摘要
本申请提供了一种采用TBM设备进行隧洞掘进的智能控制方法,该方法包括:获取多个掘进数据,并从多个掘进数据中确定出与岩体信息相关的多个特征掘进数据;将多个特征掘进数据输入至目标TBM围岩感知算法,得到多个岩体力学参数,目标TBM围岩感知算法为根据预先训练的多种TBM围岩感知模型确定的;将多个岩体力学参数输入至目标掘进参数决策模型,得到多个掘进控制参数;根据多个掘进控制参数,控制掘进设备进行智能控制掘进工作。不仅能够提高TBM设备的掘进速度,还能够提升TBM设备的刀具寿命。
技术关键词
岩体力学参数
掘进工作
BP神经网络
掘进参数
岩石单轴抗压强度
粒子群优化算法
智能控制方法
掘进设备
BP网络模型
岩体节理
MLP神经网络
决策
最小化误差
隧洞
模型超参数
效能数据
刀盘扭矩
系统为您推荐了相关专利信息
SOH预测方法
BP神经网络模型
BP神经网络算法
锂电池
表达式
性能预测方法
神经网络预测模型
主成分分析方法
优化BP神经网络
减水剂
解算方法
BP神经网络模型
多气体传感器
变异策略
数据
电池寿命预测
模型生成方法
LSTM算法
BP神经网络
电压
固体氧化物燃料电池
性能预测模型
性能预测方法
集成系统
燃气轮机