[发明专利]基于深度学习的泥水盾构滚刀磨损量实时确定方法及终端

权利要求书

1.一种基于深度学习的泥水盾构滚刀磨损量实时确定方法，其特征在于，包括：

S1，测量泥水盾构某安装位置处滚刀更换时的累计磨损量；

S2，确定S1中累计磨损量所对应的滚刀实际工作时间；

S3，结合施工现场的地层均匀性系数，根据所述累计磨损量和所述实际工作时间之间的关系建立滚刀寿命评价标准；

S4，建立滚刀磨损参数集，对磨损参数集和滚刀寿命评价标准集进行归一化处理，其中，所述滚刀磨损参数集是指盾构施工中影响滚刀磨损的掘进参数随时间变化的数据样本；

S5，建立CNN-GRU深度学习网络模型，并确定模型参数；

S6，将S4的滚刀磨损参数集和滚刀寿命评价标准输入CNN-GRU深度学习网络模型，并利用优化器更新模型训练参数；

S7，重复S6直至CNN-GRU深度学习网络模型达到设定的迭代次数，输出滚刀磨损量预测值。

2.根据权利要求1所述的基于深度学习的泥水盾构滚刀磨损量实时确定方法，其特征在于，所述实际工作时间，是指某安装位置处滚刀在盾构掘进过程中与地层相互作用的时间，通过下式确定：

式中，t_w表示滚刀实际工作时间；t_i表示第i次磨损量记录与第i-1次磨损量记录区段内滚刀与地层相互作用时间；n表示滚刀磨损量记录的次数。

3.根据权利要求2所述的基于深度学习的泥水盾构滚刀磨损量实时确定方法，其特征在于，所述滚刀与地层相互作用时间t_i，通过以下步骤确定：

S201，过滤滚刀第i次磨损量记录与第i-1次磨损量记录区段内盾构机非工作时间；

S202，过滤滚刀第i次磨损量记录与第i-1次磨损量记录区段内盾构机每环掘进过程中的起始段和结束段数据，保留稳定掘进段数据；

S203，滚刀与地层相互作用时间t_i等于经过S201和S202处理后，滚刀的第i次磨损量记录与第i-1次磨损量记录区段内剩余的数据样本量，该剩余的数据样本量对应的时间为滚刀与地层相互作用时间t_i。

4.根据权利要求3所述的基于深度学习的泥水盾构滚刀磨损量实时确定方法，其特征在于，所述盾构机非工作时间，通过下式确定：

F＝f(AR)×f(PE)×f(CRS)

式中，F值为零表示盾构机处于非工作状态，AR为掘进速度，PE为贯入度，CRS为刀盘转速，f(x)为判断掘进速度、贯入度、刀盘转速中是否包含零值的函数，如下式所示：

5.根据权利要求3所述的基于深度学习的泥水盾构滚刀磨损量实时确定方法，其特征在于，所述稳定阶段数据所满足的标准通过下式确定：

式中，为掘进第k环过程中变量j的平均值；为掘进第k环过程中变量j的标准差；g_j为盾构机每环稳定掘进段数据中变量j的值；m为掘进环数；PR为贯入度；TF为盾构推力；TO为盾构刀盘扭矩；CRS为盾构刀盘转速。

6.根据权利要求1所述的基于深度学习的泥水盾构滚刀磨损量实时确定方法，其特征在于，所述滚刀寿命评价标准由下式确定：

CL＝W_a/(β·t_w)

式中，CL为滚刀寿命评价标准，单位为mm/min；W_a为滚刀的累计磨损量，单位为mm；β为地层均匀性系数，取1或1.5，地层均匀取1，地层不均匀取1.5；t_w为滚刀的累计磨损量所对应的工作时间，单位为min。

7.根据权利要求1所述的基于深度学习的泥水盾构滚刀磨损量实时确定方法，其特征在于，所述归一化处理是指将滚刀磨损参数集进行无量纲化处理，归一化公式如下式所示：

X为归一化处理后的数据样本；x_min和x_max分别为滚刀磨损参数集中变量的最小和最大值；x为原数据样本。