[發明專利]一種開敞式TBM掘進循環的劃分、圍巖等級、巖性預測方法

有效

• 申請號: 202110322241.8
• 申請日: 2021-03-25
• 公開（公告）號: CN113033097B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 劉造保;李龍;王俊澤;邵建富;沈挽青
• 申請（專利權）人: 東北大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/0633;G06Q10/04;G06Q50/08;E21D9/11;G06N3/084;G06N3/006;G06N3/0464;G06N3/044
• 代理公司: 北京易捷勝知識產權代理有限公司 11613
• 代理人: 韓國勝

1.一種圍巖等級的預測方法，其特征在于，所述方法包括：

S1、獲取待預測的每一掘進循環中的第二數據；

所述第二數據包括：采用開敞式TBM掘進循環的劃分方法確定的每一掘進循環中的第一時間段所對應的最終的輸入特征數據的均值；

其中，所述掘進循環中的第一時間段包括：掘進循環中的上升段和穩定段；

所述最終的輸入特征為：刀盤轉速、鋼拱架泵壓力、撐靴泵壓力、撐靴壓力、主機皮帶機泵壓力、右撐靴滾動角、頂護盾壓力、單位貫入度扭矩、每個循環平均掘進速度、左撐靴滾動角、前盾俯仰角和推進速度；

S2、將所述第二數據輸入至預先借助訓練集數據獲取的訓練后的分類模型中，獲取分類結果；

所述開敞式TBM掘進循環的劃分方法，包括：

A1、針對每一次TBM掘進循環，在TBM掘進循環后獲取所述TBM掘進循環的參數數據；

所述TBM掘進循環參數數據包括：所述TBM掘進循環中的刀盤扭矩數據、掘進速度數據、刀盤轉速數據；

A2、基于所述TBM掘進循環的參數數據，對所述TBM掘進循環進行劃分處理，確定所述TBM在掘進循環中依次相鄰的空推段、上升段、穩定段、停機段；

所述A2包括：

A2-1、基于所述TBM掘進循環中的刀盤轉速數據，確定所述TBM掘進循環中空推段的起點和停機段的終點；

其中，所述TBM掘進循環中空推段的起點為：所述刀盤扭矩大于0且所述TBM掘進循環中的刀盤轉速由0值變為非0值時的時間點；

所述所述TBM掘進循環中停機段的終點為：所述刀盤扭矩大于0且所述TBM掘進循環中的刀盤轉速由非0值突變為0值時的時間點；

A2-2、基于所述TBM掘進循環中的刀盤轉速數據和掘進速度數據，確定所述TBM掘進循環中作為上升段的起點和空推段終點的第一時間點；

所述A2-2包括：

A2-2-1、基于所述TBM掘進循環中的刀盤扭矩數據，確定所述TBM掘進循環中刀盤扭矩上升時的起始時間點；

A2-2-2、基于所述TBM掘進循環中的掘進速度數據，確定所述TBM掘進循環中掘進速度第二次開始上升時的時間點；

A2-2-3、判斷所述TBM掘進循環中刀盤扭矩上升時的起始時間點與所述TBM掘進循環中掘進速度第二次開始上升時的時間點在所述TBM掘進循環中的先后順序，得到判斷結果；

A2-2-4、基于所述判斷結果，確定作為所述TBM掘進循環中上升段的起點和空推段終點的第一時間點；

所述A2-2-4包括：

若所述TBM掘進循環中刀盤扭矩上升的起始時間點在所述TBM掘進循環中掘進速度第二次開始上升時的時間點之前，則確定所述TBM掘進循環中掘進速度第二次開始上升時的時間點作為所述TBM掘進循環中上升段的起點和空推段終點的第一時間點；

若所述TBM掘進循環中刀盤扭矩上升的起始時間點在所述TBM掘進循環中掘進速度第二次開始上升時的時間點之后，則確定所述TBM掘進循環中刀盤扭矩上升的起始時間點作為所述TBM掘進循環中上升段的起點和空推段終點的第一時間點；

A2-3、基于所述TBM掘進循環中的刀盤轉速數據，確定所述TBM在掘進循環中作為停機段的起點和穩定段的終點的第二時間點；

所述TBM在掘進循環中作為停機段的起點和穩定段的終點的第二時間點為刀盤轉速由穩定轉為下降時的拐點所對應的時間點；

A2-4、基于所述TBM掘進循環中空推段的起點和停機段的終點、所述TBM掘進循環中作為上升段的起點和空推段終點的第一時間點、所述TBM在掘進循環中作為停機段的起點和穩定段的終點的第二時間點、所述TBM掘進循環的參數數據，確定所述TBM在掘進循環中作為穩定段的起點和上升段的終點的第三時間點；

所述A2-4包括：

A2-4-1、基于所述TBM掘進循環中空推段的起點和停機段的終點、所述TBM掘進循環中作為上升段的起點和空推段終點的第一時間點，確定所述TBM掘進循環中的空推段；

A2-4-2、基于所述TBM掘進循環中空推段的起點和停機段的終點、所述TBM在掘進循環中作為停機段的起點和穩定段的終點的第二時間點，確定所述TBM掘進循環中的停機段；

A2-4-3、基于所述TBM掘進循環中的空推段、停機段以及TBM掘進循環中的作為上升段的起點和空推段終點的第一時間點，確定TBM掘進循環中的第一時間段；

其中，所述第一時間段為：所述TBM掘進循環中除了所述TBM掘進循環中的空推段、TBM掘進循環中的停機段以及以TBM掘進循環中的上升段的起點后的第二預設時間段之外的時間段；

A2-4-4、獲取所述TBM掘進循環中第一時間段所對應的刀盤扭矩數據；

A2-4-5、基于所述TBM掘進循環中第一時間段所對應的刀盤扭矩數據，獲取所述TBM掘進循環中第一時間段中刀盤扭矩的平均值；

A2-4-6、基于所述TBM掘進循環中第一時間段中刀盤扭矩的平均值，和所述TBM掘進循環中第一時間段所對應的刀盤扭矩數據，確定所述TBM在掘進循環中作為穩定段的起點和上升段的終點的第三時間點；

其中所述第三時間點為：所述TBM掘進循環中第一時間段內刀盤扭矩第一次達到所述第一時間段中刀盤扭矩的平均值時的時間點；

A2-5、基于所述TBM掘進循環中作為上升段的起點和空推段終點的第一時間點、所述TBM在掘進循環中作為穩定段的起點和上升段的終點的第三時間點，確定所述TBM在掘進循環中的上升段；

所述第二預設時間段為60s；

所述S1之前還包括：

S0、獲取訓練集數據，并根據訓練集數據確定最終的輸入特征以及根據訓練集數據訓練預先設定的分類模型，獲取訓練后的分類模型；

所述訓練集數據包括：多個掘進循環中的第一數據以及每一第一數據所對應的圍巖等級標簽；

所述第一數據包括：掘進循環中的第一時間段中的預先選擇的20個特征的數據的均值；

其中，所述預先設定的分類模型為采用LightGBM算法搭建的分類模型；

所述S0包括：

S01、將訓練集數據以及預先設定的第一分類模型，輸入至SHAP模型中，分別獲取所述20個特征的數據的特征貢獻度；

其中，所述預先設定的第一分類模型為經過訓練集數據訓練后的分類模型；

S02、將特征貢獻度最小的特征的數據從所述訓練集數據中剔除，獲取新的訓練集數據；

S03、將所述新的訓練集數據劃分成多個訓練子集數據；

S04、基于所述多個訓練子集數據，采用預先設定的分類模型進行交叉驗證訓練，獲取所述預先設定的分類模型所對應的分類準確率；

所述預先設定的分類模型所對應的分類準確率為所述預先設定的分類模型進行針對每一訓練子集訓練得到的分類準確率的平均值；

S05、重復S02-S05直至訓練集數據中20個特征數據剔除完畢，則獲取每一新的訓練集數據所對應的預先設定的分類模型所對應的分類準確率；

S06、根據每一新的訓練集數據所對應的預先設定的分類模型所對應的分類準確率的大小，確定最終的輸入特征；

其中，所述最終的輸入特征為分類準確率最高時所對應的新的訓練集中的所有特征；

S07、將所述最終的輸入特征對應的新的訓練集訓練預先設定的分類模型，獲取訓練后的分類模型。