[发明专利]截齿筒钻的优化方法、装置及电子设备

说明书

本发明提供一种截齿筒钻的优化方法、装置及电子设备，本发明通过获取得到的单截齿筒钻和多截齿筒钻的多种切削参数以及相应的多种切削效率数据，进行神经网络模型训练得到切削效率模型。最后输入多组目标参数组合至所述切削效率数据模型中输出得到相应的目标切削效率数据，并根据所述目标切削效率数据确定所述多个目标参数组合中的最优组合。

技术领域

本发明涉及旋挖钻机施工技术领域，具体涉及截齿筒钻的优化方法、装置及电子设备。

背景技术

现阶段对于旋挖钻截齿筒钻中截齿的排布，没有现成的试验与仿真方法可以直接得到最优值，而且由于各个工地的岩层硬度不一样，各个工地的截齿排布方式全靠现场工地施工摸索、成本高、耗时长。而旋挖钻截齿筒钻中截齿的排布的试验或仿真优化方法是很难开发的，这是因为，合理进行截齿排布提升旋挖钻机的效率、需要考虑到岩石材质、截齿切削角度、截齿下压深度(旋挖钻加压力)、截齿切削速度(扭矩)、截齿尺寸、两组截齿的横向间距这六项因素的共同优化，由于因素与因素间的交互影响，采用单个因素是无法表征优化方案的。文献CN111914372A公开了一种单齿切削的裂纹扩展深度计算方法，不考虑本研究中的截齿尺寸、两组相邻截齿的横向间距，不能实现齿的排布计算，而且，该方法仅能输出裂纹扩展深度这一个结果值，难以客观的表征切削效率。不仅如此，截齿筒钻的切削效率是由岩石的裂纹扩展与破碎、旋挖钻机做的功(关系到油耗成本)、切削比能耗、截齿本身的磨损(换齿消耗时间与金钱成本)等多个结果的共同表现，各个输出的趋势是各不相同的，需要平衡各个输出结果，得到优化方案。

现有的试验和仿真都是针对单因素或者单输出结果的，无法进行多输入因素多输出结果的优化设计。而现有的单截齿切削岩石试验，但是只能得到对应岩石样品的切削(样品需要切成巨型方块，重量至少2吨)，用于分析截齿的角度对切削的影响，并且输出只有岩石的破碎和切削功以及比能耗等因素，不能输出岩石裂纹扩展和截齿本身损耗。

发明内容

有鉴于此，本发明实施例提供了一种截齿筒钻的优化方法、装置及电子设备，以解决现有技术中存在的问题。

第一方面，本发明提供一种截齿筒钻的优化方法，包括如下步骤：获取单截齿筒钻和多截齿筒钻的多种切削参数以及相应的多种切削效率数据；建立样本数据库，所述样本数据库包括切削参数组合以及相应的所述切削效率数据；搭建用于训练所述样本数据的神经网络；采集所述样本数据库并输入至所述神经网络中训练得到切削效率模型；输入多组目标参数组合至所述切削效率数据模型中，输出得到相应的目标切削效率数据，每组目标参数组合对应输出多种目标切削效率数据；以及根据所述目标切削效率数据确定所述多个目标参数组合中的最优组合。

进一步地，所述获取单截齿筒钻和多截齿筒钻的多种切削参数组合以及相应的切削效率数据的步骤中，具体包括如下步骤：通过有限元分析方法搭建单截齿筒钻和多截齿筒钻的切削岩石模型；输入多种切削参数至所述切削岩石模型中得到所述切削效率数据。

进一步地，所述截齿筒钻为三维六面体网格，所述岩石模型包括：拉格朗日网格以及零厚度内聚力网格，所述零厚度内聚力网格的混合网格插入相邻的三维四面体的所述拉格朗日网格之间。

进一步地，所述多种切削参数包括：岩石材质、截齿切削角度、截齿下压深度、截齿切削速度、截齿尺寸及相邻两组截齿的横向间距；所述切削效率数据包括：旋挖钻机做的功、岩石的破碎体积、切削比能耗、截齿合金头部分的损耗、截齿齿体部分的损耗以及岩石的裂纹扩展深度。

进一步地，在采集所述样本数据库并输入至所述神经网络中训练得到切削效率模型的步骤中，具体包括如下步骤：根据所述样本数据库构建一样本集；随机划分所述样本集为训练样本及测试样本；读取所述训练样本中的数据，输入所述训练样本至所述神经网络中，以执行训练操作；在训练过程中对所述神经网的网络参数权重进行调整，以获得训练后的第一神经网络模型；输入所述测试样本至所述第一神经网络模型中进行验证操作，得到验证结果；根据所验证结果对所述第一神经网络模型进行优化，以获得切削效率模型。