NSVR硬岩隧道掘进机刀盘扭矩预测分析

为了避免硬岩隧道掘进机（TBM）刀盘受困,提出TBM刀盘扭矩的非线性支持向量回归（NSVR）预测模型来指导TBM掘进施工.结合吉林引松供水工程现场掘进大量数据,研究TBM刀盘扭矩与掘进参数间的相关关系,得到刀盘扭矩与围岩类别、刀盘转速和推进速度具有明显相关关系：随着围岩强度由强到弱,推进速度对刀盘扭矩的影响逐渐变弱,刀盘转速对刀盘扭矩的影响逐渐变强.基于这种相关关系,建立刀盘扭矩NSVR预测模型,并将该模型应用于吉林引松隧道工程,对按1：1划分的19 854个训练样本和19 854个测试样本的刀盘扭矩进行预测.预测结果表明：训练样本集和测试样本集的平均相对预测误差分别为11.3%和12.9%,测试样本集中相对预测误差高于60%的有516个测试样本,占测试样本集总数的2.6%.各项数据表明,在给定刀盘转速、推进速度和围岩类别条件下,建立的刀盘扭矩NSVR预测模型具有较高的预测精度.     

基于盾构掘进参数的BP神经网络地层识别

分析3种典型地层中盾构推进力、推进速度、刀盘扭矩、刀盘转速4个掘进参数的变化规律.应用BP神经网络建立一个以相邻2个采样时刻的盾构推进力、推进速度、刀盘扭矩、刀盘转速共8个掘进参数为输入,地层编码为输出的地层识别模型.通过60组训练样本数据对模型进行训练,训练误差控制在8×10-7以内,并用30组预测样本数据对该模型加以预测检验,预测成功率达到93%左右.结果表明,基于盾构掘进参数的BP神经网络地层识别模型能够实现盾构掘进参数与地层之间的良好非线性映射,可以在盾构掘进施工中利用掘进参数实现对地层的在线识别.     

基于XGBoost的隧道掘进机操作参数智能决策系统设计

为了实现隧道施工的同质化,提出基于极端梯度提升算法（XGBoost）预测模型的隧道掘进机（TBM）操作参数的智能决策方法. 定义场操作系数指数（FOI）作为替代传统场切深指数（FPI）的围岩级别特征参数,使用XGBoost算法建立预测模型以实现对FOI的预测,对围岩级别进行预测、判断. 通过对优秀司机在特定FOI下TBM操作参数的选择,建立专家模型实现FOI与特定TBM操作参数的关联,实现TBM操作参数的智能决策. 使用引松工程的现场数据进行对比实验,结果表明,设计的TBM操作参数的智能决策系统能够实现对优秀的TBM司机操作参数决策的复现,相比于以FPI为特征参数的传统智能决策系统,新系统的推进速度和刀盘转速两部分的平均相对误差分别下降8.84 %和7.97 %.     

变转速泵控模拟盾构刀盘驱动系统研究

设计了1.8 m土压平衡(EPB)模拟试验盾构的刀盘驱动液压系统,介绍了该液压驱动系统的工作原理和控制方法,该系统采用了变转速泵控技术.通过统计分类的模式识别方法分析了1.8 m试验盾构的掘进过程,以盾构掘进的场切深指数（FPI）、扭矩切深指数（TPI）构成了掘进土层状况的特征空间,基于土层识别及刀盘驱动功率效能评价建立了盾构刀盘转速专家控制方法.建立该液压驱动系统的AMESim仿真模型,仿真研究了液压系统的效率、开环和闭环调速性能.试验研究表明,该液压系统开环调速性能稳定,但刀盘转速波动较大.     

土压平衡盾构刀盘扭矩计算模型

针对目前刀盘扭矩计算模型不统一、考虑施工动态参数欠缺的问题,提出一种考虑刀具贯入度、土仓压力的刀盘扭矩计算模型.通过现场试验及理论计算结果的对比,分析刀盘摩擦扭矩的组成,在此基础上,提出土压平衡盾构在掘进过程中刀盘扭矩不断变化的关键因素,选取3处712组现场实测数据进行回归分析,探讨刀具贯入度、土仓压力2个因素对刀盘扭矩的影响,并应用力学推导、数值模拟方法对2个因素影响刀盘扭矩的机理进行解释,给出考虑施工需求的刀盘极限扭矩的计算公式.结果表明: 刀盘背面摩擦扭矩不能忽略;当刀盘贯入度增大时,刀盘扭矩明显增大的原因主要是刀盘对开挖面土体挤压的增大,而不是刀具切削扭矩的增加;土仓压力对刀盘扭矩的影响主要是增大了刀盘背面摩擦扭矩.     

盾构掘进土层识别及刀盘转速控制策略研究

利用模拟盾构试验平台,研究了土压平衡盾构(EPB)掘进过程的土层识别方法,在此基础上提出了刀盘驱动功率效能评价方法,盾构刀盘转速适应土层变化专家控制策略,并对盾构刀盘驱动系统节能给出了新的途径.通过统计分类的模式识别方法分析了1.8 m EPB试验盾构在模拟土箱不同土层中的掘进试验数据,划分土层的类别,并使用贴近度的计算方法得到样本所属地层的量化参数,建立了土层识别方法.研究表明,以盾构掘进的场切深指数(FPI)、扭矩切深指数(TPI)构成的掘进土层状况的特征空间,具有很好的土层识别性,能够用于刀盘转速的闭环控制.     

基于现场数据的TBM掘进速率研究

为了研究TBM掘进速率在不同地质条件下的变化规律,基于吉林引松供水隧道工程开敞式TBM现场掘进数据,将TBM刀盘破岩过程分为3个阶段：挤压阶段、起裂阶段和破碎阶段,并对破碎阶段应用统计回归方法,分析在不同岩石饱和单轴抗压强度、完整性系数的条件下,TBM刀盘贯入度与刀盘推力、刀盘扭矩的关系.研究表明,在特定施工条件下,刀盘贯入度随刀盘推力增大呈幂函数曲线增长,随刀盘扭矩增大呈线性关系增长,增长率与岩石饱和单轴抗压强度、完整性系数密切相关.进一步建立对于不同强度、完整性岩石的掘进机掘进速率模型,进行实际工程施工预测,预测结果的平均相对误差都低于16%,表明模型预测精度较高,可以为实际工程施工中操作参数的优化和不良地质条件的捕捉提供帮助.     

重载冲击激励下TBM刀盘振动特性的影响因素分析

刀盘是TBM的关键部件,刀盘的性能对TBM掘进性能影响很大。刀盘在掘进时承受的重载冲击扭矩和推力将导致剧烈振动,引起刀盘寿命下降甚至破坏以致影响掘进效率。基于ADAMS多体系统动力学仿真平台,建立了复杂因素影响下"辽西北"引水工程TBM主机系统的动力学模型,探讨了刀盘转速、刀盘拓扑形式和小齿轮速度波动与不同步等因素对刀盘振动性能的影响规律。仿真结果表明:为了减小刀盘振动,在设计TBM主机时应采取"铜钱"型拓扑形式,在控制TBM时应尽量避免驱动齿轮转速波动和不同步,在较低的刀盘转速下进行掘进。     

软土地层盾构掘进参数分析及掘进速度预测

依托佛山地铁3号线逢沙站—创意园站区间隧道工程,通过现场实测数据,详细分析了土压平衡盾构穿越软土地层时盾构掘进参数内在变化规律,并建立了掘进速度预测模型。首先,对盾构掘进参数进行数理统计分析,对各掘进参数的分布进行正态性检验;其次,进行Pearson相关性分析,找出线性相关性较强参数间变化规律;再次,利用基于互信息的特征选择算法,筛选与掘进速度非线性相关性较高的参数变量;最后,分别建立随机森林回归预测模型和基于遗传算法优化BP神经网络预测模型,对掘进速度进行预测。研究结果表明：在软弱地层盾构隧道工程中,通常采用较低的刀盘转速、刀盘扭矩及较高的掘进速度、贯入度、盾构总推力、土仓压力;掘进速度等参数均通过了采用K-S检验法的正态性检验;掘进速度与贯入度存在极强相关性关系;基于遗传算法优化BP神经网络预测模型的预测精度略优于随机森林回归预测模型,随机森林回归预测模型在测试集中的平均绝对误差、均方根误差、拟合优度分别为4.055、5.038、0.871,而基于遗传算法优化BP神经网络预测模型分别为0.822、1.244、0.991。     

一种基于TBM掘进参数的现场岩石强度快速估算模型

基于隧道掘进机(tunnel boring machine, TBM)现场实际掘进参数与岩石强度的相关性,提出一种现场岩石强度快速估算模型。该模型详细分析了开敞式TBM现场实际掘进参数的趋势,建立了其与岩石单轴抗压强度(uniaxial compressive strength, UCS)的拟合关系式;根据回归系数R²排序:0.761 2(贯入度指数)> 0.759 5(推力)> 0.691 5(掘进比能)>0.598 6(扭矩)> 0.561 5(贯入度),确定采用贯入度指数(field penetration index, FPI)快速估算岩石强度UCS。与以往岩石强度经验模型对比,该估算模型更具针对性和适用性。研究成果为TBM工程岩石强度的快速估算提供了一种新的切实可行的思路。     

盾构刀具整体磨损状态识别研究

刀具磨损情况是影响盾构机掘进效率的重要因素，也是决定开仓换刀时间和频率的关键依据。针对盾构掘进过程中刀具整体磨损状态难以判断的问题，统计换刀点每把刀具磨损量与限定磨损量之间的关系，提出了3个磨损状态等级。在推导3种关键掘进参数(推力、扭矩和掘进速度)与单把滚刀切削分力理论关系的基础上，提出一种对掘进参数信号进行小波包分解以识别刀具整体磨损状态的方法。该方法以分解后的信号节点小波包系数标准差组成的特征向量作为磨损识别指标，通过敏感性分析找出对刀具磨损最敏感的节点特征向量，进而通过拟合分析确定磨损状态与磨损识别指标的函数关系。对深圳地铁14号线大运站至宝荷站区间工程实例的分析结果表明，该方法能准确识别盾构刀具的整体磨损状态，其中使用掘进速度信号进行识别的精度最高，推力次之，扭矩最低。该方法在使用中仅需对盾构机自动采集的掘进参数进行处理分析，不需要布置传感器，具有简便易行、成本低和精度高等优点，为及时开仓换刀提供了可靠依据。     

盾构刀盘驱动扭矩计算模型及实验研究

在盾构驱动系统设计时,需要研究刀盘扭矩的准确计算模型,以便预测不同土层掘进时的刀盘驱动功率.在分析影响土压平衡盾构刀盘扭矩的因素和盾构刀盘扭矩的组成的基础上,提出了模拟试验盾构刀盘驱动扭矩的计算模型,并建立了AMESim仿真模型.在模拟盾构平台上,试验研究了盾构刀盘驱动扭矩在不同土层的特性以及刀盘扭矩与刀盘开口率的关系,与仿真结果基本一致,验证了扭矩计算模型的正确性并通过修正系数改进了该模型.进一步仿真研究表明,构成土压平衡盾构刀盘扭矩的主要组分是刀盘前表面、圆周面以及刀盘背面上的摩擦力矩,刀盘开口槽的剪切力矩和土仓内的搅动力矩所占比重约为99%.     

基于深度信念网络的盾构隧道施工安全研究

针对广州地铁18号线盾构隧道工程施工的主要安全问题——地表沉降和管片上浮，基于现场监测得到的施工参数与安全问题间的海量大数据，采用深度学习网络——深度信念网络构建了施工安全预测模型，并研究了六个主要施工掘进参数对施工安全的影响。结果表明：深度信念网络可以根据现场监测大数据得到较准确的地表沉降和管片上浮预测值；且地表沉降量随土仓压力、注浆量和注浆压力的增大而减小，随千斤顶推力、刀盘扭矩和掘进速度的增大而增大。而管片上浮量随土仓压力和注浆压力的增大而增大，随千斤顶推力和注浆量的增大而减小，刀盘扭矩和掘进速度对管片上浮影响不大。     

一种新型偏心多轴隧道掘进机工作原理及其数学描述

在对新型偏心多轴隧道掘进机工作原理进行分析的基础上,建立了刀盘在恒扭矩、恒流量及恒转速工况下的数学模型,并对比分析了几种工况下系统的压力、流量与转速的变化关系,为今后设计此种类型的掘进机提供了理论依据.