-
公开(公告)号:CN115600654A
公开(公告)日:2023-01-13
申请号:CN202211189012.4
申请日:2022-09-27
IPC分类号: G06N3/0442 , G06N3/0464 , G06N3/08 , G06Q10/063 , G06Q50/08
摘要: 本发明提供一种基于卷积LSTM的盾构滚刀磨损量实时预测方法及系统,包括:S1,构建滚刀磨损参数集;S2,根据滚刀磨损参数、该滚刀磨损参数所对应的实际工作时间以及滚刀刀圈直径,建立滚刀磨损状态评价标准;S3,建立卷积LSTM深度学习网络模型,将所述滚刀磨损参数集和滚刀磨损状态评价标准输入所述卷积LSTM深度学习网络模型进行训练,训练后得到滚刀磨损量预测模型;S4,采用上述滚刀磨损量预测模型进行预测,得到盾构滚刀磨损量实时预测值。本发明采用CNN和LSTM方法构建深度学习网络对滚刀磨损进行实时预测,提高深度学习网络预测准确性,解决了直接开舱检查方法工作效率低的问题。