原文传递
基于TBM刀盘振动的围岩感知技术研究
| 论文题名： | 基于TBM刀盘振动的围岩感知技术研究 |
| 关键词： | 隧道施工;TBM掘进机;刀盘振动;围岩感知 |
| 摘要： | 随着国内TBM设备自主研发技术的逐渐成熟以及劳动力成本增加，TBM隧道修建法的优势越发凸显，在国内隧道的修建中得到大力的应用和推广。在TBM的掘进中，TBM操作手主要依靠当前的地质情况控制掘进。但由于种种条件限制，很难得到一份详尽的实时的地质资料，在复杂的地质条件就下难以实现操作参数科学决策，影响TBM的安全高效掘进。因此为了提高TBM在复杂地质条件下的适应性，就需要对刀盘前方围岩状态进行实时感知。TBM刀盘振动数据伴随TBM掘进产生，具有较好的时效性且与围岩状态密切相关，因而可作为围岩感知的基础。本文通过对TBM刀盘振动监测获得的振动数据进行处理和分析，分别基于机器学习和深度学习算法建立了围岩的感知模型，实现对围岩的预测。主要研究内容如下： （1）基于现场实测获得的TBM振动数据包含各种噪声，对围岩感知存在干扰，可能影响到模型预测的效果。为了提高围岩感知的准确性，基于小波阈值的去噪方法，分别研究了EMD、EEMD以及CEEMD与小波阈值去噪相结合的降噪方法，提出以降噪后TBM振动与围岩等级的相关性指数作为降噪效果评价指标，对各方法的降噪效果进行评估，进行参数的优化和降噪方法的比选。 （2）对降噪处理后的信号进行时域、频域特征提取，经特征筛选后，确定以刀盘振动加速度的峰峰值、均方根频率、有效值、平均值、峭度、重心频率6个参数作为振动特征指标，并基于BP神经网络建立掌子面围岩的岩体参数感知模型；通过与支持向量机算法的预测结果进行对比，发现基于BP神经网络的模型预测效果较好； （3）对降噪处理后的信号进行时频变换，得到时频图像；采用卷积神经网络进行图像识别和分类，建立基于时频图像的深度神经网络围岩等级预测模型，并分析了不同时频变换方法、不同样本信号分割时长、不同岩性对预测结果的影响。结果表明，基于希尔伯特时频图像的模型预测效果最好，小波变换次之；随着样本信号时长的增大，模型预测准确率先增后减，当取20s时长预测结果相对较好；以一种岩性样本训练的模型对其他岩性的样本预测效果较差。 |
| 作者： | 郑修和 |
| 专业： | 土木工程 |
| 导师： | 谭忠盛 |
| 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
