發(fā)布時(shí)間：2021-12-29 08:39

　　通過(guò)TBM上升段數(shù)據(jù)預(yù)測(cè)穩(wěn)定段的掘進(jìn)參數(shù),可以在每個(gè)掘進(jìn)循環(huán)的起始階段預(yù)測(cè)出各掘進(jìn)參數(shù)的建議值,輔助進(jìn)行TBM掘進(jìn)參數(shù)的設(shè)置和優(yōu)化調(diào)整。提出一種基于改進(jìn)粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)（Improvedparticle swarm optimization-back propagation,IPSO-BP）的TBM掘進(jìn)參數(shù)預(yù)測(cè)模型,采用自適應(yīng)慣性權(quán)重對(duì)標(biāo)準(zhǔn)PSO算法進(jìn)行改進(jìn),并基于改進(jìn)PSO算法對(duì)BP網(wǎng)絡(luò)的連接權(quán)值和偏置進(jìn)行優(yōu)化�；诩忠晒こ蘐BM3標(biāo)段802 d的TBM運(yùn)行數(shù)據(jù)對(duì)訓(xùn)練集和測(cè)試集進(jìn)行劃分。選取TBM掘進(jìn)上升段前30 s的刀盤扭矩、貫入度、刀盤功率、推進(jìn)速度、總推進(jìn)力5個(gè)掘進(jìn)參數(shù)變化特征（均值和線性擬合斜率）,以及巖性、圍巖分級(jí)和地下水活動(dòng)情況3個(gè)地質(zhì)參數(shù)作為模型的輸入,并通過(guò)試驗(yàn)法確定模型的3個(gè)關(guān)鍵超參數(shù)（隱含層節(jié)點(diǎn)數(shù)、學(xué)習(xí)率和粒子群種群規(guī)模）,預(yù)測(cè)穩(wěn)定掘進(jìn)時(shí)的推進(jìn)速度v、總推進(jìn)力F和刀盤扭矩T。結(jié)果表明,所提出的模型對(duì)TBM穩(wěn)定掘進(jìn)段參數(shù)的預(yù)測(cè)擬合優(yōu)度均達(dá)0.85以上,平均絕對(duì)百分誤差均小于12.68%,相比于BP模型和PSO-BP模型具有更高的預(yù)測(cè)精度。 

【文章來(lái)源】：巖石力學(xué)與工程學(xué)報(bào). 2020,39(08)北大核心EICSCD

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

某一天中TBM掘進(jìn)參數(shù)變化曲線402000102030405060708090掘進(jìn)時(shí)間/(10s)

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)粒子群優(yōu)化算法和極限學(xué)習(xí)機(jī)的混凝土壩變形預(yù)測(cè)[J]. 李明軍,王均星,王亞洲.  天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版). 2019(11)
[2]NSVR硬巖隧道掘進(jìn)機(jī)刀盤扭矩預(yù)測(cè)分析[J]. 王超,龔國(guó)芳,楊華勇,周建軍,段理文,張亞坤.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2018(03)
[3]基于RMR巖體分級(jí)系統(tǒng)的TBM掘進(jìn)性能參數(shù)預(yù)測(cè)[J]. 王健,王瑞睿,張欣欣,劉海東,龐永昊.  隧道建設(shè). 2017(06)
[4]基于力學(xué)分析的TBM掘進(jìn)總推力預(yù)測(cè)模型研究[J]. 周思陽(yáng),亢一瀾,蘇翠俠,張茜.  機(jī)械工程學(xué)報(bào). 2016(20)
[5]硬巖隧道掘進(jìn)機(jī)性能預(yù)測(cè)模型研究進(jìn)展[J]. 劉泉聲,劉建平,潘玉叢,孔曉璇,崔先澤,黃詩(shī)冰,魏萊.  巖石力學(xué)與工程學(xué)報(bào). 2016(S1)
[6]粒子群優(yōu)化算法中慣性權(quán)重綜述[J]. 周俊,陳璟華,劉國(guó)祥,許偉龍.  廣東電力. 2013(07)
[7]TBM盤形滾刀破巖力計(jì)算模型研究[J]. 劉泉聲,時(shí)凱,朱元廣,黃興.  煤炭學(xué)報(bào). 2013(07)
[8]BP神經(jīng)網(wǎng)絡(luò)隱層單元數(shù)確定方法[J]. 焦斌,葉明星.  上海電機(jī)學(xué)院學(xué)報(bào). 2013(03)
[9]粒子群優(yōu)化算法種群規(guī)模的選擇[J]. 張?chǎng)╇?王剛,朱朝暉,肖娟.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2010(05)
[10]分組合作多智能體算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值以及閾值[J]. 宋振雷,吳雪松.  電子測(cè)試. 2010(04)

碩士論文
[1]基于線性回歸和深度置信網(wǎng)絡(luò)的TBM性能預(yù)測(cè)研究[D]. 羅華.浙江大學(xué) 2018
[2]基于PSO-SVR算法的TBM掘進(jìn)效率預(yù)測(cè)及圍巖分級(jí)研究[D]. 熊帆.長(zhǎng)安大學(xué) 2016



本文編號(hào)：3555781