基于主成分分析与BP神经网络的TBM围岩可掘性分级实时识别方法研究

TBM围岩可掘性等级实时在线识别和预警对TBM安全高效以及智能化掘进意义重大,基于新疆EH隧洞工程直径为7. 0 m的敞开式TBM实际掘进数据与地质数据,通过TBM掘进性能与施工风险的特征参数指标对围岩进行可掘性分级。在对不同围岩下区分度较好的掘进参数进行主成分分析之后,获得表征围岩可掘性等级的2个主成分指标,并在此基础上构建BP神经网络对围岩可掘性等级进行识别。同时,为提高模型响应速度,设计了一个MATLAB程序,从而获得了实用性较强的围岩可掘性等级实时识别方法。

TBM围岩可掘性识别方法研究

通过主成分分析(PCA)和支持向量机(SVM)方法的组合,用于识别TBM围岩可掘性。依托新疆某工程,分析TBM掘性参数,并按照可掘性指标对围岩可掘性进行分级,选择贯入度、刀盘转速、刀盘扭矩、刀盘推力、TPI、FPI、净掘进速度和施工速度这8个TBM参数作为模型指标,利用主成分分析方法提取2个主成分,再结合支持向量机方法建立围岩可振性识别模型,对围岩的可振性进行识别,最后经过工程数据验证:15个洞段中13个洞段的围岩可掘性识别结果与实际可掘性一致,验证表明模型的准确性高、实用性强,为及时调整TBM参数提供参考,有一定工程借鉴意义。

不同围岩地质条件下盾构掘进效能评价方法

考虑盾构掘进过程中掘进机与围岩的耦合作用,提出反应掘进参数和地质条件综合作用的盾构掘进效能评价指标体系。将岩石磨蚀性指标KCAI作为围岩可掘性评价指标,构建围岩可破量模型,提出适用于盾构施工的围岩可掘性分级体系。通过对盾构掘进效率研究,提出盾构掘进指数KSTI以反应盾构掘进能耗,基于对盾构施工大数据的分析,确定了不同围岩分级下掘进指数合理区间并进行分级评价。综合围岩可掘性分级和盾构掘进指数分级体系建立盾构掘进效能评价方法,并对盾构掘进效能评价划分为1～7个等级。以广州地铁3号线大石-汉溪区间的地质条件和掘进参数为例,进行了盾构掘进效能评价,验证了该效能评价方法的正确性,为盾构掘进参数的设定提供理论参考依据。