[發明專利]一種基于TBM巖機信息的隧洞斷層段超前智能感知方法

有效

• 申請號: 202010366860.2
• 申請日: 2020-04-30
• 公開（公告）號: CN111594197B
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 劉造保;李龍;王永琛;馮夏庭;蔡力聰;沈挽青;邵建富
• 申請（專利權）人: 東北大學
• 主分類號: E21D9/087
• 分類號: E21D9/087;E21D9/093;E21D9/00;E21F17/18;E21F17/00
• 代理公司: 北京易捷勝知識產權代理事務所(普通合伙) 11613
• 代理人: 韓國勝

1.一種基于TBM巖機信息的隧洞斷層段超前智能感知方法，其特征在于，包括步驟：

S1、根據預先設定的第一類數據、第二類數據、第三類數據以及預先設定的第一基分類器、第二基分類器構建第三基分類器；

其中，所述第一類數據包括：TBM在斷層段掘進中的所有的掘進循環的關鍵參數數據；

所述第二類數據包括：TBM在斷層段掘進前的n個掘進循環的關鍵參數數據；

所述第三類數據包括：TBM在斷層段掘進后的m個掘進循環的關鍵參數數據；

其中，n、m均為預先設定值；

S2、在TBM掘進過程中，獲取所述TBM掘進過程中任一掘進循環的關鍵參數的數據；

S3、基于所述TBM掘進過程中任一掘進循環的關鍵參數的數據、第三基分類器、預先設定的關鍵參數范圍，確定所述TBM掘進過程中任一掘進循環所對應的掘進區段類型；

其中所述掘進區段類型為平穩段或預警段或斷層段；

S4、判斷所述TBM掘進過程中任一掘進循環所對應的掘進區段類型是否為預警段，若是，則發出預警信號。

2.根據權利要求1所述的方法，其特征在于，所述關鍵參數包括五種參數類型，具體包括：

刀盤扭矩參數、頂護盾壓力參數、左護盾壓力參數、齒輪密封外密封壓力參數、前盾俯仰角參數。

3.根據權利要求2所述的方法，其特征在于，所述第一基分類器為：隨機森林算法模型；

所述第二基分類器為：支持向量機算法模型。

4.根據權利要求3所述的方法，其特征在于，所述步驟S1包括：

S1-1、對所述預先設定的第一類數據、第二類數據、第三類數據進行劃分，確定第一組數據和第二組數據；

其中，第一組數據包括：第一類數據中的多個數據、第二類數據中的多個數據、第三類數據中的多個數據；

第二組數據包括：第一類數據中除第一組數據之外的多個數據、第二類數據中除第一組數據之外的多個數據、第三類數據中除第一組數據之外的多個數據；

S1-2、基于所述第一組數據和第二組數據，對所述第一基分類器和第二基分類器進行優化，獲取最終的第一基分類器和最終的第二基分類器；

其中，所述最終的第一基分類器針對TBM掘進過程中任一掘進循環的關鍵參數的數據進行分類獲取所述TBM掘進過程中任一掘進循環的關鍵參數的數據為第一類數據的概率r₁、所述TBM掘進過程中任一掘進循環的關鍵參數的數據為第二類數據的概率r₂、所述TBM掘進過程中任一掘進循環的關鍵參數的數據為第三類數據的概率r₃；

其中，所述最終的第二基分類器針對TBM掘進過程中任一掘進循環的關鍵參數的數據進行分類獲取所述TBM掘進過程中任一掘進循環的關鍵參數的數據為第一類數據的概率s₁、所述TBM掘進過程中任一掘進循環的關鍵參數的數據為第二類數據的概率s₂、所述TBM掘進過程中任一掘進循環的關鍵參數的數據為第三類數據的概率s₃；

S1-3、基于所述最終的第一基分類器、最終的第二基分類器和第二組參數數據，確定第三基分類器；其中，所述第三基分類器為：根據res₁、res₂、res₃的值確定所述TBM掘進過程中任一掘進循環的關鍵參數的數據為第一類數據或第二類數據或第三類數據；

其中，res₁＝w₁*r₁+w₂*s₁，res₂＝w₁*r₂+w₂*s₂，res₃＝w₁*r₃+w₂*s₃，且w₁+w₂＝1；

w₁為預先設定的第一基分類器的權重值；w₂為預先設定的第二基分類器的權重值；

res₁為所述第一基分類器和第二基分類器感知的TBM掘進過程中任一掘進循環的關鍵參數的數據為第一類數據的平均概率；

res₂為所述第一基分類器和第二基分類器感知的TBM掘進過程中任一掘進循環的關鍵參數的數據為第二類數據的平均概率；

res₃為所述第一基分類器和第二基分類器感知的TBM掘進過程中任一掘進循環的關鍵參數的數據為第三類數據的平均概率。