[发明专利]一种基于LSTM的盾构机故障预测方法

摘要

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。

主权项

1.一种基于LSTM的盾构机故障预测方法，其特征在于，包括以下步骤：S1、对待预测的盾构机，根据其历史施工记录采集样本数据，所述样本数据包括盾构机施工数据、外部环境数据、盾构机施工故障数据；S2、对样本数据进行预处理，包括：S21、对盾构机施工数据进行清理：删除数据全部缺失的参数、补全数据部分缺失的参数、删除重复数据；S22、将清理后的盾构机施工数据与外部环境数据集成，所述外部环境数据包括风险源数据和地质数据，集成方式为根据起始和结束环号与盾构机施工数据进行关联，将得到的数据定义为盾构机施工集成数据；S23、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。然后对盾构机施工集成数据进行盾构机故障标签标注，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；S24、根据盾构机的停开工状态将步骤S23标注后的数据集进行切分，即将获得的原始数据集X划分成X₁,X₂,X₃,…,X_n的n个小数据集，其中为X_i数据集采集的第m条数据,每个X_i的大小因盾构机停开工时间不同而各不相同，X_i内全部为连续采集的数据；X_i对应的故障标签集为其中L代表故障标签，为X_i数据集采集的第m条数据施工数据对应的故障多标签集合；对所有的故障标签Y_i^l进行统计，对持续没有任何故障发生的数据集进行剔除，对于Y_i^l中故障数据远大于正常施工数据的数据集进行随机采样增加故障样本，并按照时序顺序加入到原始数据集中，以平衡数据集。S3、采用主成分分析法对步骤S24获得的数据中的盾构机施工数据进行降维，然后用得到的盾构机施工数据的主成分替代原始的盾构机施工数据，将获得的数据定义为盾构机施工集成样本数据；S4、设置LSTM模型的时间步长s，在每个盾构机施工集成样本数据集进行连续采样，生成盾构机施工集成样本数据的序列数据，即通过前s个时刻的施工数据来预测第s+t时刻的盾构故障，得到最终输入到LSTM模型中的盾构机施工集成样本数据的序列数据；S5、将盾构机施工集成样本数据的故障标签沿时间轴往后顺延t个时刻；S6、建立基于LSTM的盾构故障多标签预测模型，该模型分为输入层、隐藏层和输出层；模型损失函数为：其中，y_i,l'为模型输出的第i个样本第l个标签的概率估计；模型训练过程中采用Adam学习率自适应算法，通过模型在验证集上的最小损失来衡量最优模型，保存最优模型结构和参数，获得训练好的盾构故障多标签预测模型；S7、采用训练好的盾构机故障多标签预测模型，进行盾构机故障预测。