[发明专利]基于深度学习的盾构机刀具剩余使用寿命预测方法

说明书

本发明公开了一种基于深度学习的盾构机刀具剩余使用寿命预测方法，旨在解决剩余使用寿命预测的准确性问题，该方法实现的步骤为：1、构建卷积神经网络；2、构建长短时记忆网络；3、生成盾构机刀具全生命周期的数据集；4、利用主成分分析法对数据集进行降维处理；5、生成盾构机刀具全生命周期的标签数据集；6、生成训练集；7、训练卷积神经网络；8、预测盾构机刀具的健康指标；9、生成健康指标序列数据集；10、训练长短时记忆网络；11、预测盾构机刀具剩余使用寿命。本发明具有在复杂工况下盾构机刀具剩余使用寿命预测准确性高的优点。

技术领域

本发明属于机械技术领域，更进一步涉及盾构机寿命预测技术领域中的一种基于深度学习的盾构机刀具剩余使用寿命预测方法技术。本发明可用于对盾构机刀具剩余使用寿命进行预测。

背景技术

盾构刀具位于盾构机的最前端，是盾构机的重要部件。在盾构掘进过程中，刀具退化带来的问题是盾构施工过程中面临的主要难题之一。因此，准确预测盾构机刀具剩余使用寿命在盾构施工管理方面极其重要。目前国内多采用的刀具更换策略是根据盾构司机和专家的经验，结合地质类型、施工时长和盾构机关键参数人工估计盾构机刀具的剩余使用寿命，然后制定定期停机检查、刀具更换等计划，具有非常大的主观性和随机性。目前直接针对盾构机刀具寿命建模的研究方法不多，通常利用磨损量、换刀数量、可掘进里程或某些敏感参数的偏差等易监测数据替代刀盘的剩余使用寿命。因此，传统的刀具更换策略和盾构机刀具建模方法亟需改善。

西南石油大学在其申请的专利文献“一种盾构滚刀刀具磨损预测方法”(专利申请号：2020100095064，公开号：CN111005733A)中提出了一种盾构滚刀刀具磨损预测的方法。该方法的步骤是：首先，获取塑性去除机制引起的单位位移磨损量、脆性断裂机制引起的单位位移磨损量、黏着磨损引起的单位位移磨损量、疲劳磨损引起的单位位移磨损量、滚刀上正面一点转动一圈后破岩弧长、滚刀转动一圈侧面一点的空间破岩弧长、滚刀法向切削力及滚刀受到的水平力；其次，计算滚刀转动一周引起的刀圈正面径向磨损和磨损体积以及刀圈侧面磨损量和磨损体积；然后，根据四种磨损乘以各自拟合系数后相加得到刀圈正面磨损体积和刀圈侧面磨损体积；最后，生成损耗量预测模型并进行磨损量预测。该方法虽然能预测盾构刀具服役寿命，解决刀具磨损严重及开仓频繁等问题。但是，该方法仍然存在的不足之处是，刀圈正面以及侧面的磨损量和磨损体积公式是在理想几何关系的基础上推到得来的，未考虑到盾构恶劣的施工环境，盾构在不同的地质环境进行施工时，刀具受到的磨损形式是不同的。而不同地质环境下的刀具磨损形式对磨损预测的影响将导致寿命预测结果准确性较差。

韩冰宇等人在其发表的论文“复合地层盾构刀具磨损分析与预测”(土木工程学报,2020,53(S1):137-142+161.)中提出一种基于遗传算法优化BP神经网络的模型对盾构刀具磨损进行预测的方法。该方法的步骤是：首先，分析了不同类型刀具在复合地层中的磨损规律；然后，根据经验公式得到了不同类型刀具的磨损系数,并据此推算了盾构机在类似地层条件下的最远掘进距离；最后，利用建立的遗传算法优化BP神经网络模型进行预测。该方法虽然能较为准确地预测刀具磨损量。但是，该方法仍然存在的不足之处是，由于该方法的不同类型刀具的磨损系数是通过经验公式得到的，这种经验公式通常对工况等外部条件的假设过于理想，研究的问题也仅仅局限于刀具磨损估计，难以用于工况复杂的盾构机刀具剩余使用寿命预测中。

发明内容

本发明的目的在于针对上述现有技术存在的缺陷，提供一种基于深度学习的盾构机刀具剩余使用寿命预测方法，用于解决现有技术中不考虑地质环境和仅依靠经验公式估计刀具磨损导致的盾构机刀具剩余使用寿命预测结果准确性较差的问题。