-
公开(公告)号:CN119295261A
公开(公告)日:2025-01-10
申请号:CN202411306075.2
申请日:2024-09-19
Applicant: 西南交通大学
IPC: G06Q50/08 , G06Q10/0637
Abstract: 本发明公开了一种基于多源融合数据的TBM隧道支护智能决策方法,涉及隧道建设技术领域,其技术方案要点是:该方法广泛选取地勘数据、岩体信息、TBM掘进数据等多种同支护情况与围岩情况密切相关的影响因素,基于现场实际施做的支护参数,深度融合多种算法,从而实现TBM隧道支护参数智能决策,提升TBM隧道智能化水平。
-
公开(公告)号:CN118536660A
公开(公告)日:2024-08-23
申请号:CN202410622076.1
申请日:2024-05-20
Applicant: 西南交通大学 , 中国国家铁路集团有限公司
IPC: G06Q10/04 , G06F30/13 , G06F30/27 , G06N3/0442 , G06N3/048 , G06N3/084 , G06F17/16 , G06F17/18 , G06F18/214
Abstract: 本发明公开了一种基于Bayes‑Bi‑GRU模型的隧道施工期围岩变形预测方法,包括以下步骤:获取拱顶沉降与周边收敛数据;数据预处理;划分数据集;使用pytorch框架搭建Bi‑GRU拱部沉降与周边收敛预测模型;Hyperopt贝叶斯调参模块搭建参数优化模型,并设置Bayes优化参数以及搜索空间;优化Bi‑GRU模型;加载训练完成的Bi‑GRU拱顶沉降与周边收敛预测模型,对测试集数据进行预测;对步骤七中得到的预测数据进行反归一化,得到累计变形预测值y。本发明提出的利用Bayes‑Bi‑GRU模型预测公路隧道施工期围岩变形建模简单,精确度较好,满足工程要求,可为隧道设计及施工提供理论支撑,有着广阔的应用场景。
-
公开(公告)号:CN119323071A
公开(公告)日:2025-01-17
申请号:CN202411314394.8
申请日:2024-09-20
Applicant: 西南交通大学
IPC: G06F30/13 , G06F30/23 , G06F30/27 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/08 , G06F17/11 , G06F111/10 , G06F119/14
Abstract: 本发明公开了一种基于力学响应预测的TBM隧道支护参数优化方法,涉及隧道建设技术领域,其技术方案要点是:该方法通过建立不同围岩状态与支护参数组合下的有限元计算模型,生成大量力学响应样本,同时收集现场实测数据进行补充和修正,利用深度学习算法建立围岩‑支护映射关系模型,根据具体围岩条件与支护响应的关系,智能化地选择符合安全性要求的最优支护参数组合,从而实现支护设计的精准优化。
-
公开(公告)号:CN119124341A
公开(公告)日:2024-12-13
申请号:CN202411261405.0
申请日:2024-09-10
Applicant: 西南交通大学
Abstract: 本发明公开了一种隧道掘进机卡机监测方法,涉及全断面硬岩隧道掘进机技术领域,其技术方案要点是:包括在护盾内表面和主梁外表面分别安装振动传感器,在TBM控制室安装工控机,再根据在护盾和主梁处采集的振动信号数据,通过分析数据的时域、频域特征以及皮尔逊系数和频谱系数的相关性说明两个部位的振动信号相似性,据此判断TBM的掘进状态和卡机位置,实现减少TBM卡机风险的目标。
-
-
-