论文部分内容阅读
本文针对影响盾构施工效率的关键部件盘形滚刀进行研究,依托于穗莞深城际铁路项目,分析多元非线性回归方法和人工智能神经网络(自适应神经模糊系统ANFIS)应用于盾构滚刀磨损预测的可行性与适用性,得出重要成果如下:(1)盘形滚刀属于切削系统,主要分为三类:单刃滚刀、双刃滚刀和三刃滚刀。盘形滚刀失效类型主要分为磨损和破坏两大类,其中刀圈均磨占据了60%~80%,且盘形滚刀磨损量随盘形滚刀安装半径的增加而变大。盾构施工过程中,为确保施工效率与经济性,滚刀磨损量限制可定为25mm。(2)结合现有研究成果,通过多元非线性回归模型构建流程,逐步分析得出该模型中有盾构推力、刀盘扭矩、刀盘转速、盾构推进速度和盘形滚刀安装半径五个自变量,以及盘形滚刀单环磨损量一个因变量。通过霍尔姆磨损量计算公式可以将盘形滚刀磨损量科学分配至每一环,增加用于建立回归模型的数据组。(3)采用数据标准化方式,降低计算误差,并通过系数直观反映出各变量的影响程度。基于标准化数据,可通过R~2的对比确定因变量与任一自变量的最佳拟合形式,进而建立多元非线性回归模型。对比现场实测数据与模型预测数据,R~2=0.791733,证明多元非线性回归方法适用于盘形滚刀磨损的定量预测。(4)同等条件下,盘形滚刀磨损量与盾构推力、刀盘转速和安装半径呈正相关,与刀盘扭矩、盾构推进速度呈负相关。分析多元非线性回归模型中的系数,盘形滚刀磨损量与盾构推力和盾构推进速度更为密切,影响程度最大达到了其余三个因素的三十多倍。出于降低滚刀磨损的目的,可以适当的降低推力、加快降低刀盘旋转速度,进一步优化刀盘结构,尽可能减小盘形滚刀安装半径。(5)运用自适应神经模糊系统(ANFIS)对盘形滚刀磨损进行定量预测时,在没有地层等外部因素的干扰下,单环磨损量平均误差随着盘形滚刀磨损量的上升而增加,但是平均误差基本可以控制在10%以内。对比现场实测数据与ANFIS预测数据,R~2=0.9029,验证了ANFIS在盘形滚刀磨损定量预测方面的可行性和适用性。