基于Matlab的BP神经网络在预测TBM掘进速度中的应用

发布时间：2018-03-23 16:39

  本文选题：TBM掘进速度　切入点：预测　出处：《现代隧道技术》2017年05期

【摘要】：TBM的掘进效率受围岩特征和机器设备性能的影响,预测TBM的掘进速度需要考虑这两方面因素。由于地质环境具有不确定性,文章分别采用正态分布和指数分布模拟岩石单轴抗压强度UCS和岩石质量指标RQD的统计分布规律,利用Monte Carlo算法生成相应的随机输入参数;在考虑机器设备性能因素时,通过净推力和刀盘直径的比值,消除了不同机器设备之间性能因素的影响差异;基于围岩和机器性能两方面输入参数,在Matlab软件中建立了预测TBM掘进贯入度的BP神经网络模型。通过工程实例验证,模型的预测结果和实际情况比较接近。
[Abstract]:The tunneling efficiency of TBM is affected by the characteristics of surrounding rock and the performance of machinery and equipment. It is necessary to consider these two factors to predict the tunneling speed of TBM. In this paper, the statistical distribution of uniaxial compressive strength (UCS) and rock quality index (RQD) are simulated by normal distribution and exponential distribution respectively, and the corresponding random input parameters are generated by Monte Carlo algorithm. Through the ratio of net thrust and cutter head diameter, the difference of performance factors between different machines and equipments is eliminated, and based on the input parameters of surrounding rock and machine performance, A BP neural network model for predicting the penetration of TBM tunneling is established in Matlab software.
【作者单位】： 长安大学建筑工程学院;长安大学地下结构与工程研究所;
【基金】：陕西省自然科学基金项目(2016JM4103,2016JM4019) 中央高校基本科研业务费专项资金(310828163409)
【分类号】：TP183;U455.4

【相似文献】

相关期刊论文 前10条

1 茅承觉;;我国全断面岩石掘进机(TBM)发展的回顾与思考[J];建设机械技术与管理;2008年05期

2 唐竞;全断面隧道掘进机(TBM)[J];科技情报开发与经济;2001年03期

3 邵先胜;沈正伟;李之波;;基于BP神经网络的沥青路面使用性能评价模型[J];河南科技;2011年06期

4 陈建;;全断面岩石掘进机(TBM)开挖刀具的管理探讨[J];隧道建设;2007年04期

5 崔原,刘军;秦岭Ⅰ线隧道北口施工对TBM设备管理的几点体会[J];建筑机械;2000年07期

6 陈君;李聪颖;丁光明;;基于BP神经网络的高速公路交通安全评价[J];同济大学学报(自然科学版);2008年07期

7 樊海玮;张国翊;丁爱玲;谢昌荣;徐婷;;BP改进算法及其在路面裂缝检测中的应用[J];长安大学学报(自然科学版);2010年01期

8 马黎;赵丽红;傅惠;;基于BP神经网络的交通异常事件自动检测算法[J];交通科技与经济;2010年06期

9 万毅;全断面隧道掘进机(TBM)切割圈的研制[J];江西冶金;2002年05期

10 徐杏,史喜军;深圳港基于BP神经网络的集装箱预测模型[J];河海大学学报(自然科学版);2002年04期

相关会议论文 前9条

1 曾元一;翁世梁;朱正珏;;坪林主隧道大断面TBM之施工规划[A];海峡两岸土力学及基础工程地工技术学术研讨会论文集[C];1994年

2 曾元一;翁世梁;朱正珏;;全断面隧道钻掘机(TBM)于软弱岩层之施工[A];海峡两岸土力学及基础工程地工技术学术研讨会论文集[C];1994年

3 黄平华;;盾构及TBM设备监造的实践与探索[A];中国中铁隧道集团2007年水底隧道专题技术交流大会论文集[C];2007年

4 李建华;吕瑞虎;李文俊;;TBM(盾构)技术应用现状及几个主要技术关键的探讨[A];2012年中铁隧道集团低碳环保优质工程修建技术专题交流会论文集[C];2012年

5 康斌;;长距离单护盾TBM掘进凹凸面球窝自锁结构管片安装错台控制技术[A];2012年中铁隧道集团低碳环保优质工程修建技术专题交流会论文集[C];2012年

6 焦金星;赵建辉;王福钊;;基于BP神经网络的交通标志识别算法研究[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

7 唐烈先;唐春安;黄满斌;徐奴文;;TBM掘进隧洞岩爆实时监测系统的构建[A];和谐地球上的水工岩石力学——第三届全国水工岩石力学学术会议论文集[C];2010年

8 傅佳;胡绍海;;基于LM算法的BP神经网络的拥堵预测[A];全国第一届信号处理学术会议暨中国高科技产业化研究会信号处理分会筹备工作委员会第三次工作会议专刊[C];2007年

9 ;印度喜马拉雅山脉首条TBM隧道贯通[A];第十三届海峡两岸隧道与地下工程学术及技术研讨会论文集[C];2014年

相关重要报纸文章 前1条

1 通讯员 王孟霞;CCS获BP的CAP资格认可[N];中国船舶报;2013年

相关博士学位论文 前1条

1 张寒冰;TBM支撑—推进—换步系统建模与同步控制研究[D];天津大学;2016年

相关硕士学位论文 前10条

1 纪珊珊;长大隧道开敞式TBM掘进性能及刀具损耗规律研究[D];石家庄铁道大学;2015年

2 李荣鑫;TBM机头架焊接数值模拟与接头金相组织分析[D];郑州大学;2016年

3 王子谦;TBM支撑推进换步机液系统数字仿真分析[D];天津大学;2014年

4 张爱强;TBM主减速器耦合动力学特性分析的轴系单元法及其实验研究[D];大连理工大学;2016年

5 林文凯;铁路隧道围岩蠕变对TBM圆形衬砌力学特性的影响研究[D];西南交通大学;2017年

6 陈青梅;TBM支撑—推进—换步机构动力学特性分析[D];天津大学;2016年

7 肖启俊;基于BP神经网络的船舶价格评估方法研究[D];上海交通大学;2013年

8 延艳彬;双护盾TBM掘进速度影响因素研究[D];甘肃农业大学;2016年

9 程怀舟;基于钻机的TBM隧洞施工超前地质预报系统开发研究[D];武汉大学;2005年

10 段闪闪;TBM撑靴系统关键件异形轴的研究[D];郑州大学;2014年

，

本文编号：1654293