基于线性回归和深度置信网络的TBM性能预测研究

发布时间：2020-04-02 04:08

【摘要】：随着全断面隧道掘进机(TBM)在我国的快速发展和广泛应用,TBM的安全高效掘进和智能控制显得越来越重要,而TBM性能的准确预测是实现安全高效掘进和智能控制的前提。但是由于地质条件多变,岩-机相互作用复杂,且TBM对地质条件极其敏感,所以,TBM性能预测一直是业内的难题,亟待解决。为了建立指标统一且简明易得、模型形式简单、能够实时连续预测且高精度的TBM性能预测模型,本文依托吉林引松供水隧洞工程,借助中铁装备TBM云管理平台,根据大量施工现场实测数据,运用线性回归法总结出了 TBM整机现场破岩掘进规律及围岩性质参数对其的影响,并在此基础上建立了一个包含岩石参数和机械参数的TBM性能预测模型。同时,为了解决TBM机械数据挖掘深度不够和传统数学分析工具能力有限的问题,引入了深度置信网络DBN,并对其进行高斯分布输入特征值优化,在此基础上提出了一种了基于历史掘进位移序列数据和DBN模型的TBM性能预测方法。本文采用实验法确定了 DBN的最优网络结构,分别建立了 TBM在闪长岩洞段、灰岩洞段和花岗岩洞段的贯入指数FPI和滚动指数TPI的预测模型,并对预测模型在不同岩性和不同围岩级别下的有效性进行了验证,最后对DBN模型和传统的BP网络模型进行了对比分析。本文得到的结论如下:(1)TBM刀盘破岩分为挤压、起裂和破碎三个阶段,破碎阶段刀盘贯入度增长快,为有效破岩阶段。破碎阶段刀盘贯入度随刀盘推力增大呈幂函数增长,增长率与岩石饱和单轴抗压强度、岩体完整性系数呈复杂的对数关系;刀盘贯入度随刀盘扭矩加大呈线性增长,增长率随岩石饱和单轴抗压强度、岩体完整性系数增加而线性降低;刀盘贯入度与贯入指数FPI呈幂函数关系;同一贯入度下,围岩质量越好,贯入指数FPI和滚动指数TPI越高。(2)基于历史掘进位移序列数据的DBN模型用于TBM性能预测是有效的、高精度的,可实现实时、连续预测。DBN模型在闪长岩、灰岩和花岗岩洞段的预测结果平均相对误差均在20%以内,大部分小于15%,除少部分花岗岩洞段拟合度位于0.5～0.7之间,拟合度均高于0.8。(3)DBN模型相对于传统的BP网络模型在TBM性能预测方面普遍更具优势,不同岩石种类,不同围岩级别和不同的性能指标,在误差、拟合度和趋势预测准确率方面优越程度不一样。(4)TBM性能预测模型应根据掘进过程获取的岩石信息和机械信息的实际情况,合理选择建模参数和方法,在统计回归等传统方法上更多地引入神经网络等智能方法,提高模型预测精度,以更好地对地质条件进行预判和反馈,指导TBM施工。
【图文】：

示意图,示意图,渣料,超前钻探

单护盾ＴＢＭ邋—般用于软弱围岩为主、岩体抗压强度较低的地层，双护盾ＴＢＭ在软岩、逡逑硬岩及软硬交互地层均能适用。ＴＢＭ系统包括主机系统和后配套系统，总长度一般位于逡逑１５０？４００ｒａ，图１．１为典型的ＴＢＭ构造示意图。主机系统用于破碎岩石和输出渣料，以及逡逑超前钻探、挂网锚固等，由刀盘系统、超前钻探系统、导向系统、驱动系统、传动系统、逡逑支撑和推进系统组成，？后配套用于运输渣料和建材、衬砌支护、灌浆加固、通风照明等，逡逑由司机操作室、支护系统、变配电系统、渣料和建材运输系统、隧道照明和通风系统、通逡逑讯系统等组成。ＴＢＭ综合了土木工程、计算机科学、新材料技术、自动化技术、信息化逡逑技术、系统科学、管理科学等高新技术，具有开挖迅速、连续操作、较少的岩石破坏和支逡逑护、岩渣均匀、施工安全、自动控制以及环保等优点。据统计，与传统钻爆法相比，ＴＢＭ逡逑掘进效率是前者的３？１０倍，在长、大、深埋隧道工程施工中，显示出明显的技术和经济逡逑优势，因此，越来越多的ＴＢＭ被应用到交通、水利、矿山等重大工程（王梦恕等，２００４）。逡逑图１．１邋ＴＢＭ示意图逡逑１．１．１邋ＴＢＭ的发展与应用逡逑１８５１年，世界上第一台ＴＢＭ诞生于美国，，由Ｃｈａｒｌｅｓ邋Ｗｉｌｓｏｎ设计完成，但由于当时逡逑Ｉ逡逑

技术路线图,机械信息,岩石参数,混合云

第Ｉ章绪论逡逑深度置信网络，建立ＴＢＭ性能预测智能模型。在实际施工过程中，可根据获取的围岩和逡逑机械信息，合理选择两种模型，实现良好互补。具体技术路线如图１．２所示。逡逑吉林引松供水逡逑工程ＴＢＭ３标段逡逑逦｜ＴＢＭ混合云管理平台逡逑岩石参数邋逦逡逑＾￣机《参数逦机滕数￣｜逡逑多元线性回归｜逦｜深度置＾网络｜逦＋邋｜￣￣ＢＰ网络逡逑１逦Ｉ逡逑整机现场￣［历史掘进位移逡逑掘进规律邋＼逦＋逦序列数据逡逑
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TV554

【参考文献】