摘要
本发明提供了一种盾构机盘形滚刀异常磨损监测方法,根据盾构机掘进过程中盘形滚刀的异常磨损监测需求,对与盘形滚刀磨损状态密切相关的掘进参数进行筛选并填补由于采集问题产生的数据缺失。基于异常注意力机制的长短时记忆自编码器模型利用可学习的高斯核得到原始序列中的先验关联,通过获取序列的关联差异提升正常、异常间的可分辨性,结合极值理论对盾构机盘形滚刀进行准确可靠的异常磨损监测,本发明方法更加准确的识别出与盘形滚刀运行状态密切相关的掘进参数,并提高模型训练精度以及滚刀异常磨损监测的准确性。本发明对盾构机盘形滚刀异常磨损监测的应用具有重要意义。
技术关键词
盾构机盘形滚刀
磨损监测方法
注意力机制
掘进参数
误差重构
广义帕累托分布
斯皮尔曼相关系数
编码器
数据填补方法
样本
序列
皮尔逊相关系数
更新网络参数
数据缺失值
极值
监测需求
模型误差