申请/专利权人：中国水利水电科学研究院;中电建铁路建设投资集团有限公司

申请日：2021-11-16

公开（公告）日：2024-04-16

公开（公告）号：CN114329810B

主分类号：G06F30/17

分类号：G06F30/17;G06F30/27;G06N3/045;G06N3/08;G06N20/00;E21D9/06;G06F119/10

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.04.29#实质审查的生效;2022.04.12#公开

摘要：本发明属于盾构机技术领域，公开了基于大数据的盾构机工作姿态实时预测方法，包括整体数据获取：工程、设备与地层参数获取；盾构数据分析预处理；盾构姿态预测模型建立。为了将原始数据转变为可供深度学习的数据格式，基于盾构特征工程的数据走势，将数据标准化预处理过程分为四部分：数据分割、离散点处理、缺失值处理、数据降噪四部分。本发明采用的预测方法，对盾构数据进行标准化预处理，能有效减少计算机处理的工作量，提升工作效率，并且相对传统的人工智能预测模型，针对性的提出了巴特沃斯降噪方法，保证盾构机工作姿态实时预测准确。

主权项：1.基于大数据的盾构机工作姿态实时预测方法，其特征在于：盾构机工作姿态实时预测方法具体操作步骤包括：S1、整体数据获取：S1-1、工程、设备与地层参数获取：所述设备包括土压平衡盾构机和盾构姿态测量设备，采集的参数包括刀盘系统、主驱动系统、皮带机系统、推进系统、铰接系统的相关参数，采集频率为1Hz，全天24小时不间断采集；盾构姿态测量设备为自动导向系统，自动记录的信息包括盾构机姿态参数、位置参数和运动趋势，采集频率为30s1次；所述地层参数包括粘聚力、含水率、内摩擦角、抗剪强度、压缩模量；S1-2、盾构机数据分析预处理：包含数据分割、离散点处理、缺失值处理、数据降噪四部分模块；根据盾构数据特点，采用大数据自动分割算法，利用3σ准则识别和处理了离散值，采用Python里面的Time模块识别了缺失值，采用高低通滤波法对数据进行滤波降噪处理；S1-3、盾构机姿态与操作参数进行皮尔森相关系数法分析：采用皮尔森相关系数法分析盾构机操作参数和姿态参数之间的相关性，去掉无关变量；S2、深度学习与预测模型：S2-1、数据预处理：将原始数据针对每个时间序列的参数值分别做标准化处理，标准化方法采用Z-score标准化，将原始数据进行线性变换使其值域分布在[-1,1]附近，线性变换的公式如下： 式中：u为输入数据某一维度的均值；σ为输入数据某一维度的标准差；标准差标准化算法使输入、输出数据符合标准正态分布；S2-2、盾构姿态预测模型：以GRU为主要算法，将输入数据和输出数据处理成时间序列的形式，采用过去多段掘进段的特征参数对下一个掘进段姿态参数进行预测，伴随着盾构机向前掘进，数据序列不断滚动，从而实现实时连续预测；模型预测参数包含盾构姿态、盾构位置、盾构运动趋向的相关参数，每个参数独立训练，最后整合预测结果，形成复合预测模型；S3、预测结构与分析：S3-1、姿态参数预测结果：采用均方根误差RMSE、平均绝对误差MAE、决定系数R2综合评价模型预测效果；S3-2、模型影响因素分析：采用未数据预处理和不同模型结构进行综合对比分析；S3-3、模型对比分析：模型搭建利用Tensorflow平台Keras库神经网络库和Scikit-learn机器学习库。

全文数据：

权利要求：

百度查询： 中国水利水电科学研究院;中电建铁路建设投资集团有限公司 基于大数据的盾构机工作姿态实时预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD