本發明提出了一種基于多目標學習的TBM掘進參數預測方法,以解決傳統控制策略中人為決策的主觀性與決策規則單一性的問題。步驟為:通過智能數據采集系統獲取TBM掘進參數;對上述TBM掘進參數進行降噪與增強處理,獲取每個循環上升段和穩定段數據;提取循環上升段與穩定段的時域特征,構建反映TBM健康狀態的評估指標;利用人工智能算法有效表征上升段TBM特征指標與穩定段多目標變量之間的非線性映射關系,建立基于多目標學習的巖機作用模型;通過非線性優化方法對巖機作用模型的參數進行自適應調整;根據巖機作用模型預估的多目標參數信息,TBM司機可綜合圍巖地質情況和渣片的顆粒分布優化TBM控制策略。本發明可在線估計TBM掘進參數,同時不干擾TBM正常運行。
聲明:
“基于多目標學習的TBM掘進參數預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)