[发明专利]盾构刀具磨损检测方法及系统

权利要求书

1.一种盾构刀具磨损检测方法，其特征在于，包括如下步骤：

步骤S1：根据盾构刀具最初使用时的掘进参数数据建立掘进速度预测模型；

步骤S2：根据所述掘进速度预测模型生成多个观测序列；

步骤S3：根据多个所述观测序列训练生成多个HMM模型；

步骤S4：将多个测试样本数据分别输入多个HMM模型，计算出相应的对数似然概率，根据最大的对数似然概率确定刀具的磨损状态。

2.根据权利要求1所述的盾构刀具磨损检测方法，其特征在于，所述步骤S1包括如下步骤：

步骤S101：采集盾构刀最初使用时在掘进过程中掘进参数数据，所述掘进参数数据包括总推力、总扭矩、掘进速度以及刀盘转速，通过所述掘进参数之间的关系，拟合出掘进参数关系式；

所述掘进参数关系式为：

其中，T_t为总扭矩，W_t为总推力，v为掘进速度，n为刀盘转速，T₀，T₁，T₂为待求参数，通过盾构时的实际掘进参数数据，对实际掘进参数数据进行回归处理计算出；

步骤102：根据所述掘进参数关系式进行转化，得到掘进速度的表达式，即：

步骤S103：将掘进速度的表达式作为掘进速度预测模型。

3.根据权利要求1所述的盾构刀具磨损检测方法，其特征在于，所述步骤S2包括如下步骤：

步骤S201：把同一时刻下的总扭矩、总推力、刀盘转速代入到掘进速度预测模型中，输出的掘进速度值为预测值v₀，确定同一时刻下的实际的掘进速度为实际值v；

步骤S202：求出所述预测值与所述实际值的偏差Δv，即：

Δv＝|v-v₀|

步骤S203：将各个时刻下的Δv作为HMM模型的观测序列。

4.根据权利要求1所述的盾构刀具磨损检测方法，其特征在于，所述步骤S3包括如下步骤：

步骤S301：设初始的隐马尔可夫模型λ＝{π，A，B}，观测序列O＝{o₁，o₂，...，o_T}，所述HMM模型的隐藏状态集合采用Q表示，Q＝{q₁，q₂，...，q_N}，其中，N为隐马尔可夫模型的隐含状态个数，所述HMM模型的可观测状态集合采用V表示，V＝{v₁，v₂，...，v_M}，其中，M为隐马尔可夫模型中可观测状态个数；

其中，A＝{a_ij}，a_ij＝P{i_t+1＝q_j|i_t＝q_i}，A为隐含状态转移概率矩阵，大小为N×N，其中，元素a_ij为在t时刻的隐含状态q_i在t+1时刻转移到q_j状态的概率；

B＝{b_j(k)}，b_j(k)＝P{o_t＝v_k|i_t＝q_j}，B为观测状态转移概率矩阵，大小为N×M，其中，元素b_j(k)表示t时刻在隐含状态q_j下产生观测状态v_k的概率；

π＝{π_i}，π_i＝P{t₁＝q_i}，π称为初始状态概率矩阵，π_i表示在初始时刻处于隐含状态q_i的概率；

步骤S302：用前向算法计算前向变量α_t(i)、P(O|λ)，α_t(i)表示在t时刻处于状态q_i且产生观测序列O＝{o₁，o₂，...，o_t}的概率；

步骤S303：用后向算法计算后向变量β_t(i)、P(O|λ)，β_t(i)表示在时刻t处于状态q_i的情况下，产生观测序列O＝{o_t+1，o₂，...，o_T}的概率；

步骤S304：由α_t(i)、β_t(i)计算单个状态的概率γ_t(i)和两个状态的概率ξ_t(i，j)，

步骤S305：通过所述γ_t(i)和ξ_t(i，j)重估HMM模型的参数λ＝{π，A，B}

步骤S306：当数π_i、a_ij、b_j(k)值已经收敛，则生成所述HMM模型λ＝{π，A，B}，否则返回步骤S302继续迭代，直到所述HMM模型收敛。