[发明专利]一种基于人工神经网络获取围岩力学参数的装置及方法在审
申请号: | 201910511673.6 | 申请日: | 2019-06-13 |
公开(公告)号: | CN110359905A | 公开(公告)日: | 2019-10-22 |
发明(设计)人: | 丁万涛;陈瑞;刘克奇;侯铭垒;王杨;陈磊;史培贺;李明江 | 申请(专利权)人: | 山东大学 |
主分类号: | E21B49/00 | 分类号: | E21B49/00;E21B44/00;G06F17/50;G06N3/08 |
代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 陈晓敏 |
地址: | 250061 山东*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 动力设备 力学参数 围岩 钻进 数据存储系统 人工神经网络系统 人工神经网络 扭矩传感器 压力传感器 转速传感器 输出轴 钻杆 输出轴连接 侧部设置 模型试验 内在关系 数据储存 数据传输 钻夹头 传感器 固接 获知 土质 输出 分析 | ||
本发明公开了一种基于人工神经网络获取围岩力学参数的装置及方法,包括钻杆,钻杆通过钻夹头与动力设备输出轴连接,动力设备输出轴与动力设备固接;动力设备输出轴上设置转速传感器、扭矩传感器,动力设备侧部设置压力传感器,所述转速传感器、扭矩传感器和压力传感器均与数据存储系统连接,数据存储系统将数据传输至人工神经网络系统;利用各传感器对围岩的钻进数据进行测定,并将数据储存在数据存储系统中,同时结合模型试验获取所测围岩的土质力学参数,进而借助人工神经网络系统对钻进数据和力学参数的内在关系进行大量的训练分析,获取二者的最优关系,使得输出值为最优值,从而根据实际钻进操作中的钻进数据获知所钻进围岩的力学参数。
技术领域
本公开涉及岩土工程勘察领域,具体涉及一种基于人工神经网络获取围岩力学参数的装置及方法。
背景技术
随着我国经济的不断发展,基础性设施的建设显得尤为重要,而地下工程又是基础性建设中不可或缺的一部分。然而在地下工程的建设过程中存在着诸多问题,其中根据现场实际围岩环境选择相应的开挖和支护方案是诸多问题中最为显著的一个。
围岩力学参数的正确与否对于后期施工工期与支护成本的影响巨大,因此开发一种便捷、高效的测量方法意义重大。而传统的围岩力学参数测量方法需将现场围岩运输至实验室中进行进一步的试验分析,发明人发现,该过程不仅需要消耗大量的时间和成本,同时由于其缺乏现场实际环境的约束测得的数据的准确性难以保证。
人工神经网络是基于生物学中神经网络的基本原理,在理解和抽象了人脑结构和外界刺激响应机制后,以网络拓扑知识为理论基础,模拟人脑的神经系统对复杂信息的处理机制的一种数学模型。
发明内容
本公开目的是为克服上述现有技术的不足,提供一种基于人工神经网络获取围岩力学参数的装置及方法;该装置基于人工神经网络的原理实现人机交互,将冗杂的计算量交由计算机处理,在大量的训练分析后即可根据现场的钻进参数获取相应的围岩力学参数。
本公开的第一发明目的是提出一种基于人工神经网络获取围岩力学参数的装置,为实现上述目的,本公开采用下述技术方案:
一种基于人工神经网络获取围岩力学参数的装置,包括钻杆,钻杆通过钻夹头与动力设备输出轴连接,动力设备输出轴与动力设备固接;
所述动力设备输出轴上设置转速传感器、扭矩传感器,所述动力设备侧部设置压力传感器,所述转速传感器、扭矩传感器和压力传感器均与数据存储系统连接,数据存储系统将数据传输至人工神经网络系统;
利用各传感器对围岩的钻进数据进行测定,并将数据储存在数据存储系统中,同时结合模型试验获取所测围岩的土质力学参数,进而借助人工神经网络系统对钻进数据和力学参数的内在关系进行大量的训练分析,获取二者的最优关系,使得输出值为最优值,从而根据实际钻进操作中的钻进数据获知所钻进围岩的力学参数。
作为进一步的技术方案,所述钻夹头包括环状结构,环状结构内侧设置凸起状的卡钻头,环状结构外侧设置卡钻头开关,卡钻头开关与卡钻头连接。
作为进一步的技术方案,所述动力设备输出轴和钻杆之间设置有变速齿轮组,变速齿轮组通过联轴器与动力设备输出轴连接。
作为进一步的技术方案,所述动力设备与控制模块连接,控制模块用于控制动力设备的输出转速、扭矩及压力。动力设备可动态更改输出参数(转速、扭矩及压力)。
作为进一步的技术方案,所述动力设备、动力设备输出轴、数据存储系统、人工神经网络系统、变速齿轮组均设置于容置壳体内。
作为进一步的技术方案,所述容置壳体外侧设置数据显示器,数据显示器与人工神经网络系统连接。
作为进一步的技术方案,所述容置壳体外侧设置围岩分档调节装置,围岩分档调节装置与控制模块连接。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910511673.6/2.html,转载请声明来源钻瓜专利网。