[发明专利]一种基于SVM算法的盾构TBM故障预警方法在审
| 申请号： | 201811589422.1 | 申请日： | 2018-12-25 |
| 公开（公告）号： | CN109726463A | 公开（公告）日： | 2019-05-07 |
| 发明（设计）人： | 孙振川;李凤远;张合沛;褚长海;张兵;高会中;周振建;许华国;任颖莹 | 申请（专利权）人： | 中铁隧道局集团有限公司;盾构及掘进技术国家重点实验室 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06K9/62 |
| 代理公司： | 郑州浩翔专利代理事务所(特殊普通合伙) 41149 | 代理人： | 靳锦;边延松 |
| 地址： | 510000 广东省广州市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 盾构 故障预警 施工 分类算法 机器学习 施工过程 分类识别 故障建模 故障模型 故障识别 减少设备 经济损失 施工事故 样本数据 早期预警 信息化 智能化 建模 安全 分析 | ||
1.一种基于SVM算法的盾构TBM故障预警方法，其特征在于：该方法的具体步骤如下：
（1）根据以往发生在盾构TBM施工过程中出现的问题对盾构TBM关键掘进参数进行创建盾构TBM故障模型；
（2）通过分析选择盾构施工数据样本对盾构TBM机器学习分类算法SVM进行建模、训练和分类验证；
（3）使用训练后的SVM模型对盾构TBM施工实时数据进行分类识别，并对故障信息进行判定和推送。
2.根据权利要求1所述的基于SVM算法的盾构TBM故障预警方法，其特征在于：所述步骤（1）中的盾构TBM关键掘进参数是指刀盘转速、刀盘扭矩、总推力、推进速度、土压等盾构TBM关键掘进参数中两个或多个的组合。
3.根据权利要求1所述的基于SVM算法的盾构TBM故障预警方法，其特征在于：所述步骤（2）的具体过程是：根据步骤（1）所创建的盾构TBM故障模型准备样本数据作为SVM的输入输出参数，首先根据输入变量的个数结合核函数创建一个SVM支持向量机，然后调整核函数的参数，使用SMO 学习算法对SVM支持向量机和样本输入输出参数进行训练，得到分类决策函数也就是最终的SVM模型，最后使用最终的SVM模型对准备样本进行测试验证。
4.根据权利要求1所述的基于SVM算法的盾构TBM故障预警方法，其特征在于：所述步骤（3）的具体过程是：使用步骤（3）所得出的测试验证后的SVM模型对盾构TBM施工实时数据进行分类识别，如果被识别为故障点，则存储记录并累计时间，若累计时间超过阈值，则认为故障，然后推送故障预警信息到相关管理人员。
5.根据权利要求3所述的基于SVM算法的盾构TBM故障预警方法，其特征在于：所述的核函数为线性核函数、多项式核函数、高斯核函数、拉普拉斯核函数、sigmod核函数中的任意一种。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中铁隧道局集团有限公司;盾构及掘进技术国家重点实验室，未经中铁隧道局集团有限公司;盾构及掘进技术国家重点实验室许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811589422.1/1.html，转载请声明来源钻瓜专利网。
