[發明專利]掘進機的控制方法、掘進機與計算機可讀存儲介質

有效

• 申請號: 202010144282.8
• 申請日: 2020-03-04
• 公開（公告）號: CN110989366B
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 劉飛香;侯昆洲;任賽楠;龔文忠;黃春霞;劉宏亮;魯京京
• 申請（專利權）人: 中國鐵建重工集團股份有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京友聯知識產權代理事務所(普通合伙) 11343
• 代理人: 尚志峰;王淑梅

本發明提出了一種掘進機的控制方法、掘進機與計算機可讀存儲介質，其中，掘進機的控制方法包括：獲取掘進機的工作狀態參數；將工作狀態參數輸入預設神經網絡模型，得到工作控制信息；根據工作控制信息控制掘進機。本發明提出的掘進機的控制方法，以預設神經網絡模型為基礎，處理掘進機運行時的工作狀態參數，進而根據工作狀態參數輸出工作控制信息，以控制掘進機以適合的工作狀態參數運行，進而實現了掘進機的全自動化控制，降低了人工操作所帶來的不確定性，提高了自動化水平，同時，神經網絡具有良好的自學習和并行處理問題的能力，能充分滿足環境的自適應性以及實時大規模計算等需求。

技術領域

本發明涉及掘進機技術領域，具體而言，涉及一種掘進機的控制方法、一種掘進機與一種計算機可讀存儲介質。

背景技術

目前，TBM掘進控制主要以人工操作為主，操作精度受人員能力、經驗、身體狀況、情緒等個人因素影響較大，施工質量很難保證。且隧道施工環境惡劣，隨著TBM掘進向大深度、大斷面、長距離發展，以及對隧道施工環境和施工人員安全的要求不斷提高，以人工操作為主的控制方法已越來越不適用。

發明內容

本發明旨在至少改善現有技術中存在的技術問題之一。

為此，本發明的第一方面實施例提出了一種掘進機的控制方法。

本發明的第二方面實施例提出了一種掘進機。

本發明的第三方面實施例提出了一種計算機可讀存儲介質。

有鑒于此，根據本發明的第一方面實施例，本發明提出了一種掘進機的控制方法，包括：獲取掘進機的工作狀態參數；將工作狀態參數輸入預設神經網絡模型，得到工作控制信息；根據工作控制信息控制掘進機。

本發明提出的掘進機的控制方法，以預設神經網絡模型為基礎，處理掘進機運行時的工作狀態參數，進而根據工作狀態參數輸出工作控制信息，以控制掘進機以適合的工作狀態參數運行，進而實現了掘進機的全自動化控制，降低了人工操作所帶來的不確定性，提高了自動化水平，同時，神經網絡具有良好的自學習和并行處理問題的能力，能充分滿足環境的自適應性以及實時大規模計算等需求。

另外，根據本發明上述實施例的掘進機的控制方法，還可以具有如下附加的技術特征：

在上述技術方案的基礎上，進一步地，預設神經網絡模型通過如下步驟獲得：將工作狀態數據輸入待訓練神經網絡模型；根據待訓練神經網絡模型的實際輸出值與期望輸出值，得到實際輸出值與期望輸出值的偏差函數；以偏差函數對待訓練神經網絡模型的輸入層的權值，以及隱含層的權值求偏導，以得到權值的更新矩陣，并更新待訓練神經網絡模型，直至輸入層的權值小于或等于第一預設數值，且隱含層的權值小于或等于第二預設數值；得到預設神經網絡模型。

在該技術方案中，以工作狀態數據訓練待訓練神經網絡模型，并根據實際輸出值與期望輸出值得到偏差函數，以偏差函數對待訓練神經網絡模型的輸入層以及隱含層的權值求偏導，從而得到權值的更新矩陣，再以權值的更新矩陣替換原有的權值矩陣，直到輸入層的權值小于或等于第一預設數值，且隱含層的權值小于或等于第二預設數值，表示訓練完成，得到預設神經網絡模型。

在上述任一技術方案的基礎上，進一步地，工作狀態參數包括：掘進機的位置偏差、掘進機的角度偏差、圍巖級別、掘進機的刀盤扭矩和掘進機的推進速度。

在該技術方案中，工作狀態參數包括：掘進機的位置偏差、掘進機的角度偏差、圍巖級別、掘進機的刀盤扭矩和掘進機的推進速度，上述參數可以反映出當前掘進機的運行情況與地質情況等，因此，可以根據上述參數得到掘進機的工作控制信息，以合適的狀態面對目前的情況。

在上述任一技術方案的基礎上，進一步地，位置偏差包括：向上偏差、向下偏差、向左偏差與向右偏差。

在該技術方案中，位置偏差包括：向上偏差、向下偏差、向左偏差與向右偏差。