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

doi:10.3973/j.issn.2096-4498.2020.03.010

隧道建设（中英文） ›› 2020, Vol. 40 ›› Issue (3): 379-388.DOI: 10.3973/j.issn.2096-4498.2020.03.010

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

段志伟¹, 杜立杰^{1, ∗}, 吕海明², 王家海², 刘海东², 富勇明²

(1. 石家庄铁道大学, 河北石家庄　050043; 2. 中铁十九局集团第一工程有限公司, 辽宁辽阳　111000)

收稿日期:2019-09-29 出版日期:2020-03-20 发布日期:2020-04-09
作者简介:段志伟(1994—), 男, 河北张家口人, 石家庄铁道大学机械工程专业在读硕士, 研究方向为TBM 智能掘进理论技术。E-mail: 1915627244@ qq. com。? 通信作者: 杜立杰, E-mail: tbmdu@ qq. com。
基金资助:
新疆EH工程科研计划(2019EH-TBM-3); 中国铁路总公司科研计划(2016G004-A)

Real-time Identification Method of TBM Surrounding Rock Excavatability Grade Based on Principal Component Analysis and BP Neural Network

DUAN Zhiwei¹, DU Lijie^{1, ∗}, LYU Haiming², WANG Jiahai², LIU Haidong², FU Yongming²

(1. Shijiazhuang Tiedao University, Shijiazhuang 050043, Hebei, China; 2. China Railway 19th Bureau Group First Engineering Co., Ltd., Liaoyang 111000, Liaoning, China)

Received:2019-09-29 Online:2020-03-20 Published:2020-04-09

摘要/Abstract

摘要： 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。

关键词: TBM, 围岩可掘性分级, 主成分分析, BP 神经网路, 实时识别模型

Abstract: The on-line real-time identification and early warning of TBM surrounding rock excavatability grade is significant for safe, high-efficient and intelligent TBM tunneling. An open-type TBM with a diameter of 7. 0 m is applied to EH tunnel in Xinjiang, and the practical boring data and geological data are analyzed. The surrounding rock excavatability is classified according to the characteristic parameter indicators reflecting the TBM tunneling performance and construction risk. Further, after analyzing the excavation parameters of better discrimination quality under different surrounding rocks with principal component analysis method, two principal component indicators for characterizing the excavatability grade of surrounding rock are obtained; and based on which, the BP neural network is constructed to identify the surrounding rock excavatability grade. Meanwhile, in order to increase the response speed of the model, a MATLAB program is designed to obtain real-time identification method of surrounding rock excavatability grade with better practicability.

Key words: TBM, rock excavatability grade, principal component analysis, BP neural network, real-time identification model

中图分类号:

U 452. 1⁺ 2

段志伟, 杜立杰, 吕海明, 王家海, 刘海东, 富勇明. 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[J]. 隧道建设, 2020, 40(3): 379-388.

DUAN Zhiwei, DU Lijie, LYU Haiming, WANG Jiahai, LIU Haidong, FU Yongming. Real-time Identification Method of TBM Surrounding Rock Excavatability Grade Based on Principal Component Analysis and BP Neural Network[J]. Tunnel Construction, 2020, 40(3): 379-388.

[1]	姜礼杰, 文勇亮, 贾连辉, 陈宝宗, 贺飞. 一种新型小转弯半径TBM推进系统设计与分析[J]. 隧道建设, 2020, 40(7): 1081-1087.
[2]	刘泽, 王勇, 李小锋, 吴志昊. 海域复杂地质双模式TBM设备选型与应用关键技术[J]. 隧道建设, 2020, 40(6): 868-872.
[3]	孙海波. 再制造TBM主驱动装配关键工艺及齿轮副啮合质量检验技术[J]. 隧道建设, 2020, 40(6): 890-897.
[4]	张斌荣, 管会生, 谭孝锋, 廖江, 杨骁, 李霞. 基于MATLAB/Simulink的TBM边滚刀动力学模型及振动分析[J]. 隧道建设, 2020, 40(6): 833-839.
[5]	王明友, 侯少康, 刘耀儒, 金峰. TBM 豆砾石回填灌浆密实度对支护效果的影响研究[J]. 隧道建设, 2020, 40(3): 326-336.
[6]	朱朋金, 赵康林, 肖利星. TBM侧向平移、空推新设备的研发及应用[J]. 隧道建设, 2020, 40(3): 417-425.
[7]	韩小亮. 敞开式TBM 主轴承外密封挡圈断裂脱落解决案例分析[J]. 隧道建设, 2019, 39(S2): 393-397.
[8]	汪旭，孟露，程德胜，卢松. TBM施工隧道管片衬砌段回填注浆质量检测综合物探方法研究及应用[J]. 隧道建设, 2019, 39(S1): 166-175.
[9]	张斌荣，管会生，赵昌盛，王默. 双模式TBM刀具破岩试验台有限元仿真分析[J]. 隧道建设, 2019, 39(S1): 290-295.
[10]	司玉迪. 城市轨道交通隧道双护盾TBM过站施工技术[J]. 隧道建设, 2019, 39(S1): 411-419.
[11]	王海军. 敞开式TBM空推步进技术在引松供水工程的应用[J]. 隧道建设, 2019, 39(9): 1500-1506.
[12]	刘飞香，于洋. 某隧洞工程TBM不良地质处置探究[J]. 隧道建设, 2019, 39(9): 1515-1522.
[13]	李晓晗. TBM集群化施工项目设备采购与施工过程管理模式探析——以辽宁重点输水工程为例[J]. 隧道建设, 2019, 39(9): 1523-1529.
[14]	卢松，汪旭，李苍松，丁建芳. 适于TBM施工的HSP法实时预报技术设计与实现[J]. 隧道建设, 2019, 39(8): 1255-1261.
[15]	王远超，杜雷功，王迎春，章跃林. 深埋隧洞TBM超前地质预报及预处理关键技术研究[J]. 隧道建设, 2019, 39(8): 1350-1356.

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

Real-time Identification Method of TBM Surrounding Rock Excavatability Grade Based on Principal Component Analysis and BP Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价