原文传递
TBM历史工程数据迁移学习方法研究
| 论文题名： | TBM历史工程数据迁移学习方法研究 |
| 关键词： | 隧道施工;TBM掘进机;破岩参数;转换关系;迁移学习 |
| 摘要： | 随着TBM国产化的发展和传感技术的进步，搭载了众多传感器的TBM设备在掘进时会采集海量数据。通过数据挖掘建立TBM掘进响应参数机器学习预测模型，是实现控制参数优化、围岩性质判别和塌方风险预警等的重要基础，也是实现TBM施工自动化和智能化的前提。然而TBM新建工程初期数据量不足，机器学习模型的预测效果不佳，无法为新建工程的施工提供决策依据；同时由于不同工程间TBM刀盘直径和刀具数量存在差异，基于历史工程数据训练得到的机器学习模型并不适用于新建工程，导致历史工程数据无法有效利用。为了解决这一瓶颈问题，本文以引松工程（历史工程）和引绰工程（新建工程）为工程对象，做了如下探究： （1）构建了一种基于CNN模型的TBM掘进响应参数预测方法。该方法在引松工程具有充足数据量的条件下对刀盘扭矩T和刀盘推力F的预测精度R2分别达到了0.903和0.861，证明了CNN模型对岩土数据工程特点具有可靠性和适应性； （2）推导了TBM破岩关键参数跨工程转换关系。从力学分析、经验计算、掘进比能和扭剪试验等四个不同角度探索了不同工程间关键破岩参数的转换关系，得到的转换关系系数均为只与刀盘直径D和刀具数量N相关的无量纲的比值，利用该转换关系系数即可将不同工程间的关键破岩参数统一到同一个分布区间分析； （3）验证了TBM破岩关键参数跨工程转换关系的合理性。根据转换关系在围岩等级分类和机器学习模型预测两方面的应用效果进行了比选，同时从遗传算法优化角度和工程实例应用角度进行了验证，证明了所提出的TBM破岩关键参数跨工程转换关系的合理性和普适性； （4）提出了基于转换关系和迁移学习的跨工程TBM掘进响应参数预测模型。基于转换关系将目标域数据（引绰工程）进行转换，以缩小源域（引松工程）和目标域（引绰工程）的数据分布差异，继而耦合以CNN模型为基础搭建的迁移学习方法，构成知识驱动迁移学习模型用于TBM新建工程掘进响应参数的预测。该方法在数据量极端匮乏的条件下对掘进响应参数的预测精度R2仍然达到了0.8以上。 研究结果表明，本文采用转换关系，可将不同工程的TBM施工数据归一化到同一个框架下进行分析，进而耦合迁移学习方法，实现了历史工程数据的有效利用，同时实现了在新建工程数据量较小条件下的TBM掘进响应参数的准确预测。该研究提高了TBM掘进响应参数预测模型的性能，可为TBM施工数据的知识积累和高效利用提供依据，助力早日实现TBM自动化施工的目标。 |
| 作者： | 李海波 |
| 专业： | 土木工程 |
| 导师： | 李旭;吴永康 |
| 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
