[發明專利]一種基于現場參數的硬巖TBM刀盤滾刀磨損實時評估方法

有效

• 申請號: 202011023864.7
• 申請日: 2020-09-25
• 公開（公告）號: CN112160761B
• 公開（公告）日: 2022-01-14
• 發明（設計）人: 劉成良;余宏淦;陶建峰;覃程錦;孫浩;丁浩倫;雷軍波;徐孜;高浩寒
• 申請（專利權）人: 上海交通大學;上海智能制造功能平臺有限公司
• 主分類號: E21D9/08
• 分類號: E21D9/08;E21D9/10
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 劉靜

本發明公開了一種基于現場參數的硬巖TBM刀盤滾刀磨損實時評估方法，構造表征每把滾刀磨損的健康因子，定義為掘進區間內滾刀在隧道開挖面上的滾動距離與其最大滾動距離的比值，獲取健康因子的影響因素作為特征集，將取對數后的健康因子作為目標變量；構造包含刀盤上所有滾刀數據的數據集，利用一維卷積神經網絡建立數據集特征與目標變量之間的映射關系；對于待評估的滾刀，構造其特征集輸入到訓練好的模型中，評估各開挖區間健康因子并累加得到健康狀態值，如果該值接近1，表明需要更換滾刀。本發明方法能有效地根據TBM采集的現場參數實時評估刀盤上每把滾刀的磨損，保證滾刀在臨近磨損極限時被及時更換，減少滾刀檢測時間，提高刀具利用率。

技術領域

本發明涉及滾刀磨損量評估領域，尤其涉及一種基于現場參數的硬巖TBM刀盤滾刀磨損實時評估方法。

背景技術

在硬巖TBM隧道掘進過程中，刀盤滾刀檢測、更換及維修占整個工程施工時間和成本的很大一部分。當前有三類方法獲取滾刀磨損信息，分別是開倉檢測方法、在線監測方法和磨損評估方法。開倉檢測方法簡單、可靠，目前在隧道工程中廣泛采用，但是其檢測成本高、施工風險大。在線監測方法利用各種傳感器或裝置，如激光、計算機視覺、液壓推桿、異味添加劑、電渦流傳感器等，在線測量滾刀磨損。然而，由于測量環境惡劣，在線監測方法往往難以獲取可靠的磨損信息，且對刀盤上每把滾刀都展開監測，成本高昂，因而目前在實際施工中難以推廣。磨損評估方法在隧道施工前對整個工程的刀具消耗進行預估以便備件，但是該方法所需的精確地質信息難以獲取且構造的表征滾刀磨損健康因子只能從整個刀盤的角度評估滾刀磨損。因此，磨損評估方法應用于實際掘進時無法告訴維修人員何時更換哪些滾刀。

然而，大量研究表明，TBM現場參數反映了巖-機交互，隱含實時、精確的地質信息。如果能構建一個表征每把滾刀磨損的健康因子，便可以利用深度學習強大的非線性表達能力獲取現場參數與該健康因子之間的映射關系，最終實現刀盤上每把滾刀磨損的實時評估。

發明內容

針對當前滾刀磨損評估方法無法準確評估TBM隧道掘進過程中每把滾刀的磨損問題，本發明提供了一種基于現場參數的硬巖TBM刀盤滾刀磨損實時評估方法。

為了有效解決上述問題，對本發明提供的技術方案進行詳細說明：一種基于現場參數的硬巖TBM刀盤滾刀磨損實時評估方法，包括以下步驟：

步驟1：將刀盤滾刀掘進距離劃分若干個長度相等區間，并將區間內滾刀在隧道開挖面上的滾動距離與其最大滾動距離的比值定義為位每把滾刀磨損的健康因子，表示該區間內掘進距離對滾刀磨損的貢獻；

步驟2：獲取健康因子的影響因素，包括巖石參數、滾刀安裝半徑和刀間距；所述巖石參數利用與巖石參數有關的TBM現場參數來間接獲取實時的巖石信息，這些現場參數由TBM自帶的監控系統每隔一定時間或掘進距離進行采集，包括總推力、刀盤扭矩、刀盤轉速、掘進速度以及與推力和扭矩有關的液壓缸和刀盤驅動電機的參數；

步驟3：將步驟2獲取的參數和采集的數據作為特征集，將對應的健康因子作為目標變量，構造包含刀盤上所有滾刀數據的數據集，利用滾刀第一次更換前的數據構造訓練集，利用滾刀第二次更換前、第一次更換后的數據構造測試集，其中訓練集訓練模型，測試集檢驗模型有效性；

步驟4：將訓練集數據輸入到一維卷積神經網絡模型中，以評估的目標變量與真實的目標變量之間的均方根誤差(RMSE)最小化為目標優化模型參數，得到訓練好的一維卷積神經網絡模型，并建立特征集與目標變量之間的非線性映射關系，并用測試集數據驗證該滾刀磨損評估模型的有效性；

步驟5：將待評估滾刀的特征集輸入到訓練好的一維卷積神經網絡模型中，評估所有開挖區間的健康因子；

步驟6：將待評估滾刀所有開挖區間的健康因子累加得到滾刀當前的健康狀態(health status)值；如果健康狀態值達到設定閾值，表明滾刀需要更換。