[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

说明书

本发明提供一种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，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，确定累计磨损量所对应的滚刀实际工作时间；S3，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；S5，建立CNN‑GRU深度学习网络模型，并确定模型参数；S6，将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直至模型达到迭代次数，并输出滚刀磨损量预测值。本发明实现对盾构掘进过程中某单把滚刀磨损量的实时预测，提高预测结果的准确性和可靠性。

技术领域

本发明涉及隧道施工领域，具体地，涉及一种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。

背景技术

盾构法是地下隧道建设常采用的方法之一。盾构机刀盘前方的滚刀在盾构推力和刀盘扭矩作用下旋转切割地层，并将开挖后的渣土通过渣土车转移出隧道，从而达到隧道开挖的目的。随着盾构机向前掘进，滚刀不可避免的发生磨损，导致盾构掘进效率的降低。在硬岩地层中施工时，滚刀磨损严重还将大幅增加盾构机卡顿的风险，进而影响施工工期，增加施工成本。因此，需要对磨损量接近或达到限值的滚刀及时进行更换。目前，工程现场换刀作业主要依靠人工进入开挖舱，通过对滚刀磨损量进行逐一测量后再确定需要更换的滚刀。在不良地质中进行开舱检查时，需要增大土舱内气压以维持开挖面稳定，造成换刀作业环境恶劣，极大的降低工作效率，增加了换刀作业风险。因此，有必要对刀具磨损量进行预测，从而提高换刀效率。现有滚刀磨损量预测方法大多考虑刀盘滚刀整体磨损情况，然而换刀作业中需要确定某单把滚刀的磨损状态从而判断其是否需要更换。由此可见，急需一种盾构滚刀磨损量预测方法，实现对单把滚刀的磨损预测，从而减少开舱换刀作业时间和次数，进而有效降低换刀作业风险，提高盾构施工效率。

经对现有技术文献的检索发现，中国发明专利申请号为CN201310134258.6，公开号为CN103235880A，专利名称为：用径向磨损系数对盘形滚刀寿命进行预测的方法，该专利自述为：“通过计算全断面隧道掘进机刀盘上盘形滚刀径向磨损系数、对盘形滚刀径向磨损系数进行修正、对全断面隧道掘进机刀盘上盘形滚刀寿命进行预测。”该专利所述的滚刀磨损量预测方法基于刀盘上正面滚刀、边缘滚刀整体角度考虑，无法对某单把滚刀磨损量进行预测。当盾构处于复杂地层条件下施工时，滚刀磨损量随盾构开挖过程变化迅速，地质情况无法做到准确实时更新，因此，该方法难以实现滚刀磨损量的实时预测。此外，该方法仍需要人工进入开挖舱内通过测量滚刀磨损情况再确定某把滚刀更换与否，无法对换刀作业提供准确依据，导致换刀作业效率低下，实用性差，施工风险高。

发明内容

针对现有方法中的缺陷，本发明的目的是提供一种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，克服了现有方法仅考虑刀盘整体滚刀健康程度的不足，实现对盾构掘进过程中某单把滚刀磨损量的实时预测。

另外，经研究发现，在复杂地层条件下施工中，滚刀磨损量还会跟地层的均匀性相关。本发明同时考虑地质情况对滚刀磨损量的影响，提高预测结果的准确性和可靠性，节约计算成本。

本发明的第一方面，提供一种基于深度学习的泥水盾构滚刀磨损量实时确定方法，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；