本发明提出了一种基于多目标学习的TBM掘进参数预测方法,以解决传统控制策略中人为决策的主观性与决策规则单一性的问题。步骤为:通过智能数据采集系统获取TBM掘进参数;对上述TBM掘进参数进行降噪与增强处理,获取每个循环上升段和稳定段数据;提取循环上升段与稳定段的时域特征,构建反映TBM健康状态的评估指标;利用人工智能算法有效表征上升段TBM特征指标与稳定段多目标变量之间的非线性映射关系,建立基于多目标学习的岩机作用模型;通过非线性优化方法对岩机作用模型的参数进行自适应调整;根据岩机作用模型预估的多目标参数信息,TBM司机可综合围岩地质情况和渣片的颗粒分布优化TBM控制策略。本发明可在线估计TBM掘进参数,同时不干扰TBM正常运行。
声明:
“基于多目标学习的TBM掘进参数预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)