[發(fā)明專利]基于統(tǒng)計分析與XGboost結(jié)合的盾構(gòu)糾偏方法

有效

• 申請?zhí)枺?/td>: 201810583493.4
• 申請日: 2018-06-08
• 公開（公告）號: CN108868805B
• 公開（公告）日: 2019-11-15
• 發(fā)明（設計）人: 孔憲光;王佩;郭澤坤;胡磊;宮思藝;常建濤
• 申請（專利權(quán)）人: 西安電子科技大學
• 主分類號: E21D9/093
• 分類號: E21D9/093;E21D9/087
• 代理公司: 61205 陜西電子工業(yè)專利中心
• 代理人: 陳宏社;王品華<國際申請>=<國際公布>

1.一種基于統(tǒng)計分析與XGboost結(jié)合的盾構(gòu)糾偏方法，其特征在于包括如下步驟：

(1)獲取盾構(gòu)參數(shù)數(shù)據(jù)包：

(1a)對盾構(gòu)機所采集的盾構(gòu)數(shù)據(jù)中的缺失值進行填充，得到完整盾構(gòu)數(shù)據(jù)，剔除完整盾構(gòu)數(shù)據(jù)中的異常值，或通過完整盾構(gòu)數(shù)據(jù)的中位數(shù)對完整盾構(gòu)數(shù)據(jù)中的異常值進行替換，得到新的盾構(gòu)數(shù)據(jù)，盾構(gòu)數(shù)據(jù)包括盾構(gòu)掘進數(shù)據(jù)與盾構(gòu)姿態(tài)數(shù)據(jù)，其中，以掘進方向為標準設定盾構(gòu)機左右方向，盾構(gòu)掘進數(shù)據(jù)包括環(huán)號、土壓、上、下、左、右方向的千斤頂推力、刀盤轉(zhuǎn)速、刀盤扭矩、掘進速度、回轉(zhuǎn)角、俯仰角、總推力、總油壓、千斤頂行程、千斤頂速度、螺旋機轉(zhuǎn)速、螺旋機扭矩、注漿壓力、注漿量、X坐標、Y坐標、Z坐標和盾尾間隙，盾構(gòu)姿態(tài)數(shù)據(jù)包括切口的水平偏差和垂直偏差，以及盾尾的水平偏差和垂直偏差；

(1b)計算新的盾構(gòu)數(shù)據(jù)中每環(huán)盾構(gòu)數(shù)據(jù)的均值，得到基于環(huán)的盾構(gòu)數(shù)據(jù)，并對基于環(huán)的盾構(gòu)數(shù)據(jù)進行數(shù)據(jù)降維，得到包含盾構(gòu)掘進數(shù)據(jù)和盾構(gòu)姿態(tài)數(shù)據(jù)的盾構(gòu)參數(shù)數(shù)據(jù)包；

(2)獲取訓練集數(shù)據(jù)和測試集數(shù)據(jù)：

對盾構(gòu)參數(shù)數(shù)據(jù)包中的盾構(gòu)掘進數(shù)據(jù)和盾構(gòu)姿態(tài)數(shù)據(jù)進行歸一化，并將得到的歸一化盾構(gòu)數(shù)據(jù)中80％的盾構(gòu)掘進數(shù)據(jù)作為訓練集數(shù)據(jù)x-train，80％的盾構(gòu)掘進數(shù)據(jù)所對應的盾構(gòu)姿態(tài)數(shù)據(jù)作為訓練集數(shù)據(jù)y-train，其余數(shù)據(jù)作為測試集數(shù)據(jù)；

(3)獲取盾構(gòu)姿態(tài)參數(shù)回歸模型：

采用XGboost算法對訓練集數(shù)據(jù)x-train與訓練集數(shù)據(jù)y-train進行擬合，得到盾構(gòu)姿態(tài)參數(shù)回歸模型；

(4)獲取多組掘進樣本數(shù)據(jù)：

(4a)采用等寬法，以成倍擴大的姿態(tài)參數(shù)最大糾偏量為區(qū)間跨度，對盾構(gòu)參數(shù)數(shù)據(jù)包中的盾構(gòu)姿態(tài)數(shù)據(jù)進行離散化，得到多個盾構(gòu)姿態(tài)參數(shù)區(qū)間；

(4b)對每個盾構(gòu)姿態(tài)參數(shù)區(qū)間與盾構(gòu)掘進數(shù)據(jù)進行關(guān)聯(lián)規(guī)則分析，得到關(guān)聯(lián)規(guī)則；

(4c)利用關(guān)聯(lián)規(guī)則，歸納盾構(gòu)數(shù)據(jù)中與每個盾構(gòu)姿態(tài)參數(shù)區(qū)間具有關(guān)聯(lián)關(guān)系的掘進數(shù)據(jù)，得到與多個盾構(gòu)姿態(tài)參數(shù)區(qū)間分別具有關(guān)聯(lián)關(guān)系的多組數(shù)據(jù)樣本；

(4d)采用等寬法，以實際施工過程中每環(huán)姿態(tài)參數(shù)的最大糾偏量為區(qū)間跨度，對每個盾構(gòu)姿態(tài)參數(shù)區(qū)間再次進行劃分，得到新的盾構(gòu)姿態(tài)參數(shù)區(qū)間；

(4e)歸納步驟(4c)中所得到的的多組數(shù)據(jù)樣本中與每個新的盾構(gòu)姿態(tài)參數(shù)區(qū)間具有關(guān)聯(lián)關(guān)系的掘進數(shù)據(jù)，得到每組包含多條掘進數(shù)據(jù)的多組掘進數(shù)據(jù)；

(5)對盾構(gòu)機姿態(tài)進行糾偏：

(5a)將每組掘進樣本數(shù)據(jù)帶入盾構(gòu)姿態(tài)回歸模型中，通過盾構(gòu)姿態(tài)回歸模型所擬合的掘進參數(shù)與姿態(tài)參數(shù)之間的非線性函數(shù)關(guān)系，計算每組掘進數(shù)據(jù)中每條掘進數(shù)據(jù)對應的姿態(tài)參數(shù)值，得到多條姿態(tài)參數(shù)值；

(5b)選取每組掘進樣本數(shù)據(jù)中出現(xiàn)頻次最多的盾構(gòu)數(shù)據(jù)為參考數(shù)據(jù)，得到多條盾構(gòu)參考數(shù)據(jù)；

(5c)從多條盾構(gòu)參考數(shù)據(jù)中選取一條與糾正的姿態(tài)參數(shù)偏差量相等的掘進參數(shù)數(shù)據(jù)，并按照選取的掘進參數(shù)數(shù)據(jù)對盾構(gòu)機上的參數(shù)進行設置，當盾構(gòu)機中線逐漸回歸到與設計軸線相擬合之后，糾偏完成。

2.根據(jù)權(quán)利要求1所述的基于統(tǒng)計分析與XGboost結(jié)合的盾構(gòu)糾偏方法，其特征在于，步驟(3)中所述采用XGboost算法對訓練集數(shù)據(jù)x-train與訓練集數(shù)據(jù)y-train進行擬合，實現(xiàn)步驟為：

(3a)設置XGboost算法的迭代參數(shù)；

(3b)將訓練集數(shù)據(jù)x-train和訓練集數(shù)據(jù)y-train導入XGboost算法之中，實現(xiàn)對x-train與y-train的擬合，得到盾構(gòu)姿態(tài)參數(shù)回歸模型。

3.根據(jù)權(quán)利要求1所述的基于統(tǒng)計分析與XGboost結(jié)合的盾構(gòu)糾偏方法，其特征在于，步驟(4a)中所述的成倍擴大的姿態(tài)參數(shù)最大糾偏量，其獲取方法為：

(4a1)設成倍擴大的盾構(gòu)施工最大糾偏量為ma，a為盾構(gòu)施工最大糾偏量，m為系數(shù)，m＞1且m取整數(shù)；

(4a2)以ma為單位對姿態(tài)參數(shù)區(qū)間進行劃分，并對得到的多個姿態(tài)參數(shù)區(qū)間與掘進數(shù)據(jù)進行關(guān)聯(lián)規(guī)則分析，得到關(guān)聯(lián)規(guī)則對應的置信度；

(4a3)逐步擴大m的數(shù)值，重復執(zhí)行步驟(4a2)，通過關(guān)聯(lián)規(guī)則對應的置信度達到預設要求時的m，計算成倍擴大的姿態(tài)參數(shù)最大糾偏量ma。