[发明专利]基于神经网络优化角砾地层中盾构机运行轨迹参数的方法

说明书

本发明公开了基于神经网络优化角砾地层中盾构机运行轨迹参数的方法，针对盾构机运行轨迹指的是隧道管片拼装线路，收集角砾地层隧道施工中的盾构设备的构造、配置，实际推进的姿态参数、拼装的隧道管片的姿态数据等，并考虑隧道管片沉降、收敛等监测数据，利用Matlab编程软件中的智能的神经网络方法训练出一个满足角砾地层盾构姿态调整的经验模式，使这个经验模式成为实际预测盾构机运行轨迹的重要借鉴和参考，并以此为基础，评价盾构机实际运行操作参数的合理性。本发明中提出的隧道管片拼装线路神经网络预测模型以及优化参数及其范围是对本工程良好施工效果的总结，为遇到类似工程实例的施工提供借鉴和参考。

技术领域

本发明涉及一种基于神经网络对角砾地层中盾构机运行轨迹参数的方法，属于盾构机技术领域。

背景技术

盾构掘进的线路反映着隧道实际中心线的位置。要使隧道中心轴线沿设计线路前进并保证最终盾构能够在允许的偏差范围内出洞,就必须使盾构在推进过程中的管片偏位控制在一定的范围内,这样才能保证贯通时的精度。所以,必须要在盾构推进过程中实时地确定盾构的工作参数，使得管片偏位满足施工验收规范的要求。因此，研究隧道管片拼装线路预测模型的目的，就是通过建立盾构机运行操作参数(即关键因素)与管片偏位的关系，来确立角砾地质条件下盾构的工作参数范围，以保证成型隧道的轨迹偏差在合理的范围内。

盾构机运行轨迹主要受实际土层的地质条件、盾构掘进姿态与速度以及隧道管片实际状态等多因素的影响。

发明内容

本发明的目的在于针对盾构机运行轨迹指的是隧道管片拼装线路，收集角砾地层隧道施工中的盾构设备的构造、配置，实际推进的姿态参数、拼装的隧道管片的姿态数据等，并考虑隧道管片沉降、收敛等监测数据，利用Matlab编程软件中的智能的神经网络方法训练出一个满足角砾地层盾构姿态调整的经验模式，使这个经验模式成为实际预测盾构机运行轨迹的重要借鉴和参考，并以此为基础，评价盾构机实际运行操作参数的合理性。

神经网络主要由三个部分组成：输入层、隐含层(也称中间层)、输出层，神经网络系统相当于人类的的大脑构成。输入层相当于外界的接收信息，隐含层相当于人脑的处理调节系统，输出层相当于人脑处理后的结果分析。这三层是相互联系的，也构成了神经网络的最基本模式。对于用来预测隧道管片拼装线路的神经网络模型来说，输入层的输入向量是各个影响因素或盾构机工作参数，中间层是调节输入向量和输出向量之间关系的桥梁，起到一个非线性映射的作用，输出层是拼装管片的管片偏位值。

神经网络模型的训练是建立在人工智能的模拟之上的，通过对预测结果和输入向量的不断分析修正，修改中间神经元的权值，以接近预测精度来不断修正网络模型。本发明的神经网络模型为BP神经网络模型。

神经网络模型中输入和输出的向量比较固定，对BP神经网络的预测模型精度影响比较大的是训练函数的选择，另一个是网络结构的确定。BP神经网络是一种逆向传播误差的神经网络，输出结果如果不符合精度要求。可以通过反向传递函数改变网络的连接权值，从而改变网络的输出值。

为实现上述目的，本发明采用的技术方案为基于神经网络优化角砾地层中盾构机运行轨迹参数的方法，

利用MATLAB软件中的newff函数创建一个BP神经网络，调用格式为：

net＝newff(PR,[S₁,S₂,...S_N1],{TF1,TF2,...TFN1},BTF,BLF,PF)

其中，

PR：由每组输入元素的最大值和最小值组成的R×2维的矩阵；每组共有R组输入；

S_i：第i层的传递函数，默认为“tansig”；

BTF：BP网络的训练函数，默认为“trainlm”；