[发明专利]基于数据驱动径向基函数模型的TBM推进力预测方法

说明书

本发明公开了一种基于数据驱动径向基函数模型的TBM推进力预测方法，具有如下步骤：S1、收集TBM掘进过程中现场所记录的数据；S2、确定影响TBM推进力的有关变量因子；S3、构建径向基函数推进力模型；S4、得出对推进力有主要影响的因子；S5、进行对推进力有主要影响的因子进行再次构建径向基函数推进力模型；S6、预测样本集输入到径向基函数推进力模型，得出预测结果；S7、对预测结果采用相对误差来进行评价，并对其相对误差运用统计分析方法，得出预测的评价准则和结果。本发明提出了一种对TBM施工现场数据处理方法，使记录的数据得到充分的利用，得到记录数据与推进力之间的关系，为TBM在掘进过程调控提供参考，保证TBM正常高效的运行。

技术领域

本发明涉及隧道掘进机技术领域，具体的说涉及一种基于数据驱动径向基函数模型的TBM推进力预测方法。

背景技术

硬岩隧道掘进已经成为各类隧道掘进的一般方式，全断面岩石隧道掘进机(Tunnel boring machine，TBM)被用于不同的地质条件下的隧道掘进，同时要求其具有更高的效率和合理的动力进行掘进。在TBM掘进过程中，掘进载荷中的推进力是一个很重的参数，它对刀盘上刀具的寿命，结构的优化设计，掘进效率的提高，整体的经济成本估计有很大影响。同时随着装备制造领域“信息化、智能化”技术的发展，“预测”功能正在成为装备制造中的核心技术，它能够有效地推理并预估装备中的关键参数，是优化设计与智能控制的重要基础。所以TBM在掘进过程时，对其推进力的预测就显得尤为重要。

TBM施工过程中的传感器和检测设备，可以提供广泛的实时质量测量数据，其中包括设备运行过程中关键控制变量信息，例如掘进速度，贯入度，撑靴压力等。而确定这些影响因素和推进力的内在联系，建立一个能反映固有规律的推进力模型对TBM设备的设计，控制和安全运行具有重要意义。TBM在施工过程中，根据现场所记录的施工数据，运用所建立的推进力模型，来预测其掘进过程中的推进力，将使得记录的数据被有效利用，以及为即将掘进的地段做出调整控制。

发明内容

根据上述提出的技术问题，而提供一种基于数据驱动径向基函数模型的TBM推进力预测方法。本发明采用的技术手段如下：

一种基于数据驱动径向基函数模型的TBM推进力预测方法，具有如下步骤：

S1、收集TBM掘进过程中现场所记录的数据；

S2、确定影响TBM推进力的有关变量因子，建立变量因子的样本数据集作为训练集；

S3、构建径向基函数推进力模型，输入训练集，对径向基函数推进力模型进行训练，得出其权重；

S4、根据径向基函数推进力模型，运用估计样本均值和样本标准差方法，得出对推进力有主要影响的因子；

S5、根据得到的对推进力有主要影响的因子和训练集，进行对推进力有主要影响的因子进行再次构建径向基函数推进力模型，其中，对推进力有主要影响的因子的80％的数据作为建模样本，20％作为检测样本，进行简单交叉验证，确定径向基函数推进力模型的精度；

S6、将一个掘进周期中待预测的对推进力有主要影响的因子的样本集作为预测样本集，输入到径向基函数推进力模型，得出预测结果；

S7、对预测结果采用相对误差来进行评价，并对其相对误差运用统计分析方法，得出预测的评价准则和结果；

S8、在TBM掘进过程中，将产生新的对推进力有主要影响因子的数据，与上一掘进周期中的得到的对推进力有主要影响因子的数据，重新构建新的训练集，再次构建径向基函数推进力模型，重复步骤S6至步骤S8，使径向基函数推进力模型具有一定的动态学习能力，形成一边掘进一边进行预测推进力的预测模型。

所述步骤S1的具体步骤如下：TBM掘进周期的划分，识别每一个掘进周期中的有效数据，完成对掘进周期的识别，将其每一个掘进周期中的数据进行统一数据格式。