申请/专利权人：石家庄铁道大学;中国国家铁路集团有限公司

申请日：2023-11-21

公开（公告）日：2024-06-18

公开（公告）号：CN117371111B

主分类号：G06F30/13

分类号：G06F30/13;G06F30/23;G06F30/27;G06N3/0464;G06N3/084;G06F111/10;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2024.01.26#实质审查的生效;2024.01.09#公开

摘要：本发明提供一种基于深度神经网络和数值仿真的TBM卡机预测方法及系统，属于隧道掘进技术领域，包括以下步骤：利用数值仿真技术，构建卡机数值样本库；基于所述卡机数值样本库利用CNN和Transformer，建立卡机预测模型；利用卡机预测模型，实现对TBM卡机的实时监测和预警。本发明实现了对TBM卡机的实时监测和预警，减轻或避免卡机现象的发生，提高了TBM施工的安全性和效率。

主权项：1.一种基于深度神经网络和数值仿真的TBM卡机预测方法，其特征在于，包括以下步骤：利用数值仿真技术，构建卡机数值样本库；基于所述卡机数值样本库利用CNN和Transformer，建立卡机预测模型；利用卡机预测模型，实现对TBM卡机的实时监测和预警；建立卡机预测模型具体为：根据数值仿真方案，运行数值仿真模型，计算每种结构下围岩的围岩应力变化、变形特征和稳定性以及TBM的卡机程度，建立卡机风险判别指标，标定每个方案的卡机风险等级；将每个方案的卡机影响因素、卡机风险判别指标和卡机风险等级作为一个数值样本，存储在卡机数值样本库中，作为Transformer的训练数据；获取不同地质结构的B-scan图作为训练CNN的训练数据；利用卡机数值样本库，对Transformer进行训练，通过反向传播算法，更新网络的权重和偏置，使得网络的输出值与样本的真实值之间的误差最小化，得到卡机预测模型；利用卡机预测模型，实现对TBM卡机的实时监测和预警具体为：先用地质雷达勘探判断地质结构，将地质结构输入到训练好的CNN模型，得到CNN模型输出的卡机权重；然后收集TBM的实时数据如刀盘扭矩、推力、转速、出碴量，以及围岩的地质参数如岩性、含水量、抗压强度；将CNN模型输出的卡机权重、TBM的实时数据和围岩的地质参数作为卡机预测模型的输入数据；将输入数据传输到卡机预测系统，通过卡机预测模型，计算出卡机风险判别指标和卡机风险等级的预测值，作为卡机预测模型的输出数据；根据输出数据，对TBM卡机进行实时监测和预警。

全文数据：

权利要求：

百度查询： 石家庄铁道大学;中国国家铁路集团有限公司 基于深度神经网络和数值仿真的TBM卡机预测系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD