一种融合多元神经网络结构的盾构机掘进参数预测方法

    公开(公告)号:CN114021282A

    公开(公告)日:2022-02-08

    申请号:CN202111326750.4

    申请日:2021-11-10

    摘要: 本发明公开了一种融合多元神经网络结构的盾构机掘进参数预测方法,具有这样的特征,包括以下步骤:步骤1,对时序掘进参数数据和非时序地质条件数据分别进行预处理,得到预处理后的时序掘进参数数据和预处理后的非时序地质条件数据;步骤2,将预处理后的时序掘进参数数据和预处理后的非时序地质条件数据输入预测模型,运用预测模型对下一时刻的目标掘进参数进行预测与评估。其中,步骤1中,预处理采用多重插补法和移动平均法;步骤2中,预测模型包括多层感知器神经网络结构和循环神经网络结构。多层感知器神经网络结构用于处理非时序地质条件数据,循环神经网络结构用于处理时序掘进参数数据。

    一种基于RF-PSO的泥水平衡式盾构掘进参数优化方法

    公开(公告)号:CN113935546A

    公开(公告)日:2022-01-14

    申请号:CN202111328369.1

    申请日:2021-11-10

    摘要: 本发明提供一种基于RF‑PSO的泥水平衡式盾构掘进参数优化方法,用于对盾构掘进参数进行优化,其特征在于,包括以下步骤:步骤S1,确定掘进参数,并采集与掘进参数相关的掘进数据,得到掘进数据集。步骤S2,对掘进数据集进行标准化处理,得到标准化数据集。步骤S3,构建随机森林岩机映射模型,并确定约束条件。步骤S4,将标准化数据集输入到随机森林岩机映射模型,并利用网络搜索法对随机森林岩机映射模型的超参数进行训练,得到最优超参数,并根据最优超参数得到最优随机森林岩机映射模型。步骤S5,构建掘进速度v的优化目标函数。步骤S6,根据最优随机森林岩机映射模型,基于优化目标函数利用粒子群算法得到最优掘进速度、最优贯入度和最优刀盘转速。