【技術實現步驟摘要】
本專利技術涉及隧道掘進機施工監測智能化應用領域，特別是一種基于物理指導在線遷移學習的tbm圍巖質量實時感知方法。
技術介紹
1、隧道掘進機作為一種高效、安全和環境友好型的機械化開挖方法被廣泛應用于地下空間開發和建設。隧道掘進機性能受圍巖地質條件變化的影響，機器開挖過程中若不能及時識別正在遭遇圍巖劣化工況會造成設備卡機、圍巖掉塊坍塌等工程災害，導致設備損壞甚至嚴重威脅現場人員生命安全。然而，由于受到機器護盾遮擋的影響，tbm施工過程中進行超前勘探和地質映射等方法實施不便，且相關結果的分析時間長，不能滿足工程現場快速、實時診斷的需要，因此隧道工程需開發相關tbm圍巖質量實時感知方法。
2、近年來，傳感技術的進步為基于現場監測數據的采集奠定了基礎。tbm開挖過程現場掘進數據是機器與巖體相互作用的結果，因此基于現場監測掘進數據為實現tbm施工過程圍巖質量實時智能評價提供了可能。但是，相關研究主要針單個隧道工程監測數據進行圍巖質量智能診斷的訓練和測試，缺乏相關模型的在新建隧道中的跨工程遷移學習現場應用驗證。另外，新建隧道初始施工過程中面臨著無充足的監測學習樣本數據、且現場監測數據以實時數據流的形式被收集。因此，如何在tbm施工現場監測數據流工況下實現在線遷移學習下的圍巖質量智能診斷模型預測，是保障相關方法跨工程現場應用的關鍵。
3、開發適用于新建隧道工程現場監測數據流的在線遷移學習方法仍要解決以下主要問題。首先，如何對新建隧道工程實時獲取的數據流進行有效的處理進而提取tbm的有效工作段并提取能夠實現不同隧道遷移學習
技術實現思路
1、本專利技術要解決的技術問題是針對上述現有技術的不足，而提供一種基于物理指導在線遷移學習的tbm圍巖質量實時感知方法，該基于物理指導在線遷移學習的tbm圍巖質量實時感知方法以tbm破巖物理過程提取不同隧道工程廣泛存在的特征參數作為遷移學習的基礎，通過構建標準化的在線數據流處理與物理指導特征提取模塊、圍巖類別在線預測模塊和遷移學習應用模塊，實現跨隧道工程的圍巖質量實時感知。
2、為解決上述技術問題，本專利技術采用的技術方案是：
3、一種基于物理指導在線遷移學習的tbm圍巖質量實時感知方法，包括如下步驟。
4、步驟1、源域與目標域隧道工程對象劃分：源域是指已開挖結束的隧道工程，其現場監測數據空間用xs表示；源域的數據空間包含m個隧道工程現場監測數據，其中m≥1；源域中m個隧道工程的圍巖質量狀態均劃分為s個類型，其中s≥2。
5、目標域是指尚未開挖的n個隧道工程，其現場監測數據空間用xt表示，其中n≥1；
6、步驟2、基于源域現場監測數據共享參數空間的特征參數提取，包括如下步驟：
7、步驟2-1、源域內不同隧道工程tbm有效破巖工作階段數據流的分割，得到n個有效破巖工作段數據流。
8、步驟2-2、確定源域內的共享參數空間xshard：對每個有效破巖工作段數據流均建立共享參數空間xshard；xshard根據源域中隧道工程現場監測數據的數量m進行確定，具體為：
9、a、當m＝1時，xshard為破巖參數。
10、b、當m＞1時，xshard為破巖參數和非破巖參數的并集。
11、步驟2-3、提取共享參數特征值：共享參數特征值包括破巖參數特征值和非破巖參數特征值；其中，破巖參數特征值包括破巖參數統計特征值和可掘性指標；其中，可掘性指標為與破巖過程相關特征并以物理指導的指標；非破巖參數特征值為每個非破巖參數的均值。
12、步驟3、構建基于lstm的推力預測模型：基于lstm神經網絡算法構建推力預測模型；設待預測的當前工作段為第t個工作段，則推力預測模型的輸入層為第t個工作段之前的l個歷史工作段的共享參數特征值；輸出層為第t個工作段的推力預測值；根據步驟2提取的源域共享參數特征值，對構建的推力預測模型進行訓練，得到訓練后的推力預測模型。
13、步驟4、構建基于相似度指標的圍巖狀態預測模型：計算第t個工作段的推力預測值與第t個工作段的真實推力值的相似度誤差；根據步驟2提取的源域共享參數特征值，得到n個有效破巖工作段對應的相似度誤差序列si；再結合步驟1中劃分的s個圍巖質量狀態，從而構建基于相似度指標序列si和對應的圍巖分類序列s的圍巖狀態預測模型。
14、步驟5、目標域圍巖質量在線預測，包括如下步驟：
15、步驟5-1、目標域初始掘進：tbm對目標域進行開挖掘進至第h個工作段，并對每個工作段進行隧道工程現場監測數據；同時，對第1至h個已掘進工作段的圍巖類型進行實地勘測。
16、步驟5-2、目標域繼續掘進：tbm對目標域進從第h+1個工作段掘進至第t個工作段，并對每個工作段進行隧道工程現場監測數據；其中，t≥h+1。
17、步驟5-3、提取目標域共享參數特征值：對步驟5-1和步驟5-2中的每個工作段，均進行共享參數特征值的提取。
18、步驟5-4、第t個工作段推力預測：將步驟3提取的第t個工作段之前的l個歷史工作段的共享參數特征值，輸入至步驟3構建的基于lstm的推力預測模型中，得到目標域中第t個工作段的推力預測值
19、步驟5-5、計算相似度：將步驟5-2監測得到的目標域第t個工作段的真實推力值與步驟5-4得到的推力預測值計算得到目標域第t個工作段的相似度誤差sit。
20、步驟5-6、第t+1個工作段圍巖質量在線預測：將第t-1個工作段的圍巖類型作為遷移前的圍巖類型st-1，將st-1和sit代入步驟4構建的圍巖狀態預測模型中，查找得到在st-1和sit條件下不同圍巖狀態的概率值；其中，最大概率值所對應的圍巖狀態即為預測得到的第t+1個工作段圍巖質量狀態；其中，第t-1個工作段的圍巖類型根據步驟5-1直接勘測得到或以步驟5-1勘測數據為基礎，通過在線質量預測得到。
21、步驟1中，源域中m個隧道工程的圍巖質量狀態均采用國家標準《水利水電工程地質勘察規范gb50487-2008》，均將隧道圍巖劃分為穩定i、基本穩定ii、局部穩定iii、不穩定iv和極不穩定v，共計s＝5種類型。
22、步驟2-2中，破巖參數包括刀盤推力、刀盤扭矩、推進速度、刀盤轉速和貫入度；其中，貫入度為推進速度與刀盤轉速的比值。
23、步驟2-3中，可掘性指標包括單刀推力和貫入度數據流的線性擬合斜率a和推力截距b，以及單刀扭矩和貫入度的線性擬合斜率tpi。
24、步驟2-3中，破巖參數統計特征值包括破巖操作參本文檔來自技高網...
【技術保護點】
1.基于物理指導在線遷移學習的TBM圍巖質量實時感知方法，其特征在于：包括如下步驟：
2.根據權利要求1所述的基于物理指導在線遷移學習的TBM圍巖質量實時感知方法，其特征在于：步驟1中，源域中M個隧道工程的圍巖質量狀態均采用國家標準《水利水電工程地質勘察規范GB50487-2008》，均將隧道圍巖劃分為穩定I、基本穩定II、局部穩定III、不穩定IV和極不穩定V，共計S＝5種類型。
3.根據權利要求1所述的基于物理指導在線遷移學習的TBM圍巖質量實時感知方法，其特征在于：步驟2-2中，破巖參數包括刀盤推力、刀盤扭矩、推進速度、刀盤轉速和貫入度；其中，貫入度為推進速度與刀盤轉速的比值。
4.根據權利要求3所述的基于物理指導在線遷移學習的TBM圍巖質量實時感知方法，其特征在于：步驟2-3中，可掘性指標包括單刀推力和貫入度數據流的線性擬合斜率a和推力截距b，以及單刀扭矩和貫入度的線性擬合斜率TPI。
5.根據權利要求1所述的基于物理指導在線遷移學習的TBM圍巖質量實時感知方法，其特征在于：步驟2-3中，破巖參數統計特征值包括破巖操作參數統
6.根據權利要求1所述的基于物理指導在線遷移學習的TBM圍巖質量實時感知方法，其特征在于：步驟3中，根據步驟2提取的源域共享參數特征值，對推力預測模型進行訓練，并在訓練過程中，對推力預測模型進行超參數優化，具體優化方法包括如下步驟：步驟3B-1、樣本庫劃分：將步驟3A-2加載的n個源域工作段數據流，按照設定比例劃分為訓練集和驗證集；
7.根據權利要求1所述的基于物理指導在線遷移學習的TBM圍巖質量實時感知方法，其特征在于：步驟4中，設源域的相似度誤差序列為SI＝{si1,...,sii,...,sin}，同時依據源域現場圍巖質量狀態劃分結果，得到工作段數據流對應的圍巖分類序列S＝{s0,s1,...,si,...,sn}；基于相似度指標序列SI和對應的圍巖分類序列構建巖體分類狀態轉移概率模型，如下式所示：
8.根據權利要求1所述的基于物理指導在線遷移學習的TBM圍巖質量實時感知方法，其特征在于：步驟5-1中，h＝20。
...【技術特征摘要】
1.基于物理指導在線遷移學習的tbm圍巖質量實時感知方法，其特征在于：包括如下步驟：
2.根據權利要求1所述的基于物理指導在線遷移學習的tbm圍巖質量實時感知方法，其特征在于：步驟1中，源域中m個隧道工程的圍巖質量狀態均采用國家標準《水利水電工程地質勘察規范gb50487-2008》，均將隧道圍巖劃分為穩定i、基本穩定ii、局部穩定iii、不穩定iv和極不穩定v，共計s＝5種類型。
3.根據權利要求1所述的基于物理指導在線遷移學習的tbm圍巖質量實時感知方法，其特征在于：步驟2-2中，破巖參數包括刀盤推力、刀盤扭矩、推進速度、刀盤轉速和貫入度；其中，貫入度為推進速度與刀盤轉速的比值。
4.根據權利要求3所述的基于物理指導在線遷移學習的tbm圍巖質量實時感知方法，其特征在于：步驟2-3中，可掘性指標包括單刀推力和貫入度數據流的線性擬合斜率a和推力截距b，以及單刀扭矩和貫入度的線性擬合斜率tpi。
5.根據權利要求1所述的基于物理指導在線遷移學習的tbm圍巖質量實時感知方法，其特征在于：步驟2-3中，破巖參數統計特征值包括破巖操作參數統計特征值和破巖非操作參數統計特征值；步驟3中，lstm神經網絡包括lstm層和全連接層...
【專利技術屬性】
技術研發人員：楊文坤，趙海濤，石崇，楊果，何錦濤，王勝，楊瑞，鄧植煊，馬坤宇，曹乾，張維維，巫錦程，劉美欣，林澳慶，陳卓然，
申請(專利權)人：河海大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。