原文传递
基于机器学习混合算法的盾构掘进参数预测与优化控制研究
| 论文题名： | 基于机器学习混合算法的盾构掘进参数预测与优化控制研究 |
| 关键词： | 盾构隧道;掘进参数;机器学习;多目标优化;智能控制系统 |
| 摘要： | 随着盾构隧道智能化的研究应用与发展，机器学习和深度学习算法在隧道施工参数预测方面发挥着越来越大的作用。目前，盾构隧道进行施工时，对部分主动控制参数的调控基本上依靠人工经验，操作不当容易引发安全事故，具有一定局限性。本文通过研究盾构掘进参数的分布特征，结合机器学习混合算法原理，分析了人工神经网络、随机森林、长短期记忆神经网络算法对盾构掘进参数的预测以及粒子群算法和遗传算法对盾构掘进参数的多目标优化控制，为盾构智能化施工提供参考和帮助。主要研究内容和成果如下： （1）依托北京市东六环改造工程，收集海量盾构掘进实时数据，采用python语言对盾构导出参数进行相关性分析，并根据相关性系数选择核心参数。对数据进行预处理，统计核心参数的平均值、标准差、变化范围，绘制各参数变化趋势图和分布直方图，分析参数变化特征。 （2）选取人工神经网络、随机森林和长短期记忆网络对泥水压力和掘进比能进行预测分析，基于均方误差、决定系数等性能评价指标，分析比较三类算法的预测效果。利用贝叶斯优化算法，对长短期记忆网络进行调参优化，提升了混合算法下盾构掘进参数的预测性能。 （3）以掘进比能最小、泥水压力预测差值最小为目标优化函数，以盾构机姿态参数符合规定范围为约束条件，以刀盘转速、推进速度、刀盘扭矩、总推力为设计变量，建立以刀盘转速和推进速度为控制参数的盾构掘进参数多目标优化控制数学模型。利用粒子群算法与遗传算法相结合的混合算法进行参数寻优，得到刀盘转速和推进速度两个主动控制参数的最优操控范围。 （4）综合本文参数预测控制研究内容和前人研究成果及工程经验，设计了盾构掘进参数智能决策控制系统，为实际工程提供可视化的参数操控界面。 |
| 作者： | 陈悦 |
| 专业： | 土木工程 |
| 导师： | 袁大军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
