[发明专利]一种对泥水盾构掘进刀盘堵塞进行预判和定位的方法

权利要求书

1.一种对泥水盾构掘进刀盘堵塞进行预判和定位的方法，其特征在于，包括：

利用粒子群优化算法PSO-径向基函数RBF神经网络构建与地层黏性特征对应的盾构常规掘进参数模型，利用历史泥水盾构工程数据对所述盾构常规掘进参数模型进行训练，得到训练好的盾构常规掘进参数模型；

利用所述训练好的盾构常规掘进参数模型计算出当前需要检测的泥水盾构工程的盾构掘进参数；

采样获取当前需要检测的泥水盾构工程的盾构掘进参数，将采样出的盾构掘进参数与所述盾构常规掘进参数模型计算出的盾构掘进参数进行对比，根据比较结果对泥水盾构掘进刀盘堵塞进行预判和定位。

2.根据权利要求1所述的方法，其特征在于，所述的利用粒子群优化算法PSO-径向基函数RBF神经网络构建与地层黏性特征对应的盾构常规掘进参数模型，利用历史泥水盾构工程数据对所述盾构常规掘进参数模型进行训练，得到训练好的盾构常规掘进参数模型，包括：

从盾构机信息采集系统中获取历史泥水盾构工程中的盾构掘进参数和地层取样黏性特征数据，所述盾构掘进参数包括盾构推力、刀盘扭矩、掘进速度、刀盘转速、泥浆压力、排/送泥浆管流量、滚刀转速、泥浆及地层特性以及刀盘面板多物理场特性，所述地层取样黏性特征数据包括黏粒含量和稠度指数；

利用PSO-RBF神经网络构建与地层黏性特征对应的盾构常规掘进参数模型，用PSO算法优化RBF神经网络的参数中心值c、宽度σ以及连接权值w，将地层取样黏性特征数据作为PSO-RBF神经网络模型的输入神经元，盾构掘进参数作为输出神经元，对所述盾构常规掘进参数模型进行训练，得到训练好的盾构常规掘进参数模型。

3.根据权利要求2所述的方法，其特征在于，所述的利用所述训练好的盾构常规掘进参数模型计算出当前需要检测的泥水盾构工程的盾构掘进参数，包括：

针对当前需要检测的泥水盾构工程，采样获取当前需要检测的泥水盾构工程的地层取样黏性特征数据，将当前需要检测的泥水盾构工程的地层取样黏性特征数据输入到所述训练好的盾构常规掘进参数模型，得到盾构常规掘进参数模型计算出的盾构掘进参数。

4.根据权利要求3所述的方法，其特征在于，所述的采样获取当前需要检测的泥水盾构工程的盾构掘进参数，将采样出的盾构掘进参数与所述盾构常规掘进参数模型计算出的盾构掘进参数进行对比，根据比较结果对泥水盾构掘进刀盘堵塞进行预判和定位，包括：

采样获取当前需要检测的泥水盾构工程的盾构掘进参数，采用公式1对盾构掘进参数进行平滑处理，

式中，F_i为i时刻盾构掘进参数，F_t为t时刻及其前4个时刻记录的盾构掘进参数平均值；

将平滑处理后的盾构掘进参数与所述盾构常规掘进参数模型计算出的盾构掘进参数进行对比，计算出各个盾构掘进参数对应的数据差值，如果盾构推力、刀盘扭矩、掘进速度和刀盘转速中有3个数据差值超过20％，则判断进入盾构结泥饼警戒状态。