[發明專利]用主成分分析-長短記憶模型確定盾構機刀盤扭矩的方法

在審

• 申請號: 202110618612.7
• 申請日: 2021-06-03
• 公開（公告）號: CN113323676A
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 曾毅;沈水龍;熊旺;魏坤安;王志欣;張小龍;呂琦;余征毅;郭明耀;卞躍威;林松順;夏苓;閆濤
• 申請（專利權）人: 上海市隧道工程軌道交通設計研究院;汕頭大學
• 主分類號: E21D9/06
• 分類號: E21D9/06;E21D9/00;E21F17/00;E21F17/18;G06F30/20
• 代理公司: 上海恒慧知識產權代理事務所(特殊普通合伙) 31317
• 代理人: 徐紅銀

1.一種用主成分分析-長短記憶模型確定盾構機刀盤扭矩的方法，其特征在于，包括：

S1，獲取盾構機施工的地質參數和盾構施工參數，對所述地質參數和盾構施工參數進行歸一化處理；

S2，采用主成分分析方法對歸一化處理后的數據降維，并將降維后的數據和目標參數即盾構機刀盤扭矩劃分為測試集和訓練集；

S3，建立長短記憶神經網絡模型，將訓練集輸入到長短記憶神經網絡模型中，調整模型參數使模型達到收斂，并用測試集驗證后保存最佳模型；

S4，將實測的地質參數和盾構施工參數輸入所述最佳模型，得到目標參數盾構機刀盤扭矩。

2.根據權利要求1所述的用主成分分析-長短記憶模型確定盾構機刀盤扭矩的方法，其特征在于，所述地質參數包括：從隧道施工前的地質勘查報告中獲取6個地質參數，具體為：隧道埋深、淤泥厚度、粉質粘土厚度、礫砂厚度、混合花崗巖厚度和中風化花崗巖厚度。

3.根據權利要求1所述的用主成分分析-長短記憶模型確定盾構機刀盤扭矩的方法，其特征在于，所述的盾構施工參數從土壓平衡盾構機控制系統中獲取，包括：

1個目標參數：刀盤扭矩；

13個影響參數：盾構主推力、面A壓力、面B壓力、面C壓力、刀盤轉速、推進速度、貫入度、螺旋機轉速、泡沫體積、泡沫壓力、泡沫濃度、注漿量和注漿壓力，其中，面A、B、C壓力指的是將刀盤沿豎向直徑等分為三份，最上面的土壓為面A壓力，中間面的土壓為面B壓力，最下面的土壓為面C壓力。

4.根據權利要求3所述的用主成分分析-長短記憶模型確定盾構機刀盤扭矩的方法，其特征在于，對所述地質參數和盾構施工參數進行歸一化處理，將地質參數和盾構施工參數的實測數據轉化到區間[0,1]，其中，利用以下公式得到數據歸一化結果：

式中：x_min和x_max是每個變量的最小和最大實測值，是線性歸一化后每個參數的最小值和最大值。

5.根據權利要求1所述的用主成分分析-長短記憶模型確定盾構機刀盤扭矩的方法，其特征在于，所述采用主成分分析方法對歸一化處理后的數據降維，包括：

1)構造評價矩陣(m×n)：

式中：m為每個參數的樣本數量；n為地質參數和盾構施工參數的總數量；x_mn為第n個參數中的第m個樣本的歸一化值；

2)通過以下方程對評價矩陣(m×n)中的參數的歸一化值進行標準化：

式中：X_ij為第j個參數中的第i個樣本標準化值(i≤m，j≤n)；是第j個參數所有樣本歸一化值后的平均值；是第j個參數所有樣本歸一化值的標準差；k，j為n中的第k，j個；i表示m個樣本中的第i個；

3)建立基于標準化后的相關系數矩陣C，C由下式表示：

式中：Cov_kj為所有標準化參數中第k個標準化參數與第j個標準化參數之間的協方差(k≤n，j≤n)，Cov_kj的表達式如下：

式中：是評價矩陣的n個標準化參數中第k個標準化參數的平均值；X_ik是指評價矩陣中第k個標準化參數中第i個標準化值(i≤m)；是評價矩陣的n個標準化參數中第j個標準化參數的平均值；

4)計算相關系數矩陣的特征值和特征向量；

其中，采用以下方程求解特征值：

|C-λ_jI|＝0

式中：I是單位矩陣，λ_j為第j個特征值，j≤n；

特征向量X_j由以下公式求得：

(C-λ_jI)X_j＝0

5)將特征值并按降序排列：λ₁≥λ₂≥...≥λ_j≥...≥λ_n，，按照以下公式計算方差累積貢獻率：

式中：p從1開始計算，是方差的累積貢獻率，如果的值超過設定值，則主成分(PCs)的數量為p，則確定主成分對應的前p個特征值和每個特征值對應的特征向量；λ_j表示第j個特征值；

6)計算每個主成分的值：

式中，PC_if表示主成分矩陣中對應的第i行第f列元素(f≤p)，β_jf為特征值λ從大到小排列前p個特征值對應的特征向量作為行向量組成的特征向量矩陣中的第j行第f列元素。