原文传递
基于围岩感知的TBM施工掘进参数优化决策研究
| 论文题名： | 基于围岩感知的TBM施工掘进参数优化决策研究 |
| 关键词： | 深长隧道;TBM施工;掘进参数优化;围岩感知 |
| 摘要： | 随着我国基础设施建设的快速发展，越来越多的深长隧道正处于在建和拟建中。相对于钻爆法，TBM施工因其速度快、质量优、费用低、施工安全等优点，现已广泛应用于各类隧道工程，被公认为深长隧道的优选施工方法。然而由于施工进度、施工人员水平、技术装备水平等因素的制约，围岩条件难以准确获取，TBM参数调整主要依靠操作人员的主观经验，不同围岩情况下掘进参数最佳取值往往难以确定，导致TBM掘进速度偏低、施工成本增加。 为解决上述问题，本文以新疆某工程实测数据为依托，结合支持向量机、贝叶斯、K-均值聚类、BP神经网络、长短时记忆神经网络、极限学习机等算法，建立以TBM掘进效率最高为目标的TBM掘进参数优化决策模型，涵盖TBM稳定段掘进性能预测模型研究、围岩聚类分类及地层感知、TBM掘进参数优化决策三部分，本文主要研究内容如下: （1）基于上升段掘进数据的TBM稳定段掘进性能预测。对数据进行预处理建立样本数据库。以上升段推力、扭矩、贯入度、刀盘转速的平均值和稳定段的推进速度作为输入，稳定段的推力和扭矩作为输出，利用支持向量回归算法建立预测模型，并利用贝叶斯优化算法对支持向量回归模型的核函数进行优化，实现通过上升段掘进数据对TBM稳定段掘进性能的预测。 （2）建立基于掘进参数的TBM隧道围岩分类及地层识别模型。以TBM稳定段推力和扭矩为基础，结合推进速度和刀盘转速，通过K-均值聚类建立从掘进参数到地层等级的分类模型。采用BP和LSTM算法对围岩分类进行验证，并与现场围岩等级进行对比，对比结果表明，K-聚类分析得到的分类方法其特征提取更为精确，能较好的将不同围岩条件下的掘进参数区分开，为下一步基于各围岩分类的掘进速度预测奠定了基础。 （3）基于地层感知的TBM掘进速度优化决策研究。根据第四章建立的地层分类模型，建立各围岩等级下基于掘进参数的TBM推进速度预测模型。以既往各围岩等级下推进速度最大值为期望值，通过穷举找到对应的最佳掘进参数组合，并进一步拟合掘进速度和各掘进参数的函数关系，评估各掘进参数对掘进速度的影响程度，确立不同围岩条件下掘进参数的调整方向。 |
| 作者： | 冯健翔 |
| 专业： | 土木水利 |
| 导师： | 邱道宏;薛翊国 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
