[发明专利]一种基于LSTM算法的TBM掘进参数的预测方法

说明书

本发明公开了一种基于LSTM算法的TBM掘进参数预测方法，主要包含了TBM掘进参数预测业务建模、TBM掘进过程的上升阶段和稳定阶段分离算法和TBM施工稳定段掘进参数预测方法三部分。本发明具有如下有益效果：利用LSTM作为预测模型算法，建立一种可以全自动、实时的TBM施工稳定段掘进参数预测方法，根据上升阶段预测稳定阶段刀盘转速n、推进速度v，为TBM司机提供后续操作参数建议，提高盾构行业施工信息化、智能化的水平。

技术领域

本发明涉及隧道TBM掘进施工技术领域，尤其是涉及一种基于LSTM算法的TBM掘进参数的预测方法。

背景技术

TBM作为轨道交通、水利工程、公路铁路等领域隧道施工的关键设备，在我国轨道建设中发挥着重要作用。TBM进行隧洞施工具有自动化程度高、节省人力、施工速度快、一次成洞、不受气候影响、开挖时可控制地面沉降、减少对地面建筑物的影响和在水下开挖时不影响地面交通等特点，所以在隧道施工建设方面拥有较大优势，未来必将迎来地下工程建设的高潮，TBM数量会逐年稳步增长，TBM作为隧道掘进设备也将会随着地下空间的大开发而大面积推广使用。

然而TBM施工作为高风险、高投资、高价值的隧道施工项目，一旦发生安全事故，必将造成施工单位重大经济财产损失、危及人身安全，直接影响企业的经济运行，造成不良社会影响。TBM施工面临最大的问题就是没有一种智能化方法提供TBM施工掘进参数的参考，无法形成专家库或经验库为施工做指导，安全、质量与工期等难以保障。

此时急需一种盾构TBM掘进参数预测方法来预测TBM施工稳定段的掘进参数，用于指导TBM司机以合理的掘进参数进行施工，减少重大事故的发生，保护人民的生命和财产不受损失，同时提高盾构TBM掘进的数据化和智能化水平。

发明内容

本发明为了克服现有技术中没有智能化的方法提供TBM施工掘进参数进行参考，无法形成专家库或经验库为施工做指导，安全、质量与工期等难以保障的问题，提出一种基于LSTM算法的TBM掘进参数的预测方法。

为了实现上述目的，本发明采用了以下技术方案：

一种基于LSTM算法的TBM掘进参数的预测方法，包括以下步骤：

(1-1)选择关键参数：TBM施工掘进过程关键参数包括刀盘转速n(单位rpm)、推进速度v(单位mm/min)、总推进力F(单位kN)、刀盘扭矩T(单位kN·m)、围岩性质和围岩等级，选取n、v、F、T和围岩性质、围岩等级作为训练特征建模。

(1-2)通过RSPRA算法自动分离TBM掘进过程的上升阶段和稳定阶段；

(1-3)利用LSTM算法和总推力F、刀盘扭矩T、刀盘转速n、推进速度v、围岩性质、围岩等级训练模型，预测TBM施工稳定段掘进参数；

(1-4)用关键参数的平均准确度评价预测结果。

作为优选，步骤(1-2)包括如下步骤：

(2-1)在刀盘转速n＝0并且推进速度v＝0的条件下，对推进速度v计算窗口均值平滑，然后求差分，根据差分值判断上升阶段的状态；

(2-2)判断上升阶段是否为有效上升段，确定稳定段；

(2-3)对稳定段数据，按掘进段(桩号)计算F、T、n和v的平均值。

作为优选，步骤(2-2)包括如下步骤：

(3-1)若差分值由非正数变为正数，上升阶段开始；

(3-2)若差分值由正数变为负数，则上升阶段结束。

作为优选，步骤(2-3)包括如下步骤：

(4-1)上升阶段结束后，处于稳定状态，则上升段有效，其后稳定的时间段即是稳定段，形成RSP；