论文部分内容阅读
在全断面硬岩掘进机(TBM,Tunnel Boring Machine)掘进过程中,由于隧道本身是隐蔽工程,为安全施工,掘进前及掘进时需要对掘进隧道地质情况进行地质预测预报,同时掘进后仍需对岩碴校正勘误以备后续进一步的研究分析。针对TBM施工的不同阶段具有不同的地质预测预报方法,这些方法受限于其自身的缺点导致地质预测准确性、施工效率或预测时效性达到瓶颈。同时面对已知地质,随着隧道地质的变化,TBM的操作参数也应该不断的进行调整以适应当下地质情况,不当的操作参数选择会导致恶劣的受载情况。TBM操作参数的准确选择取决于TBM司机专业知识的高低,对专业性要求高且耗工时。面对传统TBM驾驶以及地质预测预报手段的劣势,随着TBM智能化安全化掘进计划的开展,明确岩机映射机理,科学保证TBM安全掘进的研究势在必行。针对不同施工阶段的地质预测预报手段的不足,以围岩等级识别为目的,采用数据挖掘技术分别建立了围岩等级实时预测模型和围岩等级超前预测模型,实现了TBM掘进地质的智能识别。以载荷最小为决策目标对操作参数进行优化,达到了保证TBM安全掘进并降低其专业性要求的目的。实现了从地质智能识别到安全驾驶决策的闭环安全保障。具体研究内容如下:1)以某引水工程后期修正数据为依托,参考围岩分类标准将地质整体划分为五类围岩,分别采用KNN、决策树和DNN算法建立了掘进参数和围岩等级之间的围岩等级实时预测模型,实现了分类精度为0.99的围岩等级实时识别。就围岩等级识别而言,解决了工程后期需对地质进行分析及勘误而导致的时效性低和专业性高的问题。2)基于LSTM算法建立了参数超前预测模型,并联合围岩等级实时预测模型,建立了围岩等级超前预测模型。实现在满足一定分类精度(0.85)前提下,最高超前预测70分钟后围岩等级的功能。就围岩等级识别而言,解决了工程前期钻孔取芯地质预测不准确和取芯困难的问题以及工程中需停机进行超前地质预报而工程效率低的问题。3)分别采用岭回归和DNN回归算法建立了不同围岩等级下操作参数与载荷间的预测模型,总推力和刀盘扭矩预测MAPE分别在10%和29%以下。在保证掘进效率的前提下,以最小化刀盘扭矩或总推力为决策目标,优化操作参数。对比优化后的响应扭矩与额定扭矩和响应总推力与最大总推力的比值,选定限制TBM安全掘进的主要因素。选择主要限制因素对应的操作参数作为推荐操作参数,达到以牺牲次要因素为代价,降低主要限制因素响应值的目的。结合地质预测,为TBM在不同围岩下掘进做出指导。