方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种TBM卡机预警方法,其特征在于,包括:
实时获取围岩收敛特征,并将所述围岩收敛特征输入至预先训练好的收敛预测模型中,得到对应的围岩收敛曲线;所述围岩收敛曲线中包含不同时刻的围岩收敛距离;所述收敛预测模型基于不同的围岩收敛特征,以及对应的围岩收敛曲线训练得到;
获取当前时刻的围岩参数,并将当前时刻的围岩参数和当前时刻的围岩收敛距离,输入至预先训练好的坍塌预测模型中,得到下一时刻的预测坍塌量;所述坍塌预测模型基于同一时刻的围岩参数和围岩收敛距离,以及对应的下一时刻的坍塌量训练得到;
当所述下一时刻的预测坍塌量大于预设坍塌量时,确定下一时刻将发生刀盘卡机,并进行刀盘卡机预警。
2.根据权利要求1所述的TBM卡机预警方法,其特征在于,在得到对应的围岩收敛曲线之后,还包括:
若对应的围岩收敛曲线中的最大围岩收敛距离大于或等于预设的安全收敛距离,则确定存在护盾卡机风险。
3.根据权利要求2所述的TBM卡机预警方法,其特征在于,在确定下一时刻将发生刀盘卡机,并进行刀盘卡机预警之后,所述方法还包括:
获取预计掘进时间和预设停机时间;
计算所述预计掘进时间与所述预设停机时间的和,并将所述和确定为实际掘进时间;
基于所述围岩收敛曲线,确定围岩收敛距离达到所述预设的安全收敛距离时所需要的预计收敛时间;
检测所述预计收敛时间与所述实际掘进时间之间的大小关系;
若所述预计收敛时间小于或等于所述实际掘进时间,则确定将发生护盾卡机,并进行护盾卡机预警。
4.根据权利要求3所述的TBM卡机预警方法,其特征在于,在检测所述预计收敛时间与所述实际掘进时间之间的大小关系之后,还包括:
若所述预计收敛时间大于所述实际掘进时间,则确定不发生护盾卡机。
5.根据权利要求1-4任一项所述的TBM卡机预警方法,其特征在于,在得到下一时刻的预测坍塌量之后,还包括:
当所述下一时刻的预测坍塌量小于或等于预设坍塌量时,确定下一时刻不发生刀盘卡机。
6.根据权利要求1-4任一项所述的TBM卡机预警方法,其特征在于,在得到围岩收敛曲线之后,还包括:
若围岩收敛曲线中的最大围岩收敛距离小于预设的安全收敛距离,则确定不存在护盾卡机风险。
7.根据权利要求1-4任一项所述的TBM卡机预警方法,其特征在于,在将所述围岩收敛特征输入至收敛预测模型中,对应得到当前时刻对应的围岩收敛曲线之前,还包括:
获取上一时刻的实际收敛距离;
将所述围岩收敛特征输入至预先训练好的收敛预测模型中,得到对应的围岩收敛曲线,包括:
基于上一时刻的实际收敛距离,调整所述收敛预测模型中的模型参数,得到新的收敛预测模型;
将所述围岩收敛特征输入至新的收敛预测模型中,得到对应的围岩收敛曲线。
8.一种TBM卡机预警装置,其特征在于,包括:
预测模块,用于实时获取围岩收敛特征,并将所述围岩收敛特征输入至预先训练好的收敛预测模型中,得到对应的围岩收敛曲线;所述围岩收敛曲线中包含不同时刻的围岩收敛距离;所述收敛预测模型基于不同的围岩收敛特征,以及对应的围岩收敛曲线训练得到;
所述预测模块,还用于获取当前时刻的围岩参数,并将当前时刻的围岩参数和当前时刻的围岩收敛距离,输入至预先训练好的坍塌预测模型中,得到下一时刻的预测坍塌量;所述坍塌预测模型基于同一时刻的围岩参数和围岩收敛距离,以及对应的下一时刻的坍塌量训练得到;
预警模块,用于当所述下一时刻的预测坍塌量大于预设坍塌量时,确定下一时刻将发生刀盘卡机,并进行刀盘卡机预警。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求1至7中任一项所述TBM卡机预警方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述TBM卡机预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410155891.1A CN117967335A (zh) | 2024-02-04 | 2024-02-04 | Tbm卡机预警方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410155891.1A CN117967335A (zh) | 2024-02-04 | 2024-02-04 | Tbm卡机预警方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117967335A true CN117967335A (zh) | 2024-05-03 |
Family
ID=90850975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410155891.1A Pending CN117967335A (zh) | 2024-02-04 | 2024-02-04 | Tbm卡机预警方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117967335A (zh) |
-
2024
- 2024-02-04 CN CN202410155891.1A patent/CN117967335A/zh active Pending
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 | |
CN112647965B (zh) | 一种适用于tbm掘进隧道实时预测卡机的方法及系统 | |
CN111175818B (zh) | Co2气驱前缘位置的判断方法及其模型训练方法、装置 | |
CN116128312B (zh) | 基于监测数据分析的大坝安全预警方法及系统 | |
US20170306726A1 (en) | Stuck pipe prediction | |
CN107587871A (zh) | 确定水平裂缝宽度的方法及装置 | |
CN116092269A (zh) | 一种隧道工程岩体灾害预警方法、装置及电子设备 | |
CN113960667A (zh) | 围岩质量预测方法、预测系统、计算机设备、介质及终端 | |
CN117967335A (zh) | Tbm卡机预警方法、装置、电子设备及存储介质 | |
CN115239108B (zh) | 一种基于tbm实时破岩数据的软弱破碎围岩感知方法 | |
CN112324505A (zh) | 一种承压水上采煤微震突水预警方法、装置及终端设备 | |
CN112541163A (zh) | 载荷谱数据的处理方法、装置及电子设备 | |
CN114966855B (zh) | 探测煤岩体高应力区的方法、装置、设备和介质 | |
CN115759351A (zh) | 泥水盾构掘进综合预警方法、系统及存储介质 | |
CN115142865A (zh) | 一种风化花岗岩地层tbm刀盘卡机预测方法及系统 | |
CN117371111B (zh) | 基于深度神经网络和数值仿真的tbm卡机预测系统及方法 | |
CN218481100U (zh) | 一种管道轨迹检测系统 | |
CN112100796A (zh) | 防止页岩气井中套管受损的钻井轨迹确定方法及装置 | |
CN113311426A (zh) | 一种用于确定滑坡发生概率的方法及系统 | |
US20240201415A1 (en) | Method and device for calibrating depth of optical fibre in well | |
CN114371503B (zh) | 震源定位方法、装置、电子设备及存储介质 | |
CN115387796A (zh) | 一种地层状态预警方法、装置、设备及存储介质 | |
CN113156504B (zh) | 一种地震波速度的确定方法及装置 | |
CN112485843B (zh) | 膏盐岩内溢流层的预测方法、装置及设备 | |
CN116415328A (zh) | 一种隧洞初次支护施作位置的计算方法及装置 |
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 |