摘要
本发明公开了TBM刀盘扭矩预测方法及装置。该方法的步骤如下:获取与TBM刀盘扭矩相关的第一掘进参数;衡量所述第一掘进参数与刀盘扭矩之间的线性与非线性相关程度,筛选出第二掘进参数;对第二掘进参数进行预处理,按照时间次序依次构造包括训练集、验证集和测试集的数据集;构建基于时空注意力机制、时间卷积网络和双向长短时记忆网络的融合网络模型;利用训练集训练融合网络模型并基于验证集调整模型超参数,并在测试集上检验模型的泛化性能,获得训练后的融合模型;利用融合模型预测TBM刀盘扭矩。本发明方法利用经验知识和相关性分析相结合方式筛选出掘进参数,并设计出时空注意力下多尺度时间卷积与双向长短时记忆网络融合的新型网络用于扭矩精准预测,可为TBM卡机灾害提供预警、为掘进参数优化提供指导,具有重要的工程应用价值。
技术关键词
掘进参数
TBM刀盘
时空注意力机制
时间卷积网络
主驱动电机
模型超参数
时间序列特征
训练集
刀盘扭矩
非暂态计算机可读存储介质
非线性
压力
推进泵
皮带机
皮尔逊相关系数
处理器
油缸
计算机程序产品
系统为您推荐了相关专利信息
行人检测方法
行人检测系统
深度学习模型
时空注意力机制
数据
卡机
掘进参数
机参数动态交互机制
隧道掘进机
围岩隧道
调控方法
氟化氢
分数阶滑模控制
时空注意力机制
元胞自动机
信息安全检测方法
时间同步机制
深度学习模型
系统调用序列
关联算法
时间卷积网络
样本
多源异构数据
原型
多模态特征