TBM巖機(jī)映射關(guān)系及其優(yōu)化決策方法研究.pdf

1、硬巖隧道掘進(jìn)機(jī)(The Hard Rock Tunnel Boring Machine，簡(jiǎn)稱TBM)是實(shí)現(xiàn)硬巖開挖、巖渣運(yùn)輸、換步推進(jìn)和支撐襯砌等的隧道斷面一次成型的大型地下工程裝備。TBM施工面臨的安全高效掘進(jìn)與智能控制問(wèn)題，成為隧道工程領(lǐng)域的重大技術(shù)挑戰(zhàn)和前沿?zé)狳c(diǎn)問(wèn)題之一。國(guó)內(nèi)外對(duì)隧道掘進(jìn)機(jī)智能化模型的研究成果主要集中在用于軟土地層開挖的盾構(gòu)機(jī)，對(duì)硬巖隧道掘進(jìn)機(jī)的研究相對(duì)較少，并且，國(guó)內(nèi)對(duì)硬巖隧道掘進(jìn)機(jī)的自主研發(fā)相對(duì)較晚，巖機(jī)作用關(guān)

2、系尚不明確，優(yōu)化決策理論并不成熟，圍巖地質(zhì)信息大量獲取難度太高，施工人員無(wú)法準(zhǔn)確依據(jù)當(dāng)前地質(zhì)情況操作TBM，無(wú)法使TBM工作于最優(yōu)掘進(jìn)狀態(tài)。故有必要以搞清楚巖機(jī)作用關(guān)系為前提，開展TBM掘進(jìn)載荷預(yù)測(cè)模型、圍巖地質(zhì)智能識(shí)別系統(tǒng)和TBM優(yōu)化決策理論的研究。
　　本課題在國(guó)家重點(diǎn)基礎(chǔ)研究計(jì)劃(973)項(xiàng)目的資助下，以吉林引松供水施工工程TBM3標(biāo)段現(xiàn)場(chǎng)掘進(jìn)數(shù)據(jù)為基礎(chǔ)，分析得到了TBM操作參數(shù)、圍巖類別和掘進(jìn)載荷間的關(guān)系，建立了基于非線性

3、支持向量回歸和序列最小最優(yōu)化算法的TBM載荷預(yù)測(cè)模型，并通過(guò)現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行訓(xùn)練、測(cè)試和修正模型，結(jié)合TBM載荷預(yù)測(cè)模型和改進(jìn)的粒子群優(yōu)化算法，分別建立了以掘進(jìn)比能和掘進(jìn)工期為決策的操作參數(shù)優(yōu)化模型。根據(jù)TBM非穩(wěn)定掘進(jìn)狀態(tài)的掘進(jìn)載荷與切深的擬合關(guān)系，建立了TBM圍巖類別智能識(shí)別系統(tǒng)。根據(jù)掘進(jìn)載荷預(yù)測(cè)模型、優(yōu)化決策理論和圍巖識(shí)別系統(tǒng)，提出了TBM智能掘進(jìn)優(yōu)化決策閉環(huán)系統(tǒng)。
　　本文主要研究工作如下:
　　第一章介紹了國(guó)內(nèi)外TBM

4、技術(shù)的發(fā)展歷史和現(xiàn)狀，總結(jié)了發(fā)展特點(diǎn)和發(fā)展規(guī)劃。然后根據(jù)本文研究?jī)?nèi)容闡述了TBM掘進(jìn)載荷、優(yōu)化決策理論以及圍巖識(shí)別方法的研究現(xiàn)狀，介紹了TBM實(shí)際工程中存在的問(wèn)題，分析了TBM的研究需求和已有研究的不足，最后闡述了本文所做研究的意義和主要研究?jī)?nèi)容。
　　第二章介紹了吉林引松供水工程及其數(shù)據(jù)庫(kù)系統(tǒng)，分析了掘進(jìn)載荷與掘進(jìn)參數(shù)的相關(guān)聯(lián)程度，闡述了掘進(jìn)參數(shù)選擇的理由，進(jìn)行了掘進(jìn)數(shù)據(jù)和操作參數(shù)的預(yù)處理，提取了用于研究參數(shù)關(guān)系的特征點(diǎn)集，最后

5、，使用圖表分析法研究所選操作參數(shù)與掘進(jìn)載荷的具體變化關(guān)系。得出在硬巖地質(zhì)條件下，掘進(jìn)載荷主要受推進(jìn)速度影響，在軟巖地質(zhì)條件下，掘進(jìn)載荷主要受刀盤轉(zhuǎn)速影響的結(jié)論，即在硬巖地質(zhì)條件下得到較大的掘進(jìn)載荷，主要調(diào)節(jié)推進(jìn)速度，在軟巖地質(zhì)條件下，則主要調(diào)節(jié)刀盤轉(zhuǎn)速。定性描述了掘進(jìn)載荷和操作參數(shù)的作用關(guān)系，為第三章進(jìn)一步研究其間的定量關(guān)系指明了方向。
　　第三章提出了TBM掘進(jìn)載荷的非線性支持向量回歸(NSVR)預(yù)測(cè)模型，并使用序列最小最優(yōu)化算

6、法加速算法求解速度。結(jié)合第二章中處理的施工現(xiàn)場(chǎng)掘進(jìn)大量數(shù)據(jù)，按1∶1劃分訓(xùn)練樣本和測(cè)試樣本，對(duì)建立的模型進(jìn)行訓(xùn)練、測(cè)試和調(diào)整。測(cè)試結(jié)果表明，在給定刀盤轉(zhuǎn)速、推進(jìn)速度和圍巖類別條件下，建立的模型對(duì)刀盤扭矩和總推進(jìn)力的預(yù)測(cè)平均誤差均控制在13.1％以下，建立的NSVR模型具有較高的預(yù)測(cè)精度，能夠應(yīng)用于第四章掘進(jìn)優(yōu)化決策理論模型。
　　第四章總結(jié)了決策目標(biāo)優(yōu)化方法，推導(dǎo)了關(guān)于掘進(jìn)比能和操作參數(shù)、掘進(jìn)工期和操作參數(shù)的函數(shù)關(guān)系，引入第三章建

7、立的掘進(jìn)載荷的NSVR掘進(jìn)載荷預(yù)測(cè)模型，結(jié)合針對(duì)本工程的改進(jìn)粒子群優(yōu)化算法，提出了能耗最小和掘進(jìn)工期最短的決策來(lái)指導(dǎo)操作參數(shù)的優(yōu)化，給出了兩種優(yōu)化決策理論的計(jì)算流程圖以及算法偽代碼。最后，應(yīng)用建立的優(yōu)化決策理論給出了針對(duì)不同地質(zhì)條件下的分別以最小掘進(jìn)比能和最快掘進(jìn)速度為決策的最優(yōu)操作參數(shù)結(jié)果。
　　第五章以二值狀態(tài)判別函數(shù)為依據(jù)提取了掘進(jìn)循環(huán)數(shù)據(jù)，使用非線性回歸擬合總推進(jìn)力和刀盤切深在TBM非穩(wěn)定掘進(jìn)狀態(tài)下的關(guān)系，使用線性回歸擬合

8、刀盤扭矩和刀盤切深在TBM非穩(wěn)定掘進(jìn)狀態(tài)下的關(guān)系，得到了多組TBM非穩(wěn)定掘進(jìn)狀態(tài)下掘進(jìn)載荷與切深的擬合曲線和擬合參數(shù)值。分析擬合曲線和擬合參數(shù)值與圍巖類別的關(guān)系，發(fā)現(xiàn)不同的圍巖地質(zhì)對(duì)應(yīng)曲線的分布具有區(qū)域性，擬合參數(shù)值出現(xiàn)聚類現(xiàn)象。以擬合參數(shù)聚類邊界建立了圍巖類別劃分線，得到基于擬合參數(shù)的圍巖邊界判別方程?；诖耍⒘藝鷰r類別智能識(shí)別系統(tǒng)，通過(guò)擬合非穩(wěn)定狀態(tài)數(shù)據(jù)得到擬合參數(shù)值，進(jìn)而根據(jù)擬合參數(shù)和圍巖邊界判別方程得出當(dāng)前地質(zhì)的圍巖類別。最