[发明专利]一种适用于TBM掘进隧道实时预测卡机的方法及系统

权利要求书

1.一种适用于TBM掘进隧道实时预测卡机的方法，其特征是：包括以下步骤：

(1)通过施作TSP获取TBM前方实测TSP物性参数，作为评判TBM隧道掌子面前方围岩稳定性的岩体参数指标；

(2)分析获取的TSP物性参数取值范围和变化趋势，初步推测掌子面前方隧道围岩地质的实际状况；

(3)将超前地质探测获取的TSP物性参数值和推测结果进行存储记录，同时对隧道开挖所揭露的围岩条件、是否塌方、是否卡机进行存储记录，建立TBM隧道TSP物性参数样本数据库；

(4)通过BP神经网络建立TSP物性参数与是否卡机的映射关系，通过样本数据库对模型进行训练，获得TBM隧道掌子面前方设定里程范围内是否发生卡机的预测结果，结合推测结果，综合进行判断；

(5)建立TBM掘进参数样本数据库，实时记录当前掘进里程处的掘进参数值和是否塌方卡机的情况，通过长短期记忆神经网络LSTM建立掘进参数时序值与是否卡机之间的映射关系，实时预测TBM刀盘近前方是否发生卡机；

(6)结合推测结果、BP神经网络预测结果、LSTM网络预测结果对TBM卡机风险进行实时预报，并将部分典型卡机段数据存入典型样本数据库。

2.如权利要求1所述的一种适用于TBM掘进隧道实时预测卡机的方法，其特征是：所述步骤(1)中所获取的TBM前方实测TSP物性参数包括横纵波速度、泊松比、静态弹性模量、杨氏模量、波阻抗。

3.如权利要求2所述的一种适用于TBM掘进隧道实时预测卡机的方法，其特征是：实测TSP物性参数是由固定在刀盘上的检波器所采集并经过相关处理得到的。

4.如权利要求1所述的一种适用于TBM掘进隧道实时预测卡机的方法，其特征是：所述步骤(2)中评判指标为：岩体含水率较高时，横波速度会减小，导致泊松比增大，其变化趋势可作为岩石含水的判断依据，另外根据围岩泊松比与动态杨氏模量的相关性或变化趋势可以判断岩石完整性。

5.如权利要求1所述的一种适用于TBM掘进隧道实时预测卡机的方法，其特征是：所述步骤(3)所建立TBM隧道TSP物性参数样本数据库，是基于当前隧道卡机段TBM物性参数经过筛选并剔除明显不合适的数据而得到的。

6.如权利要求1所述的一种适用于TBM掘进隧道实时预测卡机的方法，其特征是：所述步骤(4)中BP神经网络通过反复训练并不断调整神经网络的训练参数直至检验数据的准确率达到目标要求，得到BP神经网络分类器，进行模式识别并做出判别是否卡机的决策。

7.如权利要求1所述的一种适用于TBM掘进隧道实时预测卡机的方法，其特征是：所述步骤(6)所述典型样本数据库存储相应里程的TSP物性参数、掘进参数、是否卡机信息，将一直作为模型训练样本，保证训练出来的模型具有较高的可信度。

8.一种适用于TBM掘进隧道实时预测卡机的系统，其特征是，包括：

第一模块，通过施作TSP获取TBM前方实测TSP物性参数，作为评判TBM隧道掌子面前方围岩稳定性的岩体参数指标；

第二模块，分析获取的TSP物性参数取值范围和变化趋势，初步推测掌子面前方隧道围岩地质的实际状况；

第三模块，将超前地质探测获取的TSP物性参数值和推测结果进行存储记录，同时对隧道开挖所揭露的围岩条件、是否塌方、是否卡机进行存储记录，建立TBM隧道TSP物性参数样本数据库；

第四模块，通过BP神经网络建立TSP物性参数与是否卡机的映射关系，通过样本数据库对模型进行训练，获得TBM隧道掌子面前方一定里程范围内是否发生卡机的预测结果，结合推测结果，综合进行判断；

第五模块，建立TBM掘进参数样本数据库，实时记录当前掘进里程处的掘进参数值和是否塌方卡机的情况，通过长短期记忆神经网络LSTM建立掘进参数时序值与是否卡机之间的映射关系，实时预测TBM刀盘近前方是否发生卡机；

第六模块，结合推测结果、BP神经网络预测结果、LSTM网络预测结果对TBM卡机风险进行实时预报，并将部分典型卡机段数据存入典型样本数据库。