摘要
一种基于地层类别的盾构掘进智能辅助方法,步骤包括收集当前盾构机在掘进过程中的参数;通过皮尔逊相关系数计算,分别获得各参数与总推力及刀盘扭矩的相关系数,并得到特征组合;利用K均值算法计算获得分别以由总推力和刀盘扭矩组成的基本组合和以特征组合为特征集进行聚类的地层分类结果;采用合作训练算法,在半监督学习下获得基于基本组合与特征组合的已掘地层分类;利用机器学习算法对已掘地层类别进行学习训练,识别掘进方向未知的地层条件,给出总推力与刀盘扭矩的参考范围。本发明方法在盾构掘进过程中可循环执行,不断更新已掘地层分类结果,具有实际可行性、实时性等特点,能够为盾构掘进提供重要辅助决策信息。
技术关键词
智能辅助方法
逻辑回归模型
盾构掘进参数
皮尔逊相关系数
刀盘扭矩
注浆参数
K均值算法
推力
数据
机器学习算法
训练算法
聚类
网格搜索方法
样本
滑动窗口
指标
梯度下降法
轮廓系数
推进油缸
系统为您推荐了相关专利信息
智能分析方法
皮尔逊相关系数
径向基神经网络
存储粮食
温湿度
负荷预测方法
历史负荷数据
蓄冰装置
冰蓄冷系统
水泵系统
挤塑机
故障检测方法
噪声数据
塑料管
皮尔逊相关系数
鲸鱼优化算法
电机滚动轴承
一维卷积神经网络
综合评价指标
早期故障诊断