[發明專利]基于數據驅動徑向基函數模型的TBM推進力預測方法

有效

• 申請號: 201810186041.2
• 申請日: 2018-03-07
• 公開（公告）號: CN108470095B
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 王林濤;李杰;孫偉;欒鵬龍;杜家楠
• 申請（專利權）人: 大連理工大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F17/15
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 趙淑梅;李洪福

1.一種基于數據驅動徑向基函數模型的TBM推進力預測方法，其特征在于具有如下步驟：

S1、收集TBM掘進過程中現場所記錄的數據；

S2、確定影響TBM推進力的有關變量因子，建立變量因子的樣本數據集作為訓練集；

S3、構建徑向基函數推進力模型，輸入訓練集，對徑向基函數推進力模型進行訓練，得出其權重；

S4、根據徑向基函數推進力模型，運用估計樣本均值和樣本標準差方法，得出對推進力有主要影響的因子；

S5、根據得到的對推進力有主要影響的因子和訓練集，對推進力有主要影響的因子進行再次構建徑向基函數推進力模型，其中，對推進力有主要影響的因子的80％的數據作為建模樣本，20％作為檢測樣本，進行簡單交叉驗證，確定徑向基函數推進力模型的精度；

S6、將一個掘進周期中待預測的對推進力有主要影響的因子的樣本集作為預測樣本集，輸入到徑向基函數推進力模型，得出預測結果；

S7、對預測結果采用相對誤差來進行評價，并對其相對誤差運用統計分析方法，得出預測的評價準則和結果；

S8、在TBM掘進過程中，將產生新的對推進力有主要影響因子的數據，與上一掘進周期中的得到的對推進力有主要影響因子的數據，重新構建新的訓練集，再次構建徑向基函數推進力模型，重復步驟S6至步驟S8。

2.根據權利要求1所述的方法，其特征在于：所述步驟S1的具體步驟如下：TBM掘進周期的劃分，識別每一個掘進周期中的有效數據，完成對掘進周期的識別，將其每一個掘進周期中的數據進行統一數據格式。

3.根據權利要求1所述的方法，其特征在于：所述步驟S2之前，需對步驟S1收集的數據進行處理，具體步驟如下：

數據的篩選：針對TBM掘進過程中遇到的突發情況和數據缺失采取如下措施：

a.數據剔除：根據TBM掘進過程中的特點，以掘進時間和掘進距離為參考，將TBM在上一個掘進周期和下一個掘進周期之間的數據進行剔除，達到掘進過程中推進力的持續變化目的；

b.數據補全：在一個掘進周期中，利用均值替換的方法補全缺失和異常的數據；

歸一化數值：將步驟S1收集的數據的每個維度不同取值范圍的數據值的取值范圍處理到0到1之間。

4.根據權利要求1所述的方法，其特征在于：所述步驟S2中，影響TBM推進力的有關變量因子包括前盾俯仰角、前盾滾動角、左側護盾壓力、右側護盾壓力、頂護盾壓力、左側后支撐壓力、右側后支撐壓力、撐靴壓力、刀盤噴水壓力、EP2內密封壓力、EP2外密封壓力、刀盤轉速檢測值、貫入度、推進速度，左撐靴俯仰角、左撐靴滾動角、右撐靴俯仰角、右撐靴滾動角、主機皮帶機轉速、橋架皮帶機轉速和轉渣皮帶機轉速。

5.根據權利要求1所述的方法，其特征在于：所述步驟S3中采用MQ核函數進行徑向基函數推進力模型的構建，求解，得出其權重。

6.根據權利要求1所述的方法，其特征在于：所述步驟S4中，運用估計樣本均值和樣本標準差方法指的是運用莫里斯的方法對影響TBM推進力的有關變量因子進行定性分析，得出對推進力有主要影響的因子包括左側護盾壓力、右側護盾壓力、撐靴壓力、貫入度和推進速度。

7.根據權利要求1所述的方法，其特征在于：所述步驟S5中，用R²來評估徑向基函數推進力模型的精度：

其中，m為檢測點的數量，y_i為檢測點的響應，為徑向基函數模型的計算結果，為檢測點響應的平均值，根據上式，R²的值越接近1，則說明模型的擬合程度越好，精度越高。

8.根據權利要求1所述的方法，其特征在于：所述步驟S7中對預測結果采用相對誤差來進行評價指的是對預測結果和實際中的推進力值進行對比，通過運用相對誤差的評價準則對其進行評價，相對誤差表達式如下：

其中，a_m和a_c分別表示實際中的推進力值和預測結果，ε_a為相對誤差。