[发明专利]一种基于LSTM的盾构机故障预测方法

说明书

本发明公开了一种基于LSTM的盾构机故障预测方法。本发明从实际的盾构施工实践出发，针对盾构施工中多个子系统同时存在故障的问题，建立了基于LSTM的盾构系统故障多标签预测模型，利用施工时序数据进行盾构系统故障的预测。该模型能够自动识别施工时序数据中的隐含知识，挖掘盾构系统发生故障的规律，不需要人工分析施工数据之间的相互联系，极大地简化了故障预测过程，帮助施工人员及时预警系统故障，合理进行盾构掘进操作。

技术领域

本发明涉及一种基于LSTM的盾构机故障预测方法。

背景技术

盾构机是在可移动钢结构护盾掩护下完成开挖、排碴、衬砌等掘进作业的光机电液一体化大型复杂装备，因其相对安全、高效经济，以及对外部环境影响小等特点，自其诞生以来就被广泛应用于各类隧道和地下工程建设。由于系统构成的复杂性以及施工时所处的恶劣环境，盾构机在施工过程中经常会发生各种故障。这些故障不但会影响项目进程、造成经济损失，严重时还会危及到施工人员及工地周边的安全。

随着大数据技术的发展，一些企业通过构建盾构大数据云平台采集和存储了盾构施工的全过程数据，包括盾构机本身的运行参数、故障报警数据、工程进度数据、地质水文数据等等，积累了海量的盾构施工数据。因此越来越多的专家学者开始利用盾构施工大数据进行分析，期望从施工参数中发现故障发生的规律和提高施工质量的理论和方法。

发明内容

本发明的目的是，针对上述问题，提出了一个利用长短期记忆网络(Long-ShortTerm Memory，LSTM)对盾构施工序列数据和盾构机施工故障之间的关系进行监督学习，利用盾构施工序列数据对将要出现盾构故障进行预测的方法。

本发明的技术方案是，一种基于LSTM的盾构机故障预测方法，包括：

(1)获取原始盾构施工数据、外部环境数据、盾构机施工故障数据。

(2)数据预处理。该步骤如图1所示：

2.1)数据清理

对于缺失值，若该参数的全部数据缺失，则删除该参数。若该参数的部分数据缺失，则根据该参数的实际分布情况用相应的统计值补全空值；对于重复数据，删除重复数据；对于异常值，考虑异常值可能与系统故障存在关联，因此保留异常值。

2.2)施工数据集成

风险源数据和地质数据可以据根据起始和结束环号与盾构施工数据进行关联，得到集成了多源信息的盾构施工数据，利用该数据进行盾构施工故障的预测。

2.3)盾构故障标签标注。

首先根据盾构机施工故障数据，统计盾构施工过程中的子系统故障，对盾构子系统故障进行故障标签编码。然后根据时间字段，利用盾构机施工故障数据对施工数据进行盾构故障标签标注，每个故障标签对应的值为“1”和“0”，其中“1”表示该发生该故障，“0”表示没有发生该故障。

2.4)平衡数据集正负标签