TBM破岩关键参数跨工程转换关系

作     者：李海波 李旭 王双敬 陈祖煜 荆留杰 Li Haibo;Li Xu;Wang Shuangjing;Chen Zuyu;Jing Liujie

作者机构：北京交通大学城市地下工程教育部重点实验室北京100044 中国水利水电科学研究院岩土工程研究所北京100048 中铁工程装备集团有限公司河南郑州450016 

出 版 物：《地球科学》 (Earth Science)

年 卷 期：2024年第49卷第5期

页      面：1722-1735页

核心收录：

学科分类：081803[工学-地质工程] 08[工学] 0818[工学-地质资源与地质工程] 

基　　金：国家重点研发计划资助项目(No.2022YFE0200400) 

主　　题：TBM 机器学习 破岩关键参数 不变量 遗传算法 岩土工程 工程地质 

摘      要：TBM信息化施工中采集了海量数据,通过数据挖掘建立机器学习模型,是实现TBM智能化的前提.然而在TBM新建工程初期,由于数据量稀少导致机器学习模型预测效果不佳;同时由于TBM设备结构和刀盘直径存在差异,基于历史工程训练得到的机器学习模型也并不适用于新建工程.为了解决这一瓶颈问题,基于单刀受力分析、经验方法和扭剪实验模型等多种换算关系推导得到了仅与刀具数量和刀盘直径有关的物理不变量,利用由不变量组成的转换方案,可以对新建工程数据进行转换;之后针对围岩分类和机器学习模型上的应用效果,比选出最佳的破岩关键参数转换方案;进而采用遗传算法,以比选得到的转换方案不变量作为初值,迭代搜索出适合当前工程的最优转换方案不变量.研究结果表明,引绰工程(新建工程)数据经过不变量的转换后输入到引松工程(历史工程)机器学习模型,其刀盘扭矩T和刀盘推力F预测结果的拟合优度R2分别达到了0.84和0.70.本研究采用该转换方案不变量,可将不同工程的TBM施工数据归一化,将其统一到同一个框架下进行分析,实现了基于历史工程数据训练得到的机器学习模型指导新建工程施工.研究结果可为TBM机器学习模型跨工程应用提供参考.