申请/专利权人：石家庄铁道大学;中国国家铁路集团有限公司

申请日：2024-05-23

公开（公告）日：2024-06-21

公开（公告）号：CN118228117A

主分类号：G06F18/241

分类号：G06F18/241;G06F18/213;G06N3/006;G06F18/10;G06N3/045;G06N3/084;G06F18/2433

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：本发明公开了一种基于TBM掘进特征和振动特征参数的围岩等级感知方法，属于数据处理方法技术领域，包括以下步骤：采集TBM设备的振动信号和掘进参数建立样本数据集；对样本数据集进行预处理，剔除无用数据及离群异常值；建立TBM掘进特征参数刀盘驱动功率指数、贯入度指数和扭矩指数，根据掘进参数建立围岩等级数据集；分析TBM振动信号得到特征向量，并对振动特征和掘进特征进行重要性分析，得出特征的综合重要性排序；建立BP神经网络模型，运用粒子群优化算法对BP神经网络模型进行优化，经对比验证，PSO‑BP围岩等级感知模型的预测性能优于其他机器学习分类模型。采用本发明能够实时预测围岩等级，同时可使围岩等级的自动识别准确率得到有效提高。

主权项：1.一种基于TBM掘进特征和振动特征参数的围岩等级感知方法，其特征在于：包括以下步骤：S100：采集TBM设备的振动信号和掘进参数，建立样本数据集；S200：对样本数据集进行数据预处理，剔除掘进参数和振动信号中的无用数据及离群异常值，并对掘进参数和振动信号的数据进行标准化处理；S300：特征参数提取（1）掘进特征参数：刀盘驱动功率指数、贯入度指数和扭矩指数；FPI为贯入度指数，代表单滚刀掘进单位距离所需推力；DPI为刀盘驱动功率指数，表示驱动刀盘转动所需的功率；TPI为扭矩指数，表示掘进单位距离所需的转矩；计算公式如下： ，，；式中，为单刀推力，kN；P为贯入度，mmrev；T为刀盘扭矩，kN·m；N为刀盘转速，rmin；（2）振动特征参数：振动信号的时域特征、频域特征和时频特征；（3）建立围岩等级数据集；S400：对振动特征和掘进特征进行重要性分析，得出特征的综合重要性排序；S500：建立BP神经网络模型所述BP神经网络模型由输入层、隐含层和输出层组成，输入层接收步骤S200中预处理过的数据，通过隐含层提取掘进特征参数和振动特征参数，输出层用于对接隐含层并输出围岩等级的结果；S600：利用粒子群优化算法PSO对BP神经网络模型的初始权值和阈值进行优化，建立PSO-BP围岩等级感知模型。

全文数据：

权利要求：

百度查询： 石家庄铁道大学;中国国家铁路集团有限公司 基于TBM掘进特征和振动特征参数的围岩等级感知方法

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