盾构工程实测数据时序性质分析与掘进速率预测

本文基于工程实测数据,在分析其序列性质的基础上,提出了基于时序神经网络方法的盾构掘进速率预测方法,并在天津地铁9号线这一实际工程算例中对所提出的方法的有效性进行验证,讨论比较了Simple RNN、LSTM与GRU这3种不同时序神经网络算法的掘进速率预测表现。结果表明,本文提出的基于时序神经网络的盾构掘进速率预测方法能够较好地分析掘进中积累的工程实测数据中的序列性质,从而对前方掘进速率进行预测,且比具有“门”性质的LSTM与GRU方法表现出了更好的预测效果。

基于工程实测数据增量学习的掘进总推力分析与建模

随着传感检测技术不断发展,复杂实验或工程实测可以给出丰富的力学量测试信息。如何通过数据分析提取关键力学量的演化规律、建立科学有效的预估模型是实验力学数据分析的重要研究内容。硬岩隧道掘进机(Tunnel Boring Machine,简称TBM)实测数据分析能够为施工过程中掘进参数的合理调控提供决策依据。掘进总推力是贯穿装备施工的关键力学量,由于掘进过程要穿越多种类型地质,装备掘进参数调控要求总推力预测模型具有适应工况变化的能力。针对上述需求,本文建立了基于样本增量宽度学习(Increment-Broad Learning System,简称I-BLS)的总推力建模方法,该方法能够随着掘进过程中工况的变化进行模型更新。结合新疆某隧道工程实例,基于上述方法建立了该工程的总推力预测模型,由独立测试集分析模型的有效性。将本方法的工程计算结果与基于3种常用机器学习方法的计算结果对比分析,结果表明本文方法能够在保持预测精度的同时,有效提高模型更新的计算效率。

上海地区沉桩阻力估算方法分析探讨

分析了估算沉桩阻力的必要性。在简单介绍了上海地区土层特性的基础上,按照桩端持力层土层性质和桩侧土性质的不同组合,将上海地区地基土分为4类进行研究。选择了4个具有代表性的已有计算沉桩阻力的计算公式,针对不同地基土类型,分别利用大量工程实测数据对各公式进行了分析研究,结果表明没有一个公式普遍适用于各种地基土。在分析各公式在不同地基土中的优缺点的基础上,提出了推荐使用的以静力触探比贯入阻力PS值为主要参数,同时考虑土体灵敏度和侧阻力、端阻力深度修正的沉桩阻力估算公式。运用大量的工程实测数据对该公式进行了验证,结果表明对不同的地层组合都比较适合。推荐公式对判定静压桩沉桩可能性和施工设备选型具有参考价值。

基于互信息与支持向量回归的盾构掘进载荷预测方法研究

掘进载荷是盾构施工中的重要控制量,直接关系着施工安全与效率。通过对掘进载荷影响因素的分析,建立了一种基于工程实测数据分析的掘进载荷特征选择及预测方法。首先,对工程实测数据进行极值归一化预处理,以降低不同参数间量纲和量级的差异产生的支配性影响;其次,通过参数分析和基于互信息的特征选择选取主要的影响参数作为输入;最后,通过支持向量回归(support vector regression,SVR)建立掘进载荷的预测模型,并结合天津地铁9号线盾构施工工程案例检验其预测表现。结果表明,所建立的掘进载荷预测方法能够在工程实测数据包含的众多影响参数中筛选出少量关键特征,实现对掘进载荷的合理预测。研究结果可以为盾构掘进参数的调控提供参考,也为具有众多参数的工程实测数据的分析提供一种思路。

Investigation of Correlation between the Temperature on Air-Snow and Snow-Ice Interfaces and the Atmospheric Air Temperature

Solution of the practical problems of the ice engineering requires the data about the strength of the ice cover that depends upon its temperature. In most cases, the snow lies on the ice cover and the ice temperature differs from the atmospheric air temperature. To reveal the correlation of the air temperature with temperature on interfaces air-snow and snow-ice, the known in the thermophysics solution of the problem of the heat transfer through the multilayer plate was applied. Derived solution connects the temperature of air and temperature on the snow-ice interface and satisfactory correlates with data of the field measurements of the temperature within snow layer and ice cover and ice thickness on the Heilongjiang （Amur） River. Results of investigation are recommended for the ice temperature evaluation in engineering practice.

实验数据反演识别分析方法与力学表征

本文给出了两类基于实验(实测)数据的反演识别方法,简述了其在界面力学性能及工程实测数据分析中的应用。在粘接界面力学性能的反演识别实验研究中,基于不同加载速率的实验曲线,结合参数化界面力学模型,通过反演识别给出粘接界面力学性能参数,并对识别结果的适定性进行独立的实验验证;在基于工程实测数据的反演识别与力学建模方面,在分析盾构装备载荷特点的基础上,对海量的实测数据统计分类,提出了力学量纲分析的建模方法,并应用于盾构掘进载荷的反演识别研究。

Material Removal Rate Prediction of Electrical Discharge Machining Process Using Artificial Neural Network

This article presents an Artificial Neural Network （ANN） architecture to model the Electrical Discharge Machining （EDM） process. It is aimed to develop the ANN model using an input-output pattern of raw data collected from an experimental of EDM process, whereas several research objectives have been outlined such as experimenting machining material for selected gap current, identifying machining parameters for ANN variables and selecting appropriate size of data selection. The experimental data （input variables） of copper-electrode and steel-workpiece is based on a selected gap current where pulse on time, pulse off time and sparking frequency have been chosen at optimum value of Material Removal Rate （MRR）. In this paper, the result has significantly demonstrated that the ANN model is capable of predicting the MRR with low percentage prediction error when compared with the experimental result.